通过走访行业，蛋壳研究院了解到与其他医疗器械相比，数字疗法在临床试验上有一 些自己的特点。
第一，试验设计有明显的不同。数字疗法的基本载体是以软件的形式供患者使用，在 这种情况下难以做到完全隐藏治疗组别。因此，数字疗法目前通常采用开放标签或单盲标 签的设计，而传统器械和药物试验通常采用双盲甚至三盲标签的设计。由于数字疗法的内 容可以直接呈现，无论视觉信息还是听觉信息都可以轻易被人判断，很难做到盲法。未 来，数字疗法的临床试验如何实现盲法将是一个课题。国外曾在临床试验中引入少数可与 数字疗法进行对照的安慰剂。与传统药物试验中使用的安慰剂不同，数字疗法试验的安慰 剂与实际对照的产品可能有较大的变化。一般而言，这些安慰剂会去除或者变换用于干预 的主要特征，只留下辅助功能。例如，Pear 在 Somryst 的临床试验中就使用了名为 HealthWatch 的安慰剂。它仍然包含了 Somryst 的一些次要元素，如交互式界面等，但它 并不包括失眠的治疗效果。此外，Akili 和 NightWare 也曾使用类似的安慰剂。
第二，在试验的类别上，数字疗法临床试验促进了临床试验的去中心化。数字疗法临 床试验的一个特点是可以理解为使用数字化的工具。这使研究人员能够在评估患者需求的 同时评估患者的健康状况，从而使临床研究不受地理、传统随机对照以临床为中心的局限 性，使得成本大大减少。相比传统的器械药物的临床试验需要在院内进行，数字疗法在数 据采集和远程干预上都有优势，很多时候也不需要实时进行，在时间空间上相对比较自 由。此外，它能够实现患者院外疗程化的医疗数据的采集。比如，借助可穿戴设备自动采 集数字生物标志物。因此，数字疗法的临床试验其实可以有效弥补院外数据的缺失。
第三，治疗效果的评价指标可能不同。部分数字疗法的治疗效果评价指标通常是基于 电子健康记录及移动传感器采集数据等多源数据进行，传统器械和药物试验则通常以生物 学指标为主要评价指标，比如，可以通过医生当面监督服药，或者在患者回院随访的时候 通过查验血液中是否有药物成分来判断患者是否按照要求服药。数字疗法不可能通过验血 等常规手段来确认数字疗法的用药依从性。如果是长程康复的数字疗法多在院外实施，即 使医生监督也很难判断患者执行的好坏。比如，患者在做一个治疗训练中是按照要求严格 执行，还是敷衍了事将对训练最终的结果会产生很大的影响。
目前，开发专门针对数字疗法临床指标的数字生物标志物的尝试越来越多。一个显著 的趋势是，步态变化开始越来越多地被作为阿尔茨海默症早期患者的数字生物标志物。过 去很难实时获得这类患者的步态变化数据，但随着物联网设备和人工智能技术的成熟和普 及，行业已经有更多的可能收集更多的数据以证明步态变化作为数字生物标志物的作用。 此外，行为、面部表情和眼球运动数据等也有可能在未来作为数字疗法临床指标，类似的 情况正在越来越多地在行业中出现。
第四，由于需要采集大量准确可靠的数据，数字疗法临床试验设计的复杂性与一般临 床试验也不可同日而语。它可能涉及多个组成部分，比如硬件、传感器、通信系统等。因 此，数字疗法的试验设计需要考虑多种因素，包括设备可靠性、软件稳定性、数据的采集和分析等方面。此外，数字疗法临床试验还需要保证随访的连续性，从而满足对入组患者 进行长期随访和监测的需求，以评估数字疗法的长期效果和安全性。
