Kosten en doorlooptijden van klinische proeven verlagen met digitale oplossingen

Waarom klinische proeven zo duur en zo traag zijn

Wie begrijpt waar de kosten en de vertragingen vandaan komen, ziet ook waar digitale oplossingen het meeste opleveren. Een klinische proef is geen enkelvoudig project maar een keten van afhankelijke stappen: het protocol wordt geschreven en beoordeeld, een ethische commissie geeft een oordeel, onderzoekscentra worden geselecteerd en opgestart, deelnemers worden geworven en geïncludeerd, behandelingen en metingen worden uitgevoerd, de gegevens worden verzameld, gecontroleerd en schoongemaakt, en tot slot volgt de analyse en de rapportage. Elke schakel heeft zijn eigen wachttijden, en een vertraging in één schakel schuift de hele planning op.

De grootste kostenposten zijn in de meeste studies dezelfde: personeel in de onderzoekscentra, het monitoren van die centra door externe bezoekers, de werving van deelnemers, het beheer van de gegevens en de administratie rondom alles wat vastgelegd moet worden. Daar komt bij dat de kosten doorlopen zolang de studie loopt. Elke maand extra werving betekent een maand extra personeelskosten, extra huur van faciliteiten, extra monitoringbezoeken en extra projectmanagement. Vertraging is dus zelden alleen een tijdskwestie; ze is vrijwel altijd ook een kostenkwestie.

Er is bovendien een verborgen kostenpost die zelden in een begroting staat: het verlies aan kansen. Een behandeling die een jaar later beschikbaar komt, is voor patiënten die erop wachten een jaar later bruikbaar. Voor een organisatie die een product ontwikkelt, betekent een jaar vertraging bovendien een jaar minder looptijd van octrooien en een jaar later inkomsten. Daarom is het verkorten van de doorlooptijd voor vrijwel alle betrokkenen een gedeeld belang, ook voor publieke financiers van academisch onderzoek.

De uitdagingen van traditionele klinische proeven

Traditionele proeven worden geconfronteerd met een reeks terugkerende knelpunten. Het eerste is de selectie en werving van deelnemers. Een studie hanteert strikte in- en exclusiecriteria, en het aantal patiënten dat daaraan voldoet én bereid is deel te nemen, blijkt in de praktijk vaak kleiner dan op papier. Onderzoekscentra moeten patiënten vinden, informeren, screenen en inschrijven. Dat kost veel tijd en moeite, en niet elk centrum haalt zijn streefaantal.

Het tweede knelpunt is de belasting voor de deelnemer. Een proef betekent vaak veel afspraken, soms op een locatie ver van huis, met reistijd, wachttijd, werkverlof en soms hulp van een mantelzorger. Voor mensen met een beperkte mobiliteit, voor chronisch zieken, voor ouderen of voor mensen die in een landelijk gebied wonen, is dat een serieuze drempel. Het gevolg is tweeledig: sommige groepen nemen minder vaak deel, waardoor de steekproef minder representatief wordt, en deelnemers haken tijdens de studie af.

Het derde knelpunt is het gegevensbeheer. In een klassiek model worden metingen genoteerd in een papieren dossier of een bronbestand, vervolgens overgetypt in een systeem voor gegevensverzameling en daarna gecontroleerd door een monitor. Elke overdracht is een gelegenheid voor een fout en voor vertraging. Wanneer een afwijking pas weken later wordt ontdekt, is het vaak moeilijk of onmogelijk om de oorspronkelijke waarde nog te achterhalen.

Het vierde knelpunt is de gefragmenteerde communicatie. Sponsor, contractonderzoeksorganisatie, onderzoekscentra, apotheken, laboratoria en ethische commissies werken met verschillende systemen en documenten. Versieverschillen van een protocol, ontbrekende handtekeningen of een niet bijgewerkt deelnemersdossier kunnen een centrum dagenlang stilleggen. Deze uitdagingen laten zien waarom een transformatie niet alleen wenselijk maar ook realistisch is: het gaat grotendeels om processen die zich uitstekend laten digitaliseren.

Wat bedoelen we met digitale oplossingen?

