我们生活在一个创新的黄金时代，个性化医疗让以前无法想象能够治愈的疾病得到痊愈。数字化医疗正帮助患者生活得更加健康，此外人们也在不断研究如何利用身体的免疫系统来瞄准和消灭癌细胞。根据美国临床试验网 (ClinicalTrials.gov) 发布的一份报告，2018 年注册的研究数量突破 293000 件，与 2000 年相比增长了 250 倍。

但 Endpoints News 依据 EvaluatePharma 的数据进行了一次内部回报率 (IRR) 分析，揭示了一些有趣的趋势。医药创新欣欣向荣的趋势得到注册研究数量的强劲增长支撑。但 IRR 却呈快速下降之势，2000 年时大约为 17%，2017 年已经降至资金成本以下，并且预计到 2020 年将降至 0。

我们将推出一系列博文，重点介绍以合规且安全的方式收集、存储、处理、可视化显示临床试验数据以及依据临床试验数据采取行动的整个工作流程。本博文是此系列中的第一篇。此系列博文还将讨论人工智能和机器学习技术在临床试验领域的应用。在本博文中，我们重点介绍了 AWS 客户用于实现临床试验现代化的常见架构模式。这包括引入移动技术以提高生成证据的能力、降低成本、提升质量、提高普及率以及为患者提供更加个性化的医疗等。

改善临床试验的结果并降低成本

生物科技和制药企业已经感觉到需要尽可能高效利用资源的压力。这迫使他们千方百计简化流程，加快速度，提高安全性，并同时降低成本。越来越多的生命科学企业瞄准生物制品、CAR-T和精准医疗，并将关注重点转向更小的地区分布式患者群体。由于这种转变，越来越迫切需要从以前无法获得的非传统来源获取数据。这包括移动设备、物联网设备以及家用和临床设备。生命科学企业将来自这些渠道的数据与来自传统临床试验的数据组合，建立有关药品安全性和效果的稳妥证据。

去年初，临床试验转型倡议 (CTTI) 提出了多项建议，涉及使用移动技术向患者收集全面、高质量、可归因、真实的数据并报送给美国食品药品监督管理局 (FDA)。通过使用移动技术，生命科学企业可以减少试验参与的壁垒，降低与开展临床试验有关的成本。全球监管机构（例如美国 FDA、加拿大卫生部和英国药品和保健产品监管局 (MHRA) 等）也非常支持移动技术的利用。借助移动技术可以提高患者招募的效率，更快到达终端节点，降低开展临床试验所需的成本和时间。

使用移动技术即兴提取数据可以加速得出结果，降低成本，提高临床试验的准确性。将人工智能和机器学习 (AI/ML) 技术作为移动数据提取的补充时尤其如此。

这些技术的相互合力，可以带来一个智能临床试验的新时代。

传统临床试验流程和技术针对的是大规模营销式的明星药品，可能无法有效满足新兴的行业需求。因此，生命科学和制药企业需要有人帮助他们实现临床试验业务的升级。这导致临床试验成为在将新药推向市场时投资最大的领域之一。

在临床试验中将移动技术与传统技术结合，可以改善试验的结果，并同时降低成本。借助各种技术的整合的使用案例包括：

识别和跟踪临床试验的参与者
识别临床试验招募的参与者
为参与临床试验的患者提供信息和教育
执行标准化的试验方案以及向试验参与者分享相关信息
跟踪不良事件和安全形势
将基因组学数据和表型数据整合以识别新生物标记物
在临床试验中整合移动数据以更好第管理临床试验
根据历史数据创建患者对照组
根据治疗、索赔和注册数据集来划分群组
建立互操作性强的协作式数据分享和知识创建网络
为临床试验的管理构建合规就绪型的基础设施
AWS 云提供符合 HIPAA 要求的服务和解决方案。作为 AWS 客户，您可以使用这些服务和解决方案来构建在临床试验中使用移动设备和传感器的全球实施方案，安全地获取流式物联网 (IoT) 数据，并通过可视化工具或人工智能/及机器学习功能实现高级分析。这些服务和解决方案支持的使用案例包括借助智能分析来寻找和招募患者，促进全球数据管理，以及远程或住院监控等。其他使用案例还包括预测不遵医嘱、检测不良事件、加快获得试验结果以及优化试验成本等。

