您可以使用 Gemini Enterprise 通过聊天界面获取有关研究方法、科学概念或公共数据库（例如 PubMed）的一般信息。
提示示例
在聊天框中，输入如下提示：
My objective is to understand [specific topic, e.g., the methodology behind
clinical trials for cancer research].
Please use all available external data sources, including [list of data
sources, e.g., PubMed, Google Scholar, National Library of Medicine], to
summarize the key statistical methods used to analyze data in each phase.
输出示例
针对此提示，Gemini Enterprise 会生成类似于以下内容的输出：
下表按阶段总结了肺癌治疗临床试验中使用的统计方法。
第 1 阶段：安全性和剂量
第 1 期试验的主要目的是确定新治疗方法的安全性概况，并找到最大耐受剂量 (MTD)。这是在不引起不可接受的副作用的情况下可以给出的最高剂量。这些试验涉及一小群患者（约 15-30 人）。
关键统计方法侧重于剂量递增设计：
- 3+3 设计：这是一种常见的基于规则的方法。三名患者接受了剂量。如果所有受试者均未出现剂量限制性毒性 (DLT)，则下一组三名受试者将接受更高剂量的药物。如果发生 DLT，则会以当前剂量添加更多患者，以便更好地评估其安全性。
- 持续重新评估方法 (CRM)：一种基于模型的设计，使用试验中所有患者的数据来模拟剂量-毒性关系。这样可以更高效、更精确地估计 MTD。
第二阶段：疗效和副作用
II 期试验的主要目的是评估新药是否具有足够的生物活性或效应（初步疗效），以保证进一步的测试。此外，它还会继续监测更多患者（通常不到 100 名）的安全情况。
关键的统计方法通常涉及单臂研究：
- Simon 的两阶段设计：这是一种高效的设计，如果治疗效果不佳，可以提前停止试验。如果第一阶段中有最少数量的患者做出积极响应，则试验将进入第二阶段，以收集更多数据。
- 终点分析：主要终点通常是客观缓解率 (ORR)，用于衡量肿瘤缩小达到预定义程度的患者所占的比例。统计分析会确定观察到的 ORR 是否足够高，具有临床意义。
第 III 阶段：比较和确认
III 期试验的主要目的是通过将新疗法与当前的标准疗法进行比较，来确认新疗法的疗效。这些是涉及数百或数千名患者的大型关键试验，其结果用于支持监管审批。
关键统计方法最为严谨：
- 随机对照试验 (RCT)：患者会被随机分配到实验组（新疗法）或对照组（标准疗法）。这种随机化可最大限度地减少偏差。这些试验通常采用“双盲”方式，也就是说，患者和研究人员都不知道谁接受了哪种治疗。
- 生存分析：这在癌症研究中至关重要。
- Kaplan-Meier 曲线用于估计和绘制随时间变化的生存概率。
- Log-Rank Test 用于在治疗组之间进行生存曲线的统计比较。
- Cox 比例风险模型是一种回归模型，用于评估治疗效果，同时针对年龄或疾病阶段等其他变量进行调整。它会计算风险比 (HR)，用于量化一个组中发生某事件（例如死亡或疾病进展）的可能性比另一个组高多少。
第 IV 阶段：上市后监测
第 IV 期试验的主要目的是在药物获得批准并面向公众提供后，监测其长期安全性和有效性。此阶段可以检测到早期较小规模的研究中未发现的罕见或长期副作用。
主要统计方法包括：
- 观察性研究：研究人员分析真实世界中大量患者群体的数据，以了解药物在临床试验的受控环境之外的疗效。
- 真实世界数据 (RWD) 分析：利用电子健康记录、保险索赔和患者登记数据来监控安全信号并了解长期疗效。此流程通常是药物警戒（药物安全监控科学）的一部分。