在肺纤维化的临床试验中，判断一种药物是否真正延缓了疾病进展，往往比普通人想象的更棘手。常规做法依赖放射科医生对高清CT影像上的网状阴影、蜂窝状改变和磨玻璃密度进行半定量评分，这一过程不仅耗费时间，还不可避免地引入阅片者之间的主观差异。当多中心试验的数据需要合并统计时，影像评估的不一致性足以削弱统计效力，甚至导致一个潜在有效的候选药物在III期折戟。这不是药企不愿改进，而是缺乏一把客观、可重复的“尺子”。现在，一家从剑桥走出的公司试图用AI重新定义这把尺子，并且刚刚拿到了说服部分投资人的新筹码。

2026年7月29日，Qureight宣布完成2000万美元B轮融资。这家成立于2018年的公司，把自己定位为“端到端影像公司”，为心肺领域的临床试验提供企业级影像平台和精准终点。它的核心命题是：用3D深度学习驱动的定量影像分析，替代传统主观阅片，让临床试验更快作出“继续/停止”的决策，并可能用合成对照臂削减成本。在风险投资整体趋于保守的窗口期，这一轮融资的到账，反映出投资人对AI+临床试验这个交叉赛道在特定疾病领域的合理想象，但背后留待验证的假设同样摆上了台面。

公司 Qureight
轮次 B轮
金额 $20,000,000
投资方 Molten Ventures（领投），Hargreave Hale AIM VCT、XTX Ventures、Guinness Ventures、Meltwind、Ascension
总部 英国剑桥
创始人 Dr Muhunthan Thillai
官网 https://www.qureight.com

用3D基础模型替换“一个病建一个模型”的旧范式，真实数据门槛有多高？

Qureight本轮最核心的技术叙事，不是继续巩固其在肺纤维化领域的先发优势，而是宣布将搭建一个容纳“3D胸部影像基础模型”的AI实验室。这个基础模型被赋予的期望是：显著减少开发新疾病模型所需要的数据量和时间。创始人兼CEO Muhunthan Thillai 在融资声明中说：“通过我们的新AI实验室扩展3D影像深度学习模型，将补充我们在肺纤维化领域的现有主导地位，使我们能够进入新市场，并稳固在心肺影像CRO市场中的领导地位。”

这段话的产业背景是，当前大多数AI医学影像公司走的还是“单病种、单任务”的窄AI路线，比如专门针对肺结节检测，或者专门给肺气肿做定量分析。每进入一个新适应症，都需要从头标注大量影像数据，并训练一个新模型。Qureight试图用胸部基础模型来突破这种研发效率瓶颈，思路类似于大语言模型在自然语言处理领域展现的泛化能力——先在未标注的海量胸部CT上做预训练，学习肺实质、气道、血管、心脏等结构的通用表征，再针对特定疾病进行微调，理论上能大幅减少对精细化标注数据的依赖。

但这种愿景落地的第一只“拦路虎”是数据获取。构建3D胸部基础模型需要跨设备、跨厂商、跨种族的超大规模CT原始数据，而在真实世界中，哪怕只是汇聚几家医院的影像归档，都会牵涉复杂的伦理审批、隐私合规和院际数据治理问题。英国、欧盟和美国的医疗数据监管日渐收紧，缺乏大型医疗集团背景的初创公司，难以像GE医疗或西门子那样凭借设备装机量积累私有影像池。Qureight并未披露其训练数据的具体来源和规模，也没有说明基础模型预训练阶段的合作医院或数据集。对于一家面向药企提供合规服务的CRO型公司来说，数据合规本身就是客户考察的重点，而自建基础模型所需的数据体量是否会影响其中立性，也是一个不够透明却实际存在的疑问。

技术路线上，另一个值得关注的细节是，Qureight强调3D深度学习，而不是常见的2D切面或最大密度投影方式处理CT。这有利于捕捉病灶在立体空间中的连续形态变化，尤其是牵拉性支气管扩张、蜂窝囊腔等结构在三维空间上的重构，但也对GPU算力和内存提出了更高要求。当药企在多国开展临床试验时，CT扫描参数和重建核的差异会直接影响模型的鲁棒性，这是任何定量影像生物标志物走向注册审批前必须跨越的泛化性验证门槛。