AWS 的 Clinical Trials 2.0 (CT2.0) 专为促进更广泛采用原生云服务而设计，从而支持从不相关的来源提取数据、提供优化成本并且可靠的存储以及综合全面的分析。此外，CT2.0 还提供更高效开展临床试验所需的精细访问控制、端到端安全性和全球可扩展性。

参考架构

以下是使用移动技术来管理临床试验的典型架构之一。此架构侧重于从移动渠道获取实时数据并提供处理此数据的一种方式。

– 架构中还需要考虑数据安全性、访问控制和合规性等其他因素，这将在本文的后面部分讨论。

使用此架构来管理临床试验，包括下列五个主要步骤。

第 1 步：收集数据

全球制药企业在患者护理和临床试验中广泛使用（或正在考虑使用）移动设备、个人可穿戴设备、仪表和智能设备，从而实时提供活动跟踪、生命体征监控等目的所需的数据。输液泵、个人用透析机等设备都需要跟踪和提醒设备耗材和校准状态。远程设置管理也是此类设备的一个重要用途。临床试验中使用的最终用户移动设备会发出大量的遥测数据，需要进行实时的数据捕获、数据清理、转换和分析。

一般来说，这些设备都会链接到某个边缘节点或智能手机。这种连接提供了充足的计算资源以将数据流式传输到 AWS IoT Core。然后，可以将 AWS IoT Core 配置为以近乎实时的方式将数据写入 Amazon Kinesis Data Firehose。Kinesis Data Firehose 是一种完全托管的服务，向 Amazon S3 等目的地提供实时的流式传输数据。S3 提供灵活、经济实惠、按使用量付费的在线存储，在一个 AWS 区域内的三个可用区复制您的数据。边缘节点或智能收集可以使用 AWS IoT 开发工具包，借助 MQTT 向 AWS IoT Core 发布和订阅设备数据。这一过程将使用 AWS 的身份验证方法（称为“SigV4”）、基于 X.509 证书的身份验证以及基于客户创建的令牌的身份验证（通过自定义授权方）。借助这种身份验证方法，您可以将您对策略的选择映射到每个证书中，并远程控制设备或应用程序的访问权限。您还可以使用 Kinesis Data Firehose 加密功能来启用服务器端数据加密。

此外，您还可以使用图像存档与通信系统 (PACS) 来获取病例报告表 (CRF)、电子医疗记录 (EMR) 和医学影像等额外的数据。同时，您可以获取实验室数据和其他患者报告结果数据 (ePRO)。AWS 提供多种工具和服务，以有效并且安全地连接到这些数据源，便于您以不同的数量、种类和速度提取数据。有关创建保健数据中心 (HealthCare Data Hub) 以及提取数字医学影像和通信 (DICOM) 数据的更多信息，请参阅 AWS 大数据博客文章 Create a Healthcare Data Hub with AWS and Mirth Connect。

第 2 步：存储数据

从临床试验中使用的设备和可穿戴设备提取数据后，将会使用 Kinesis Data Firehose 将数据存储到 Amazon S3。这种存储的数据将作为原始的副本，可以在以后用于历史分析和模式预测。借助 Amazon S3 的生命周期策略，您可以定期将您的数据移动到 Amazon S3 Glacier 等成本更低的存储，从而进一步优化存储成本。借助 Amazon S3 Intelligent Tiering 功能，可以通过在频繁访问和不频繁访问这两个访问层级之间移动数据，在数据访问模式发生变化时自动优化成本，同时又不会影响性能或运营开销。您还可以借助 S3 上提供的各种加密选项，选择对静态数据和传输中的数据进行加密。

