行业参考 · 医疗 · 研发 · 证据 E1
Novo Nordisk 用 Claude 建 NovoScribe 平台，临床研究报告写作从 10+ 周压缩到 10 分钟
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
临床研究报告动辄 300 页，写手年均仅 2.3 份报告，每天延迟潜在损失最高 1500 万美元；高度监管行业不能随意把数据丢进大模型。
概要
诺和诺德面临临床研究文档瓶颈，基于 Claude 模型（Amazon Bedrock）、Claude Code 和 MongoDB Atlas 自建 NovoScribe 平台，将临床研究报告写作从 10+ 周降到 10 分钟，设备验证协议从需要整个部门变为 1 名用户，审阅周期下降 50%。
原文写明的事实
- 临床研究报告 300 页，写手年均仅 2.3 份报告，每天延迟潜在损失最高 1500 万美元
- Novo Nordisk 是 Ozempic 生产商
- NovoScribe 使用 Claude 模型（Amazon Bedrock）+ Claude Code + MongoDB Atlas
- 结合语义搜索与领域专家审定文本，产出监管级质量文档，并获得监管方正面反馈
- 文档写作从 10+ 周降到 10 分钟（原文称 90% reduction）
- 设备验证协议从需要整个部门变为只需 1 名用户
- 审阅周期下降 50%
- 11 人开发团队无需扩编，非技术员工用 Claude Code 几小时内完成原型（此前需数周）
还有 17 条细节，见文末原文来源。
怎么做的
- 输入：临床研究数据与领域专家审定文本
- 处理：语义搜索匹配专家审定内容，生成监管级文档
- 数据：临床试验数据、设备验证协议、患者材料
- 动作：自动生成文档、协议、研究小册子
- 输出：监管级文档、验证协议、研究小册子
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：高（需要配置 Skill / Connector）
- 需要的能力：语义搜索 Skill、专业文档模板 Skill
- 需要接的数据/系统：企业知识库、MongoDB Atlas
- 仍需人工的环节：领域专家审核文本；监管合规复核
- 风险：生成错误临床信息可能引发监管风险
- 原文没披露的：监管级文档需专业审定；原文未披露样本量与口径
文档草稿生成与语义检索辅助可做，但监管级质量与合规需专业审定和实测确认，不能完全自动化。
来源
证据说明：Anthropic 官方客户案例，未找到独立第二来源，数字为企业自报。；模型自称 E2，按来源结构下调为 E1。