合成对照臂的数学诱惑与监管柜子里尚未打开的批准函

Qureight的平台有一项引人注目的数据科学产品——合成对照臂，它能让药企将试验组的影像进展与一个由真实世界数据生成的虚拟对照臂进行比较，从而减少同期招募安慰剂对照组所需的患者数量和时间成本。这对于罕见性纤维化肺病等入组困难的试验来说，是一个极有吸引力的价值主张。官方介绍中明确说，这可以“降低研究成本和期限”。

然而，从统计方法到监管认可之间，横亘着一道需要大量实证构建的信任鸿沟。无论是美国FDA还是欧洲EMA，对于使用外部对照或合成对照作为确证性临床试验证据的支持仍非常审慎，通常只限于单臂试验的初步疗效信号探索，或是在极难开展随机对照的罕见病场景中作为辅助性支持。要让合成对照臂成为决定药物能否上市的关键证据，申办方必须证明外部数据与试验内部数据在基线特征、疾病定义、评估方法和治疗背景上高度一致，并且能排除未知混杂因素。Qureight的AI生物标志物本身如果尚未被完全认定为可靠的临床替代终点，那么基于这些标志物构建的合成对照臂，就需要双重验证——既要验证AI终点能够预测临床结局，又要验证合成对照臂与真实随机对照之间的可比性。这显然不是一次B轮融资能解决的时间与成本问题，而是需要多家药企在不同的项目中联合积累证据，逐步推动监管科学共识的演进。

把影像CRO和AI生物标志物打包卖给药企，规模化复制前需要回答的三个问题

Qureight的商业模式本质上是为生物制药客户提供一体化的影像解决方案，既包括传统意义上的影像CRO服务（图像的标准化采集、中心化读片、质控），也包括自研的AI肺影像生物标志物和合成对照臂等高级分析产品。根据公司披露，其服务已经被生物制药合作伙伴用于多种纤维化肺病的临床试验中，提供实时洞察和精准终点。

这是一种典型的项目制+技术授权的混合收入模型。优势在于，影像CRO本身就是临床试验中的刚性需求，Qureight可以通过提供AI自动量化分析，替代一部分人工阅片，并将产出从描述性报告升级为可定量的影像生物标志物数据，从而增加每笔合同的价值。但挑战同样清晰。首先，公司始终未公布具体客户名称和合同金额，外界难以判断其收入体量和客户集中度。在CRO行业，前十大药企通常占据主要外包预算，如果Qureight目前的合作集中于少数中小型药企或学术界发起的试验，那么客单价和复购频率的稳定性可能需要更多时间验证。其次，AI定量影像分析在肺纤维化领域的临床价值得到了一定认可，但这能否转化为药企在确证性试验中将其作为主要或关键次要终点的意愿，尚不明确。目前多数药企仍将AI影像分析作为探索性终点，用于内部决策和剂量选择，距离其完全替代传统临床终点还有很长的路。最后，当Qureight从肺纤维化扩展到哮喘、肺动脉高压、支气管扩张和药物性肺毒性这四个新领域时，每一个病种的影像生物标志物都需要独立的验证试验，并与特定的临床功能指标（比如哮喘的肺功能FEV1、肺动脉高压的右心导管测压）建立相关性。这并不是做一次基础模型微调就能解决的问题。

老股东全数跟投与新任董事的加入，说了一个怎样的资本故事？

分析这一轮的投资方构成，能够读出几层含义。领投方Molten Ventures是一家活跃于欧洲科技领域的上市VC，其合伙人Inga Deakin将加入Qureight董事会。其余跟投方——Hargreave Hale AIM VCT、XTX Ventures、Guinness Ventures、Meltwind和Ascension——全部为已有股东，没有任何制药企业或大型CRO的战略资本入场。这种纯财务投资者的阵容，一方面意味着创始团队在控制权上保持了独立性，但另一方面也说明，在这个时间节点，产业资本还在观望AI影像公司是否真的能够跑通“从辅助工具到关键试验基础设施”的价值跃迁。