Amazon S3 提供高度可持久、高度可用、无限可扩展的数据存储架构，简化了大多数数据处理、备份和复制任务。

第 3 步：数据处理—快车道

收集并存储号数据的原始副本后，将会配置 Amazon S3 以向 AWS Lambda 发布事件并通过将事件数据作为参数转交的方式调用 Lambda 函数。Lambda 函数用于从传入的数据中提取不良事件通知、医嘱遵守情况以及治疗计划管理等关键绩效指标 (KPI)。您可以使用 Lambda 来处理这些 KPI 并将它们存储在 Amazon DynamoDB，并使用静态加密，此功能支持近乎实时的临床试验状态控制面板。这将会实时提醒临床试验协调员，从而可以采取恰当的干预措施。

除此之外，借助装满医疗记录的数据仓库，您可以训练并实施机器学习模型。此模型可以预测未来哪些患者将会调换药物或者可能会出现不遵医嘱的情况。这种预测有利于临床试验协调员借助缓释策略缩小此类患者的范围。

第 4 步：数据处理 — 批量

出于历史分析和模式预测目的，将会对暂存的数据（存储在 S3 中）进行批量处理。每次将新数据添加到原始数据 S3 存储桶时，都将使用一个 Lambda 函数来触发提取、转换和加载 (ETL) 进程。此 Lambda 函数会触发一个使用 AWS Glue 的 ETL 进程，AWS Glue 是一种 ETL 服务，它可方便您准备和加载分析所需的数据。这种方法有利于挖掘当前数据和历史数据，从而得出可行动的见解，存储在 Amazon S3 中。

然后将数据从这里加载到 Amazon Redshift，后者是 AWS 提供的一种经济实惠的 PB 级数据仓库。您还可以使用 Amazon Redshift Spectrum 将数据仓库扩展到 EB 级，但无需向 Amazon Redshift 加载任何数据，详情请参阅大数据博客文章Amazon Redshift Spectrum 将数据仓库扩展到 EB 级别且无需加载。这让您可以为临床试验协调员提供囊括整个临床试验的完整画面，便于您更快做出反应和应对。

除此之外，您还可以训练并实施机器学习模型来识别可能会面临遵守医嘱风险的患者。从而便于临床试验协调员加强患者教育和支持。

第 5 步：可视化显示数据并依据数据采取行动

处理完数据并做好使用数据的准备后，您可以使用 Amazon QuickSight，这是 AWS 提供的一种原生云商业智能服务，它提供原生的 Amazon Redshift 连接能力。Amazon QuickSight 属于无服务器服务，可以在几小时内完成向受众的部署。您还可以使用多种第三方报告工具，这些工具可以使用 AWS 提供的 JDBC 或 ODBC 驱动程序或开源 PostgreSQL 驱动程序以连接到 Amazon Redshift。这些工具包括 TIBCO Spotfire Analytics、Tableau Server、Qlik Sense Enterprise、Looker 等等。实时数据处理（前面的第 3 步）与历史视图批量处理结合（第 4 步）。两者的结合可以帮助合同研究组织 (CRO)、研究管理机构、试验协调员以及参与临床试验的其他实体按照以前无法获得的速度和频率做出有效、稳妥的决策。借助 Amazon QuickSight 独特的按次付费定价模式，您可以仅在用户访问控制面板时付费，从而优化突发性使用量模式的成本。

借助Amazon Simple Notification Service (Amazon SNS)，可以依据传入的数据和遥测数据，通过短信、移动推送和电子邮件等方式向患者发送实时反馈。此外，研究管理机构和协调员还可以向患者发送 Amazon SNS 通知。Amazon SNS 为微服务、分布式系统和无服务器应用程序提供完全托管的消息发布/订阅服务。它旨在满足高吞吐量、基于发布的多对多消息收发需求。提醒和通知可以基于当前数据或者当前数据或历史数据的组合。

