数字疗法临床评估规范指南（2025版）

数字疗法临床评估规范指南（2025版）总则与适用范围随着数字医疗技术的飞速发展，数字疗法作为通过软件程序驱动，基于循证医学证据，为疾病提供预防、管理、治疗等干预措施的新型医疗手段，正逐步成为传统医疗体系的重要补充。为了规范数字疗法的临床评估过程，确保其安全性、有效性及科学严谨性，特制定本规范指南。本指南旨在为数字疗法研发者、临床研究机构、监管机构及伦理委员会提供系统性的评估框架与操作细则，以推动高质量数字疗法的研发与应用。本指南适用于所有声称具有疾病预防、诊断、治疗、管理功能的医疗器械类软件（特别是独立软件及软硬件结合体）的临床评估过程。其核心目标是建立一套贯穿全生命周期的评估体系，涵盖从临床前验证、确证性临床试验到上市后真实世界证据收集的全过程。特别强调的是，数字疗法不仅需符合软件工程技术标准，更必须遵循药物临床试验等同的严谨科学原则，以证明其临床获益风险比优于现有干预手段或作为标准治疗的有效补充。临床前评估与可行性研究在进入人体临床试验之前，必须完成严格的临床前评估。这一阶段不仅是技术成熟度的验证，更是保障受试者安全的第一道防线。临床前评估需超越常规软件的功能测试，重点考察其在模拟医疗环境下的表现及潜在的人机工程学风险。用户界面与可用性工程评估数字疗法高度依赖用户的交互操作，因此可用性工程评估是临床前阶段的核心环节。评估必须遵循IEC62366-1等标准，重点识别和降低使用风险。研究团队需招募代表目标患者群体的模拟用户，在模拟使用场景下进行测试。评估内容需包括：用户界面的直观性、操作流程的逻辑性、错误信息的清晰度以及关键操作的防错机制。对于认知障碍患者或老年患者使用的数字疗法，需特别评估交互复杂度，确保因操作失误导致的医疗风险降至最低。所有发现的使用风险必须通过设计迭代进行消除或控制，并形成详尽的可用性工程报告。算法性能验证与基础安全测试对于包含人工智能或自适应算法的数字疗法，必须在临床试验前完成算法性能的离体验证。这包括使用独立于训练数据之外的验证数据集，测试算法的准确性、鲁棒性及泛化能力。验证报告需详细列出算法在不同亚组（如年龄、性别、疾病严重程度）中的性能表现，避免算法偏倚。此外，需进行基础网络安全测试，确保数据传输和存储的加密性，防止数据泄露对患者造成二次伤害。若数字疗法涉及与硬件设备（如智能手机传感器、可穿戴设备）的连接，必须验证数据接口的兼容性和数据传输的完整性，确保诊疗决策基于准确的数据基础。风险分析与控制措施依据ISO14971标准，进行全面的风险管理。需识别数字疗法特有的风险，例如：过度依赖软件导致的延误就医、错误建议导致的病情恶化、长期使用屏幕带来的视觉或心理依赖等。针对每一项风险，必须制定具体的控制措施，并在说明书中明确告知用户及医护人员的注意事项。风险分析报告应作为临床试验申请（CTA）的核心附件材料。临床试验设计核心原则数字疗法的临床试验设计必须遵循科学性、伦理性和可行性的统一。由于数字疗法具有可迭代、非侵入性等特点，其试验设计在借鉴传统药物临床试验模式的同时，需结合数字技术特性进行创新与优化。研究类型的科学选择根据产品研发阶段和预期宣称，合理选择探索性临床试验、确证性临床试验或真实世界研究。探索性临床试验：通常在早期或小规模样本中进行，旨在优化数字干预方案（如剂量、频率、内容形式），初步探索有效信号。此阶段可采用单臂设计或自身前后对照，但需注意偏倚控制。确证性临床试验：用于证明产品的临床获益，支持产品注册上市。必须采用前瞻性、多中心、随机对照临床试验（RCT）设计。这是证明有效性最高等级的证据形式。真实世界研究：通常在上市后进行，用于评估产品在广泛临床实践中的效果和长期安全性。对照组设置的伦理与科学考量对照组的选择是试验设计的关键，直接关系到结果的可信度。常见的对照设置包括：1.假干预对照：设计一个外观与真实软件一致，但剔除核心治疗成分（如去除认知行为疗法的关键反馈机制）的软件。这是控制安慰剂效应的最佳方法，但需考虑伦理问题，确保不剥夺受试者的基础治疗权利。2.常规治疗对照：将数字疗法叠加在标准治疗之上，与单纯标准治疗进行比较。这是目前最符合伦理且被广泛接受的优效性或非劣效性设计。3.阳性对照：与已有的、经过验证的数字疗法或非药物干预手段进行对比。在设计时，需严格定义基础治疗的标准化方案，确保所有受试者（包括试验组和对照组）都获得符合医疗规范的基础治疗，仅在试验组叠加数字疗法干预。