Onder de noemer digitale oplossingen vallen heel verschillende instrumenten. Het helpt om ze te groeperen naar de functie die ze vervullen, zodat je per knelpunt de juiste tool kunt kiezen. Zonder dit onderscheid dreigt het risico dat een organisatie een duur platform aanschaft dat een probleem oplost dat zij helemaal niet had.

Digitale toestemming en informatie (eConsent)

Bij eConsent krijgt de deelnemer de proefpersoneninformatie en het toestemmingsformulier op een tablet, computer of telefoon. Interactieve elementen, zoals korte video’s, uitleg bij moeilijke begrippen en begripsvragen, kunnen het begrip vergroten. De toestemming wordt elektronisch vastgelegd, met een sluitende audit trail. Dat spaart papier, versnelt de logistiek en maakt het eenvoudiger om een bijgewerkte versie van het document aan alle deelnemers voor te leggen.

Elektronische gegevensverzameling (EDC en ePRO)

Met een EDC-systeem (electronic data capture) voert het onderzoekscentrum gegevens rechtstreeks in een gevalideerde omgeving in. Met ePRO (electronic patient-reported outcomes) en eCOA (electronic clinical outcome assessments) vullen deelnemers zelf vragenlijsten, dagboeken en testjes in op een eigen apparaat. Ingebouwde controles voorkomen onmogelijke waarden en vragen onmiddellijk om verduidelijking, terwijl tijdstempels vastleggen wanneer de invoer plaatsvond.

Wearables, sensoren en thuismetingen

Draagbare sensoren, slimme weegschalen, bloeddrukmeters, glucosemeters en activiteitsmeters kunnen continu of regelmatig meten in de eigen omgeving van de deelnemer. Dat levert meer meetmomenten op dan een handvol bezoeken aan het centrum, en geeft een realistischer beeld van het dagelijks functioneren. Een voorwaarde is wel dat het apparaat en de bijbehorende software zijn gevalideerd voor het beoogde gebruik.

Telegeneeskunde en gedecentraliseerde studies

Videoconsulten, thuisbezoeken door een verpleegkundige en het opsturen van studiemedicatie of materiaal maken het mogelijk om een deel van de studie buiten het onderzoekscentrum uit te voeren. Men spreekt van gedecentraliseerde of hybride studies. Een hybride opzet, waarbij een aantal bezoeken op locatie blijft en andere op afstand plaatsvinden, blijkt vaak de meest haalbare balans.

Dataplatforms, dashboards en kunstmatige intelligentie

Centrale platforms brengen alle gegevensbronnen samen en tonen de stand van zaken in dashboards. Algoritmen kunnen patronen opsporen, afwijkende waarden signaleren of helpen bij het identificeren van geschikte kandidaten in bestaande gegevens. Ze ondersteunen de beoordeling door mensen, maar vervangen die niet.

Hoe digitale oplossingen de kosten verlagen

De besparingen komen op meerdere plaatsen tegelijk, en juist de combinatie maakt het verschil. De eerste bron is het wegnemen van dubbel werk. Wanneer gegevens maar één keer worden vastgelegd, namelijk op het moment van meten, verdwijnt de stap van overtypen en een groot deel van de bijbehorende controles. Dat vermindert de uren die onderzoeksverpleegkundigen en datamanagers aan administratie besteden en geeft hun meer tijd voor de zorg voor deelnemers.

De tweede bron is een slimmere monitoring. Waar vroeger elk centrum op vaste momenten fysiek werd bezocht om bronbestanden te vergelijken met ingevoerde gegevens, kan een deel van dat werk op afstand en op basis van risico plaatsvinden. Bij risicogestuurde monitoring (risk-based monitoring) richt de aandacht zich op de gegevens en processen die het meest bepalend zijn voor de veiligheid van de deelnemers en de betrouwbaarheid van de resultaten. Reiskosten, reistijd en uren van monitoren nemen daardoor af.

De derde bron is de automatisering van routinetaken: het versturen van herinneringen, het bijhouden van documentversies, het genereren van statusoverzichten en het uitnodigen van deelnemers voor een volgend bezoek. Dit zijn taken die weinig expertise vragen maar wel veel tijd, en die zich uitstekend laten uitbesteden aan software.

