临床试验数字化与合规：从适用规则到系统和数据的全程管理

1. 先建立规则与责任地图

明确研究类型、参与地区、申报目的和使用的系统，再由负责法规与质量的人员确认适用要求。不要因供应商写“符合GCP”，就认为所有试验义务已经覆盖。

ICH E6(R3)强调参与者保护、结果可靠性与按风险管理。不同地区的实施和配套要求仍需核实，指南名称不等于所有地方已经以同样方式纳入法规。

欧盟EMA针对临床试验计算机化系统有相关指南，美国FDA也发布电子系统、记录和签名的说明。引用时应注明地域与适用情境，不把某个市场的要求直接推给全部项目。

将每项关键要求对应到负责人与证据位置，方便项目团队知道谁确认、谁执行、怎样复核。

2. 把数字流程与试验方案连起来

先画清数据从产生、录入、传输、修正到分析和保存的路径，明确哪些是源记录、哪些是转录或派生结果。系统功能应支持方案与数据管理计划，而不是让方案迁就现有界面。

例如，电子问卷的时间、语言和完成者，与研究终点有关，不能任意更改。接口传输也需了解字段、单位、时间与身份怎样对应，避免数据到达但含义改变。

自动化可能减少某些重复录入，也可能把错误快速传播。保留检查、异常处理与责任，比简单声称数字化能消除人为错误更可靠。

试验过程变化时，更新相应文件与配置，说明哪些参与者或记录受到影响，不能只修改系统而没有可追溯说明。

例如，更新问卷时应确认版本、适用参与者和历史资料怎样区分。不能让新界面覆盖旧记录含义，也不能仅因发布成功就认为研究配置已经完成确认。

3. 参与者保护不止是电子勾选同意

知情同意需要可理解的信息、提问机会及适用的审查与记录。电子形式只是载体，不能把点击按钮本身当作已经证明理解、自由同意或身份适当。

考虑语言、识字、视听、动作和数字访问条件，安排不能或不愿使用设备时的合适替代。远程支持还要说明怎样联系研究中心与处理紧急问题。

伦理审查应由适用制度要求的独立审查机制完成，研究团队不能自行设一个“独立委员会”就替代法定程序。

撤回参与、停止未来数据收集、既有数据保存及相关权利并非同一事项，应由专业人员按方案、同意文件和当地规则清楚说明。

4. 系统验证围绕预期用途和关键风险

先记录用户需求：系统要支持哪些关键操作，哪些错误可能影响参与者或结果。欧盟EMA指南强调需求与方案相关配置，并依据风险安排验证与测试。

验证不是只取得供应商证书，也不是对每个按钮同样投入。需要理解通用系统与本试验配置分别怎样被验证，哪些证据可依赖供应商，哪些仍需负责方确认。

可以用虚构数据测试代表场景和异常情况，如重复提交、权限不足或接口中断。测试结果、问题处理和上线决定需要清楚记录。

更新、接口变化或方案修订后，评估影响并决定补充验证范围；“以前用过”不能证明当前配置仍适合本研究。

5. 审计轨迹帮助追溯，不等于数据天然正确

关键记录应能够理解谁在什么时间作了什么改动，并按需要保留理由与先前内容。审计轨迹的目的，是支持解释与核查，而不是给修改过的数据自动贴上可信标签。

应安排适合的查看与复核，明确哪些异常需要处理。日志存在但无人能访问、导出或解释，也不能满足实际追溯需要。

更正错误时使用受控流程，不通过覆盖、删除或另建无关联文件隐藏历史。系统时区、时间来源与身份关联也应在相关情境中确认。

同样，技术上的不可篡改只能说明某些记录变动受限，不能证明最初输入、身份或测量本身正确。

6. 权限与供应商管理不能外包全部责任

按工作职责提供访问，使用可归属到个人的账号，并及时处理人员加入、离开与角色变化。不要为方便共享登录，也不默认所有中心人员都能查看全部数据。

申办方、研究者、服务商等责任需要在适用框架与协议中写清，涵盖验证、支持、事件通知、数据访问和记录保存。采购合同不能替代实际监督。

要求供应商说明分包、服务地点、变更、停机与退出方式。声称“平台统一处理”并没有回答谁确认关键决策、谁能调取证据。

研究中心需要能够履行自身职责，不能在试验结束或更换服务商后失去必要源记录与相关资料。

7. 安全、备份与恢复需要实际演练

根据风险安排身份认证、权限、传输与保存保护、备份和恢复。具体控制应与系统和数据相称，不是照抄一张技术词汇清单就完成治理。

备份可用性需要确认，保存文件并不等于能够恢复业务。可以按计划演练恢复、接口中断和故障联系，记录影响与改进。

隐私、健康数据和跨境处理要求取决于相关法域。合同、告知与数据最小化需要专业审查，不能只因去掉姓名就认定数据完全匿名。

远程访问还应考虑设备、网络和现场隐私，提供故障替代流程，避免参与者或中心在系统不可用时没有联系办法。

8. 人工智能与自动监控也需要边界

异常检测可以帮助提出待核查线索，但算法提示不等于已经证实不合规或数据无效。需要保留人工判断、责任人与适合的复核。

使用前说明用途、输入、输出、已知限制和变更控制。不能把未经核实模型直接用于关键判断，也不因标有AI就认为它能预测所有问题。

若系统版本或模型改变，应评估对流程与既有结果的影响。所谓持续学习不能成为研究过程中无记录更改规则的理由。

区块链、传感器或云技术同样如此：先回答是否解决实际问题，再安排治理，而不是先采用新技术再寻找合规依据。

9. 把事件处理、保存与退出纳入全生命周期

缺陷、偏差和安全事件需要按计划识别、评估、通知与处理，具体报告义务和时限由适用法规确定。不要用统一网络模板替代项目要求。

区分监查、审核与监管检查的目的，依据风险安排质量活动，并检查纠正措施是否落实。记录问题不是失败，隐藏或不处理问题才会削弱结果可靠性。

结束或迁移系统前，确认数据、元数据、审计轨迹和必要记录仍可读、可访问并按要求保存。退出计划不能只写“供应商会导出”。

数字合规是一套持续工作的流程，不能由一款软件保证。可靠安排需要明确责任、适合证据与能够执行的日常管理。

10. 常见问题