随机化与盲法实施随机化是控制选择偏倚的核心。由于数字疗法难以实现双盲（研究者通常知道分组情况），推荐采用独立统计师盲态、结局评估者盲态以及第三方盲态数据分析。对于受试者，若采用假干预对照，应尽可能实施盲法，并在试验结束时进行盲态猜测测试，以评估盲法的实施效果。随机化方案应分层考虑中心、基线疾病严重程度等关键影响因素，确保组间均衡性。样本量估算与统计学考量样本量估算是确保试验具有足够检验效能的关键步骤。数字疗法的样本量计算不能仅凭经验，必须基于明确的假设检验。关键参数的确定样本量计算需预先确定主要终点指标的预期效应量、I类错误率（通常设为双侧0.05）和II类错误率（通常设为0.1或0.2，即检验效能80%或90%）。效应量的设定应基于前期探索性研究数据或文献报道，避免过度乐观估计。对于连续变量终点，需明确组间均值差和标准差；对于分类变量终点，需明确预期发生率或有效率。若采用非劣效设计，必须科学论证非劣效界值，该界值应具有临床意义，且小于最大可接受疗效损失。统计分析集的定义必须预先定义全分析集（FAS）、符合方案集（PPS）和安全性分析集（SS）。全分析集（FAS）：通常指所有随机化后至少接受一次治疗且至少有一次主要终点评估的受试者，遵循意向性治疗（ITT）原则，主要采用缺失值插补（如LOCF、MIP或混合效应模型重复测量MMRM）处理缺失数据，以保守评估疗效。符合方案集（PPS）：指严格遵守试验方案、无主要方案违背且完成主要终点评估的受试者，用于支持性分析。安全性分析集（SS）：指所有接受过至少一次试验干预的受试者，只要发生不良事件即应纳入分析，无论其是否依从方案。数字疗法特有的统计挑战数字疗法常存在依从性差异大、数据非正态分布、重复测量数据多等特点。统计分析计划（SAP）应预先规定针对依从性的亚组分析策略，以及处理纵向数据的混合效应模型方法。对于存在自适应算法的产品，需考虑算法随时间变化对终点的影响，采用合适的时间序列分析方法。终点指标选择与评估体系终点指标是衡量临床获益的标尺，必须具有临床意义、客观且可量化。数字疗法的终点选择应超越单纯的“软件使用率”，聚焦于对患者健康状态的实际改善。主要终点与次要终点主要终点是用于回答试验主要研究问题的指标，通常只有一个（如有多个需解决多重比较问题）。对于治疗类数字疗法，主要终点应为经临床验证的疾病特异性量表评分变化或临床应答率。例如，针对抑郁症的数字疗法，主要终点可能选择汉密尔顿抑郁量表（HAMD-17）或蒙哥马利-艾森贝格抑郁量表（MADRS）的减分值。次要终点用于支持主要终点或探索其他潜在获益，如生活质量评分、睡眠质量、认知功能评分、用药减少量等。患者报告结局与数字生物标志物患者报告结局在数字疗法评估中占据重要地位，因为许多干预直接针对患者主观感受。必须使用经过信效度验证的标准化量表。然而，需注意电子化量表与传统纸笔量表的等价性验证。数字生物标志物是新兴的评估指标，指通过传感器或软件交互采集的客观生理或行为数据，如步数、心率变异性、语音特征、触屏交互模式等。本指南强调，若将数字生物标志物作为替代终点或探索性终点，必须提供充分的证据证明其与临床结局的关联性及其作为临床评估工具的稳健性。依从性与参与度指标虽然依从性不直接等同于疗效，但却是数字疗法发挥作用的前提。需详细记录并分析以下指标：使用时长：日均使用时间、总疗程时长。使用频率：登录次数、完成模块数。功能完成度：关键治疗模块的完成比例。时序模式：使用时间分布（如昼夜节律）。下表展示了依从性数据的统计与分析维度：指标类别具体指标计算方式/定义分析意义总体依从性规定周期内完成干预的天数比例(实际干预天数/处方干预天数)×100%评估整体配合程度剂量依从性单次干预时长达标率(单次时长≥阈值的次数/总干预次数)×100%评估干预强度是否达标序列依从性按顺序完成模块的比例(按序完成模块数/总模块数)×100%评估是否遵循治疗逻辑活跃度单位时间内的有效交互次数点击/滑动/语音输入等有效操作数评估参与深度与认知负荷数据管理与安全性监测数字疗法临床试验产生海量数据，既包括传统的临床数据，也包括高频采集的数字化行为数据。高质量的数据管理是得出可靠结论的基础。电子数据采集与标准化推荐使用符合21CFRPart11标准的电子数据采集系统（EDC）。