De vierde bron is minder uitval. Elke deelnemer die afhaakt, vertegenwoordigt de investering die al in werving, screening en opstart is gedaan. Wie door gebruiksvriendelijke digitale hulpmiddelen, herinneringen en minder reisbelasting de uitval beperkt, hoeft minder extra deelnemers te werven om dezelfde statistische kracht te behouden. Tot slot verlaagt een betere gegevenskwaliteit de kosten van correcties en van eventuele aanvullende analyses of herhalingen.

Het is eerlijk om te zeggen dat digitalisering ook kosten met zich meebrengt: licenties, validatie, opleiding, technische ondersteuning en soms het verstrekken van apparaten aan deelnemers. De besparing is dus niet automatisch. Zij ontstaat wanneer de oplossing wordt gekozen en ingevoerd voor een duidelijk omschreven knelpunt, en wanneer de organisatie bereid is werkwijzen aan te passen in plaats van de oude papieren procedure er simpelweg naast te laten bestaan.

Hoe digitale oplossingen de doorlooptijden verkorten

Tijdwinst ontstaat op andere plaatsen dan kostenwinst, hoewel ze elkaar versterken. Ten eerste versnelt het opstarten. Digitale sjablonen, elektronische handtekeningen en een centrale documentbibliotheek zorgen ervoor dat een onderzoekscentrum sneller operationeel is. Documenten hoeven niet langer per post te reizen en niemand wacht op een originele handtekening die ergens in een kantoor ligt.

Ten tweede versnelt de inclusie. Wanneer potentiële deelnemers online informatie kunnen vinden, zich kunnen voorscreenen en een afspraak kunnen plannen, verloopt de stap van interesse naar inclusie vlotter. Ook het zoeken in elektronische patiëntendossiers, uiteraard binnen de kaders van de privacywetgeving en met de nodige toestemming, kan helpen om sneller te zien welke patiënten mogelijk in aanmerking komen.

Ten derde verkort een continue gegevensstroom de tijd tot inzicht. Wanneer gegevens direct beschikbaar zijn, kan een datamanager open vragen binnen dagen in plaats van weken oplossen. Aan het einde van de studie hoeft de database dan niet maandenlang te worden schoongemaakt voordat hij kan worden vergrendeld. De tijd tussen het laatste bezoek van de laatste deelnemer en de eerste analyse krimpt daardoor, wat een merkbaar verschil maakt voor de totale doorlooptijd.

Ten vierde maakt realtime monitoring snellere bijsturing mogelijk. Als een veiligheidssignaal of een systematische meetfout vroeg zichtbaar wordt, kan de studieleiding sneller ingrijpen, bijvoorbeeld door een centrum bij te scholen of een procedure te verduidelijken. Dat voorkomt dat een probleem pas aan het einde ontdekt wordt, wanneer correctie niet meer mogelijk is.

Werving, inclusie en betrokkenheid van deelnemers

Geen enkele studie slaagt zonder deelnemers, en geen enkele deelnemer blijft zonder motivatie. Digitale hulpmiddelen kunnen op beide fronten helpen, mits ze vanuit het perspectief van de deelnemer worden ontworpen. Een heldere website met begrijpelijke uitleg, een eenvoudig contactformulier en een snelle reactie op vragen zijn het begin van een goede ervaring. Een deelnemer die zich serieus genomen voelt, blijft vaker betrokken.

Tijdens de studie draagt een app of portaal bij aan betrokkenheid wanneer het duidelijk laat zien wat er van de deelnemer wordt verwacht, wanneer het volgende moment gepland staat en waarom een bepaalde meting belangrijk is. Vriendelijke herinneringen, bevestigingsberichten en een eenvoudige manier om vragen te stellen verminderen de kans dat afspraken worden gemist. Sommige studies bieden deelnemers ook inzicht in hun eigen voortgang, voor zover dat het onderzoek niet verstoort.

Toegankelijkheid verdient bijzondere aandacht. Niet iedereen is even vertrouwd met digitale hulpmiddelen. Grote letters, eenvoudige taal, ondersteuning in meerdere talen en een helpdesk die telefonisch bereikbaar is, voorkomen dat de technologie een nieuwe drempel opwerpt. Voor oudere deelnemers, mensen met een visuele of motorische beperking of mensen met cognitieve klachten kan een alternatief op papier of een bezoek aan huis noodzakelijk zijn. Een goede studie biedt daarom keuzemogelijkheden in plaats van een verplichte digitale route.