Molten Ventures的Deakin在新闻稿中给出的评价是：“Qureight展示了AI如何由真实世界数据驱动，加速发现并转变临床研究。团队在未满足需求领域的快速部署能力，凸显了他们推动下一代医学创新的独特能力。”这段话可以视为投资方对公司当前技术能力和团队执行力的认可，但它更像一种面向愿景的表态，而非来自商业数据的佐证。一个值得对比的事实是，同处欧洲的AI病理或影像公司，在B轮后往往需要快速披露更多的商业里程碑来支持后续融资，比如达成与全球前10药企的战略合作、若干个影像生物标志物获得监管机构的突破性认证等。Qureight目前缺乏这些可见度更高的进展节点。

资金将用于扩展3D深度学习影像产品组合、扩大商业团队规模、以及将新产品推向哮喘等新适应症市场。这相当于一次典型的研发和商业化双线投入。其中的“商业团队扩展”值得特别留意，因为它意味着Qureight可能正在从创始人驱动或极小的BD团队，向体系化的销售和客户成功组织过渡。这一转变如果顺利，有望提高其承接全球多中心试验的服务能力；但如果贸然铺人，没有足够多的已签约合同作为支撑，可能加速现金消耗。

从IPF到四大新战场，病种扩张背后的临床验证密度和支付意愿差异

Qureight现有的模型积累在肺纤维化，这是一类以特发性肺纤维化（IPF）为代表的进展性瘢痕性疾病，CT上的影像变化相对明确，定量指标如肺容积、蜂窝结构占比等已经有学术共识。而公司此次宣布的四个新方向，每一个都具有高度差异化的病理形态和临床终点标准。

哮喘的CT影像特征更多表现为气道壁增厚、空气潴留和黏液栓，其生物学变异性显著高于纤维化，且主要临床疗效指标是肺功能和急性发作频率，影像指标在此处更多扮演辅助角色。肺动脉高压的影像难点在于它主要影响的是肺血管，从胸部平扫CT中准确分割和量化肺动脉重塑需要更精细的专用算法，而右心漂浮导管所测的肺动脉压力依然是不可替代的金标准。支气管扩张的主要CT表现是气道永久性扩张、支气管壁增厚和黏液填塞，定量指标如Bhalla分数虽存在，但手动测量极其费时，自动化的需求确实很大，但同样需要面对与临床恶化事件如急性加重的关联验证。至于药物诱导性肺毒性，是一个发生概率相对低但在肿瘤药物开发中愈发受到重视的安全性问题，其表现多样，从磨玻璃样改变到弥漫性肺泡损伤均可出现，影像上更难标准化。

因此，对Qureight而言，这四条产品线看起来是同一个技术底座的复用，实际上是四个相对独立的临床开发项目。每一个都需要与临床专家和药企客户合作，收集标注数据，设计验证研究，并发表结果。在主力业务仍然倚重肺纤维化的情况下，同时并行推进四个新适应症，对一家人员规模有限的初创公司来说，资源稀释的风险不能忽视。

心肺临床试验市场近300亿美元的蛋糕，AI影像CRO能吃下的是哪一块？

Qureight在新闻稿中引用的市场数据称，全球心肺临床试验市场预计到2030年将增长至275亿美元，年复合增长率为6.9%。这通常是指所有在心脏和呼吸系统领域开展的临床试验的总体花费，包括药物、设备、研究者费用和CRO服务等。AI影像CRO能切分的，是整个大市场里与影像采集、处理和分析相关的细分市场。Qureight所面对的直接市场空间要远小于275亿美元，但仍是相当规模的细分需求。

这部分预算的流向，目前仍主要掌握在传统影像CRO巨头以及大型综合CRO的内部影像部门手中。这些机构为药企提供成熟的大规模中心化读片服务，虽然自动化程度不足，但在全球运营和监管沟通方面具备深厚经验。Qureight的差异化在于其端到端AI定量平台，能够将影像从原始DICOM数据一路处理成可用于统计报告的定量终点数据。当整个行业向分散化试验和远程监查方向演进时，这种一体化的数字化方案可能迎合了药企对速度和数据一致性的追求。但撬动已有稳定供应商关系的大型药企，必然需要Qureight拿出强有力的证据，证明它不仅能提升效率，还能直接加速新药获批，而不仅仅是成为锦上添花的分析工具。