如要加密发布到 Amazon SNS 的消息，您可以遵循博文 Encrypting messages published to Amazon SNS with AWS KMS 中所列的步骤（详见 AWS 计算博客）。

数据安全性、数据隐私、数据完整性以及合规性注意事项

AWS 高度重视客户的信任。我们向 190 多个国家和地区的数百万活跃客户提供服务，包括企业、教育机构、政府机构。我们的客户包括金融服务提供者、医疗保健服务提供者以及政府机构，他们将一些最为敏感的信息委托给我们。

为实现这一目的，除前面提到的服务外，您还应使用 AWS Identity and Access Management (IAM) 服务。IAM 可让您保持访问权限隔离、精细化访问控制以及保护最终用户移动和 Web 应用程序的安全。您还可以使用 AWS Security Token Service (AWS STS)，向第三方管理机构和服务提供商提供安全、自我过期、有时间框限制的临时安全凭证，从而极大地强化安全性。您可以使用 AWS CloudTrail 来记录 IAM 和 STS API 调用。同时，借助 AWS IoT Device Management 可以方便安全地大规模注册、组织、监控和远程管理物联网设备。

借助 AWS，您可以为您在云中的静态数据增加额外的安全层。AWS 为 Amazon EBS、Amazon S3、Amazon Redshift、Amazon SNS、AWS Glue 以及更多的服务提供了可扩展和高效的加密功能。借助 AWS Key Management Service 等灵活的密钥管理选项，您可以选择是由 AWS 来管理加密密钥，还是自行保留对密钥的完全控制。此外，AWS 还提供了丰富的 API，以便于您将加密和数据保护功能集成到您在 AWS 环境中开发或部署的任何服务中。

作为我们的客户，您的数据始终完全属您所有，您可以自行选择哪些 AWS 服务可以处理、存储和托管内容。一般而言，未经客户同意，AWS 不会出于任何目的访问或使用客户的内容。AWS 永远不会使用客户的数据来衍生营销或广告信息。

在评估云解决方案的安全性时，您了解并且区分云的安全性和云中的安全性十分重要。AWS 责任共担模式详细阐述了这一关系。

为帮助您履行合规义务，AWS 不断增加更多的服务来满足全世界各种合规规定、鉴证、认证和计划的要求。为帮助确定哪些服务适合您，请参阅范围内服务页面。

您还可以使用多种服务来加强您的合规和审计工作，这包括但不限于 AWS CloudTrail、AWS Config、Amazon GuardDuty 和 AWS Key Management Service (AWS KMS)。更多详细信息请参阅 AWS 合规性解决方案指南。

最后的思考

随着医疗设备领域的相互连接和技术进步不断推进，移动设备和传感器可以在多个方面改善临床试验。它们可以促进患者招募、知情同意书的取得、患者咨询以及患者沟通管理工作。它们还可以提高对研究方案和医嘱的遵守，完善临床终端节点的测量以及向参与者提醒不良事件的过程。智能传感器、智能移动设备和稳健的互联系统可能成为开展临床试验的中心。

执行或主办临床试验活动的每家生物医药组织都面临一个矛盾，那就是既要推动临床试验方法的进步，同时又要保持总体试验表现和数据一致性。AWS 云提供了有关如何为临床试验收集、存储和使用数据的新维度。面对如何将药品推向市场的新现实，这一矛盾也因此迎刃而解。AWS 云克服了扩展、安全性以及建立经济高效 IT 基础设施等方面的技术挑战。从而让生物医药组织可以专注于他们的核心使命，也就是通过开发突破性的有效疗法来改善患者的生命。

作者介绍：

Mayank Thakkar — AWS 医疗保健和生命科学全球解决方案架构师

Deven Atnoor 博士 — AWS 医疗保健和生命科学行业专家

本文转载自AWS技术博客。

原文链接：
https://amazonaws-china.com/cn/blogs/china/improve-clinical-trial-outcomes-by-using-aws-technologies/

创作场景

借助 AWS 技术改善临床试验结果