Diversiteit is hier meer dan een mooie bijkomstigheid. Een studiepopulatie die de werkelijke patiëntenpopulatie weerspiegelt, levert resultaten op die beter te vertalen zijn naar de praktijk. Door afstanden te verkleinen en de belasting te verlagen, kunnen digitale en hybride modellen groepen bereiken die in een klassiek model structureel ondervertegenwoordigd zijn. Dat werkt alleen wanneer de digitale kloof zelf serieus wordt genomen en actief wordt overbrugd.

Gegevenskwaliteit en realtime monitoring

De waarde van een klinische proef staat of valt met de kwaliteit van de gegevens. Digitale oplossingen verbeteren die kwaliteit op meerdere manieren. Invoercontroles vangen onmogelijke of onwaarschijnlijke waarden direct op. Verplichte velden voorkomen dat belangrijke gegevens ontbreken. Tijdstempels en audit trails maken inzichtelijk wie wanneer welke wijziging heeft aangebracht, wat de herleidbaarheid vergroot.

Bij gegevens die rechtstreeks door een apparaat worden vastgelegd, verdwijnt bovendien de menselijke tussenstap die fouten kan veroorzaken. Een sensor die een waarde registreert, hoeft die niet te onthouden of over te schrijven. Daar staat tegenover dat apparaten ook eigen foutbronnen hebben: een verkeerd geplaatste sensor, een lege batterij of een koppeling die uitvalt. Een goed ontworpen studie voorziet daarom in controles en in een duidelijke procedure voor ontbrekende gegevens.

Dashboards geven de studieleiding een actueel beeld van de voortgang: hoeveel deelnemers zijn ingesloten per centrum, hoeveel open vragen zijn er, hoeveel bezoeken zijn buiten het tijdvenster uitgevoerd en hoeveel gegevens ontbreken. Zo kan men problemen vroeg signaleren en gerichte ondersteuning bieden aan centra die achterblijven. Belangrijk is dat een dashboard een hulpmiddel blijft: de interpretatie en de beslissing liggen bij mensen met de juiste expertise.

Kunstmatige intelligentie kan in dit proces een ondersteunende rol spelen, bijvoorbeeld bij het opsporen van ongebruikelijke patronen die op fouten of, in het ergste geval, op onregelmatigheden kunnen wijzen. Het is echter essentieel dat de gebruikte modellen worden gevalideerd, dat hun werking uitlegbaar blijft en dat de uitkomsten altijd door een deskundige worden beoordeeld voordat er conclusies aan worden verbonden.

Cognitieve en functionele uitkomstmaten op afstand

In veel studies, van neurologie en psychiatrie tot oncologie, diabetes en slaapgeneeskunde, spelen aandacht, geheugen, verwerkingssnelheid en executieve functies een rol als uitkomstmaat of als bijwerking die in de gaten moet worden gehouden. Traditioneel worden die functies gemeten tijdens een bezoek, met papieren testmateriaal, door een getrainde onderzoeker. Dat is nauwkeurig maar arbeidsintensief, en het levert slechts een momentopname op.

Digitale cognitieve tests maken het mogelijk om korte, gestandaardiseerde taken op een scherm aan te bieden, met automatische registratie van reactietijden en scores. Door herhaalde metingen over een langere periode ontstaat een beter beeld van schommelingen en van het verloop in de tijd. Ook hier geldt echter een duidelijk voorbehoud: een test die geschikt is voor een eerste verkenning of voor een educatieve toepassing, is niet automatisch geschikt als primair eindpunt in een regulatoire studie. Daarvoor zijn gevalideerde instrumenten, normgegevens en een uitgebreide documentatie vereist.