对于直接从App端采集的数字数据，必须建立从源头到数据库的自动化传输管道，并实施严格的数据清洗与逻辑核查。数据传输过程必须加密，确保患者隐私安全。所有数据字典需明确变量定义、格式及单位，确保符合CDISC等国际标准。安全性监测与不良事件报告数字疗法的不良事件（AE）定义具有特殊性。除了常规的生理伤害外，还包括因软件错误、误读信息、过度依赖等导致的心理或行为伤害。严重不良事件（SAE）必须立即报告。监测重点包括：1.焦虑或抑郁加重：对于心理类数字疗法，需密切监测症状恶化情况，建立紧急转介机制。2.技术相关不良事件：如App崩溃导致的数据丢失、误报导致的错误自我决策。3.硬件相关伤害：如长时间使用导致的视疲劳、肌肉骨骼损伤。安全性数据不仅关注发生率，还需分析其与使用剂量、使用方式的相关性。数据监查委员会对于大规模、长周期或涉及高风险人群的试验，建议设立独立的数据监查委员会。IDMC负责定期审查中期安全性数据及有效性数据，评估试验风险获益比，必要时建议提前终止试验或修改方案。鉴于数字疗法的迭代特性，IDMC还需关注算法更新对试验一致性的潜在影响。真实世界证据与上市后评估上市批准并非评估的终点，而是全生命周期管理的新起点。数字疗法在真实临床环境中的表现可能受到患者依从性、医生接受度、支付政策等混杂因素的影响。真实世界研究设计上市后研究可采用观察性队列研究、注册登记研究或实用性临床试验。重点评估产品在广泛人群中的长期有效性、安全性及经济学价值。RWE生成需特别注意混杂因素的调整，如使用倾向性评分匹配（PSM）等方法模拟随机化效果。产品迭代与算法更新管理数字疗法具有持续迭代的特性。本指南要求，对于上市后的算法更新或功能增加，若涉及核心临床决策路径的改变，必须进行新的临床评估或至少开展实质性的性能验证研究。所有更新均应有完整的版本控制和变更日志，确保临床证据链的完整性和可追溯性。远程监测与维护建立持续的后台监控系统，实时捕捉产品在真实使用中的异常情况。建立用户反馈机制，收集使用体验和不良事件报告。定期汇总上市后数据，形成周期性安全性更新报告（PSUR），并在必要时更新产品说明书或风险控制措施。伦理考量与受试者权益保护在数字化环境下，受试者的权益保护面临新的挑战，如知情同意的数字化呈现、隐私数据的保护等。知情同意过程的优化知情同意书（ICF）必须以受试者易于理解的方式呈现。对于通过App招募的受试者，可采用多媒体知情同意形式，包含视频、图文等。必须明确告知数据收集的范围、用途、存储期限及第三方共享情况。特别要强调，参与试验是自愿的，且拒绝或退出试验不会影响其获得常规医疗服务的权利。隐私保护与数据脱敏严格遵守《个人信息保护法》及GDPR等相关法规。在数据采集端即实施去标识化处理，将身份信息与临床行为数据分离。数据存储应采用加密技术，访问权限应严格管控。分析用数据集必须经过脱敏处理，确保无法反向追踪到个人身份。弱势群体的特殊保护当目标人群包含儿童、认知障碍者、精神疾病患者等弱势群体时，需制定额外的保护措施。例如，对于认知障碍患者，需获得其法定监护人的同意，并评估其理解试验内容的能力，确保其参与完全出于自愿且无胁迫。申报资料与审评要点为了提高注册申报效率，研发者应按照监管机构要求准备详尽的申报资料，核心在于证明临床证据的科学性与完整性。临床评价报告临床评价报告是申报资料的核心文档，需对临床证据进行全面、系统的分析。报告应包含：1.申报产品预期用途：明确目标疾病、人群、使用场景及医生角色。2.临床证据生成过程：详述文献检索策略及临床试验设计、执行、统计情况。3.获益风险分析：综合分析所有临床试验及RWE数据，论证产品的获益是否大于风险。4.结论：明确产品是否符合安全有效的基本要求。审评关注重点监管机构在审评时将重点关注以下方面：试验设计的科学性：特别是对照组设置、盲法实施及偏倚控制。终点指标的临床相关性：是否为公认的临床终点或经过验证的替代终点。算法的透明度与可解释性：对于“黑盒”算法，需提供充分的验证数据证明其可靠性。数据安全与网络安全：是否符合网络安全相关法规标准。说明书的准确性：说明书内容是否与临床证据一致，是否存在夸大宣传。下表总结了申报资料中常见的问题及应对策略：常见问题具体表现应对策略对照组选择不当采用历史对照但基线不可比，或缺乏基础治疗标准化采用RCT设计，明确基础治疗标准，或采用严谨的统计调整方法终点选择缺乏临床意义仅使用软件评分变化，无临床量表改善建立数字终点