最大的待验证假设：AI量化影像生物标志物能加速新药上市，而不是只让试验设计变复杂

整篇融资报道及其背后商业逻辑的最终落脚点，是一个尚未被证实的关键假设——用AI生成的定量影像生物标志物作为主要或关键次要终点，能够实质性地提高临床试验的成功率和效率，而不是仅仅增加了一个新的探索性分析维度。

当前，监管机构对于在新药申请中使用影像生物标志物作为替代终点持开放但严谨的态度。已经有经验可以借鉴，比如在非酒精性脂肪性肝炎（NASH）中，肝纤维化的病理逆转一度接近成为替代终点，但最终并未被完全接纳。在心肺领域，6分钟步行距离、肺功能指标的下降速度等仍然是主要的临床终点；高分辨率CT上的纤维化评分虽然在多个IPF试验中使用，但多作为探索性终点呈现。要让AI量化的影像指标成为药企敢于押注并写入试验统计方案的主要终点，需要在多个III期试验中证明其变化能够可靠地预测临床受益，例如生存期的延长或急性加重风险的降低。这是一个漫长的证据积累过程，而且Qureight作为服务提供商，并不能掌控药企将终点写在试验方案中的方式，其影响的更多是数据处理的质量和效率。

如果这个核心假设最终只能部分成立，即AI定量影像分析主要优化了内部决策环节（比如II期到III期的Go/No-Go决策速度），而对最终注册审批路径没有直接加速效应，那么Qureight的商业价值将更接近于一个高效的技术型CRO，而非能够分享药物成功红利的平台型公司，其收入天花板将更为可见。

竞争格局无声，但墙壁是否真已砌好？

Qureight在宣传中强调其“在肺纤维化领域的现有主导地位”以及成为“心肺影像CRO市场领导者”的雄心。虽然在已公开信息中缺乏直接的、具备同等端到端整合能力的竞品做对比，但产业界并不缺少在细分赛道上磨刀霍霍的入局者。大型综合CRO正逐步通过自建或收购方式补充AI定量影像能力；纯粹的AI医学影像软件公司也试图与CRO合作，以软件授权的方式进入临床试验场景，成为CRO的上游技术供应商。Qureight通过自己直接承担影像CRO服务加自有AI平台的方式，试图把蛋糕的两层都攥在手里，这会使得它与潜在的技术合作方形成竞争而非互补关系，也可能在某些药企的供应商评审中被视为利益冲突。此外，对于药企而言，核心影像数据的分析和保管交由一家公司全权负责，安全和合规审计的压力也会增大。

从长远来看，Qureight的护城河可能不在于某项特定的模型架构精确度，而在于围绕特定疾病不断积累的配对数据——即影像与临床结局的匹配数据库。这些数据能够让它的生物标志物不断优化与预后之间的关联，形成先行者数据壁垒。然而，这种壁垒只有在数据规模足够大且深度绑定药企客户之后才真正牢固，对于一家尚未公布任何具体合作细节的B轮公司，这个进程仍需要持续关注。

RecodeX 极客视：Qureight的B轮融资可视为AI影像在肺纤维化这个单点上的价值获得了一批财务投资人的肯定，但公司接下来要应对的，不仅是把技术从一种疾病复制到四种新病种的工程挑战，更是一系列扎根于临床验证和监管科学的深层拷问。合成对照臂能否被监管买账、AI影像终点何时能成为注册试验的主要终点、自建基础模型的数据合规性如何保证——这些都是公告公关用语之外，决定这家公司最终是从“技术型CRO”进化成“必不可少的基础设施”，还是止步于一个卖得不错的小众服务商的核心变量。Molten Ventures的这句“AI通过真实世界数据加速发现”愿景，目前还只完成了前半句“AI+数据”的搭建，而真正“加速发现”的证明，需要患者水平的临床结局数据作为最后的证人。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。