DYNSEO is geen platform voor het uitvoeren van klinische proeven en presenteert zich ook niet als zodanig. Wel ontwikkelt DYNSEO digitale cognitieve oefeningen en online tests die zorgprofessionals gebruiken om hun begeleiding te structureren. Ze laten zien hoe een digitale afname eruitziet: korte taken, onmiddellijke verwerking en een duidelijk overzicht van de resultaten. Wie dat wil verkennen, kan het geheugentest of de concentratie- en aandachtstest uitproberen, en het gebruik van een testplatform voor professionals bekijken. Deze hulpmiddelen zijn bedoeld voor oriëntatie en begeleiding; ze stellen geen diagnose en vervangen geen gevalideerd klinisch instrument.

Voor wie de voortgang van personen of cursisten wil documenteren, is er ook een eenvoudig hulpmiddel: het voortgangsbewakingstabel. Het is geen onderzoeksinstrument, maar illustreert een principe dat voor elke studie geldt: wat je niet systematisch vastlegt, kun je later niet vergelijken.

Regelgeving, privacy en ethiek

Hoe sterk de voordelen ook zijn, digitale oplossingen verplaatsen de verantwoordelijkheid voor de rechten en de veiligheid van deelnemers niet. Integendeel: ze vragen om extra zorgvuldigheid, omdat gegevens sneller circuleren en op meer plaatsen worden opgeslagen. Het regelgevend kader is in Europa omvangrijk, en het is verstandig om het vroeg in het ontwerpproces te betrekken.

Bescherming van persoonsgegevens

Gezondheidsgegevens zijn bijzondere persoonsgegevens en vallen onder de Algemene Verordening Gegevensbescherming (AVG). Dat betekent dat je een duidelijke rechtsgrond nodig hebt, dat je alleen gegevens verzamelt die voor het doel noodzakelijk zijn, dat je de bewaartermijn beperkt en dat je passende technische en organisatorische maatregelen treft, zoals versleuteling, toegangsbeheer en logging. Bij nieuwe digitale toepassingen met een hoog risico is vaak een gegevensbeschermingseffectbeoordeling nodig. Neem de functionaris voor gegevensbescherming van de instelling vanaf het begin mee.

Geïnformeerde toestemming

Deelnemers moeten begrijpen wat er met hun gegevens gebeurt, wie er toegang toe heeft, hoe lang ze worden bewaard en dat zij hun toestemming op elk moment kunnen intrekken. Bij digitale toestemming is het van belang dat de informatie echt wordt gelezen en begrepen en niet slechts wordt weggeklikt. Een gesprek met een onderzoeker blijft daarom een belangrijk onderdeel, ook wanneer het formulier op een scherm staat.

Beoordeling en kwaliteitsnormen

Klinisch onderzoek met mensen in Nederland en elders in Europa wordt beoordeeld door een erkende ethische commissie en valt, afhankelijk van het type studie, onder nationale wetgeving en onder de Europese regels voor klinische proeven met geneesmiddelen. Daarnaast gelden de internationale richtlijnen voor goede klinische praktijk (GCP), die onder meer eisen stellen aan de betrouwbaarheid van elektronische systemen, aan validatie, aan audit trails en aan de bewaring van gegevens. Gebruik je een digitaal hulpmiddel, dan moet het systeem aantoonbaar geschikt zijn voor dat doel. Laat je hierover adviseren door de verantwoordelijke jurist of kwaliteitsfunctionaris, want de details verschillen per type studie en per land.

Eerlijkheid en rechtvaardigheid

Tot slot is er de ethische vraag wie er profiteert en wie wordt uitgesloten. Een studie die uitsluitend digitaal toegankelijk is, kan ongewild mensen uitsluiten die het meest te winnen hebben bij nieuw onderzoek. Een ethisch ontwerp biedt daarom alternatieven, minimaliseert de gegevensverzameling en is transparant over het gebruik van algoritmen.

Valkuilen en risico’s bij digitalisering

Een eerlijk beeld bevat ook de keerzijde. Een eerste valkuil is technologie als doel. Organisaties schaffen een platform aan omdat het modern lijkt, zonder te bepalen welk probleem het moet oplossen. Het resultaat is een systeem dat extra werk oplevert in plaats van minder. Een tweede valkuil is een gebrekkige integratie: wanneer vijf verschillende systemen elk een deel van de gegevens bevatten en niet met elkaar communiceren, ontstaat een nieuw soort handmatig werk, namelijk het samenvoegen van de brokken.

Een derde valkuil is onderschatte opleiding. Onderzoekspersoneel moet het systeem kunnen bedienen, begrijpen wat er bij een storing moet gebeuren en weten hoe deelnemers geholpen kunnen worden. Een vierde valkuil is de digitale kloof, die we hierboven al noemden. Een vijfde is afhankelijkheid van één leverancier: zorg dat je gegevens kunt exporteren in een gangbaar formaat en dat het contract duidelijke afspraken bevat over beschikbaarheid, beveiliging en eigendom van de gegevens.

Een zesde, minder zichtbare valkuil is de schijnzekerheid van veel gegevens. Meer meetmomenten leveren niet automatisch meer waarheid op. Zonder een goed doordachte analyse kan een grote hoeveelheid gegevens ruis opleveren die tot misleidende conclusies leidt. Statistische expertise blijft daarom onmisbaar, ook in een sterk gedigitaliseerde studie.

Een praktisch stappenplan voor organisaties

Wie vandaag wil beginnen, hoeft niet in één keer alles te veranderen. Een gefaseerde aanpak beperkt het risico en bouwt vertrouwen op. Het volgende stappenplan is bedoeld als richtlijn voor onderzoeksgroepen, ziekenhuizen en kleinere organisaties.

Dit stappenplan benadrukt het menselijke deel van digitalisering. Technologie werkt pas wanneer mensen haar gebruiken, en mensen gebruiken haar wanneer ze er voordeel van ervaren. Investeer daarom in opleiding. Op het gebied van begeleiding en zorg biedt DYNSEO uiteenlopende online opleidingen voor professionals, bijvoorbeeld over de relatie tussen diabetes en cognitieve stoornissen, wat illustreert dat cognitie in veel aandoeningen een meetbare dimensie is.

🎓 Online opleiding DYNSEO

Diabetes en cognitieve stoornissen: de link begrijpen en uw professionele praktijk aanpassen

Een opleiding voor zorgprofessionals die willen begrijpen hoe stofwisseling en cognitie samenhangen en hoe zij hun begeleiding daarop kunnen afstemmen.

Bekijk de opleiding →

De toekomst van digitale klinische proeven

De komende jaren zal de grens tussen zorg en onderzoek verder vervagen. Gegevens uit de dagelijkse praktijk, uit het elektronisch patiëntendossier, uit apps en uit sensoren worden steeds vaker gebruikt om vragen te beantwoorden die vroeger alleen in een traditionele proef konden worden onderzocht. Dat opent mogelijkheden voor pragmatische studies, voor snellere opvolging van behandelingen na marktintroductie en voor onderzoek bij kleine patiëntgroepen, waar iedere deelnemer telt.

Tegelijk blijven de basisprincipes ongewijzigd. Veiligheid van de deelnemer, wetenschappelijke betrouwbaarheid en transparantie blijven de maatstaf, ongeacht het gebruikte instrument. De organisaties die het beste scoren, zijn niet noodzakelijk de organisaties met de meeste technologie, maar de organisaties die technologie het zorgvuldigst koppelen aan een duidelijke onderzoeksvraag, aan de behoeften van deelnemers en aan heldere kwaliteitsafspraken.

Kunstmatige intelligentie zal een steeds grotere rol spelen bij het ontwerpen van protocollen, het identificeren van geschikte centra en deelnemers en het analyseren van complexe gegevens. De uitdaging voor de wetenschappelijke gemeenschap is om die mogelijkheden te benutten met behoud van uitlegbaarheid en toezicht. Een gezonde dosis kritisch denken is daarbij onmisbaar: een model dat goed presteert in een demonstratie, hoeft niet te werken in een studie met een andere populatie.

Concluderend: digitale oplossingen kunnen de kosten en doorlooptijden van klinische proeven aanzienlijk beïnvloeden, op voorwaarde dat ze doordacht worden ingevoerd, dat deelnemers centraal staan en dat privacy en kwaliteit van meet af aan worden meegenomen. Wie nu klein begint, meet en leert, bouwt de basis voor een efficiëntere en toegankelijker onderzoekspraktijk.