第五，数字疗法的数据采集、存储和分析方式不同，且对于数据安全和隐私保护需求 更高。数字疗法的临床试验往往需要采集大量的数据，包括患者的生物学数据、日常行为 数据、用户体验反馈数据等。这些数据需要通过云计算、人工智能等技术进行存储和分 析，以获得更准确的结果。比如，数字疗法往往要求患者输入个人敏感信息，如手机号和 健康记录等。这些数据一般会脱敏后上传至模型引擎。这就对数字疗法的数据安全和隐私 保护提出了更高的要求，需要制定更为严格的数据安全和隐私保护措施。 第六，数字疗法临床试验还具有可迭代性和个性化的特点，需要考虑不同版本、不同 人群的使用情况，以逐步完善数字疗法的效果和安全性。
不过，数字疗法的临床试验现状仍有不少需要改善的地方。 首先，最为关键的问题可能是缺少能够匹配数字疗法特点的统一的临床试验标准。我 国目前没有数字疗法临床试验的指导意见。针对千差万别的产品，企业不清楚临床试验的 目标如何设定，选用什么样的临床软件，什么样的临床指标。据了解，国内数字疗法的临 床试验现状是基本没有一个统一的标准。正因为此，即使针对同一个病种的数字疗法在试 验设计上也有很大的差异，有的产品设计为随机对照试验，有些产品则采用单臂试验。同 时，不管哪种形式的临床试验都需要一个基线计算样本量，由此来确定大致的入组病例以 证明产品的有效性。但数字疗法处于发展初期，很少有先例可以提供参考基线，再加上统 一标准的缺失，实际操作中很难得出确切的结果，导致试验入组的人数有时候差异会非常 大。针对同一个病种的临床试验的循证也不同，即选择的各种指南是不同的。循证的终 点，即临床试验设置的终点也是不同的。另外，试验实施过程和管理过程现在也没有统一 的一个规范。所以，整体来看，数字疗法临床试验目前是一个相对比较无序的状态。在没 有标准和规范的情况下，各地对于个案的把控并不能保证完全一致，对于地方监管部门无 疑提出了较高的要求。 当然，数字疗法领域并非完全没有指导文件，但在细节上还可以更完善。根据我们向 行业调研了解，目前，监管机构发布了很多关于数字医疗方面的监管文件，把对器械的监 管基本上迁移到数字医疗。不过，仅仅靠阅读监管文件不能明确具体如何上手，还是需要 注册和临床专业的人士的解读和合作，这恰恰也是目前所欠缺的部分。
第二，对于数字疗法行业而言，临床试验各种显性成本和隐性成本较高。首先是显性 成本，即经济性的问题。传统 CRO 的费用与数字疗法初创企业的预算之间往往存在巨大的 鸿沟，其为数字疗法企业提供临床试验的方案和数字疗法产品所需要的方案之间的适配性 不足。报价往往相对高，没有从经济性身上去考虑数字疗法产品的适配性。对于多数处于 初创期的数字疗法企业来说，不太可能在初期去开展一个超大规模样本量的临床试验。这 只是冰山一角，看不见的隐形成本则更多。目前，数字疗法临床试验暂时没有一个适配其 特点的统一标准，且不少数字疗法企业自身缺乏相应的专业团队。这导致临床试验方案的 设计以及效果验证基本依赖于 CRO。然而，在这一领域有相关经验的机构本就不多，加上 数字疗法产品普遍个性化的特点，一旦方案设计出现问题，无法达到预期目标，可能导致需要重新实施试验，对于数字疗法企业将是一场灾难。此外，较高的脱落率和数据质量不 佳也是数字疗法临床试验中的一大痛点。如果依从性不高且便捷性也存在问题，用户使用 起来不是很友好，临床试验的脱落率就会比较高。另外，数字疗法临床试验一般需要收集 大量数据，这些数据可能存在质量问题，例如数据丢失、数据错误等。会对临床试验产生 不利的影响。
第三，新兴的数字疗法行业吸引了不少跨行业企业的进入，对医疗理解不足。毫无疑 问，这些难点在所有临床试验的领域中或许都或多或少有所体现，但对于数字疗法行业如 此集中或许还有一个重要的原因。随着数字疗法的逐渐走红，越来越多之前未有医疗行业 经验的软件企业或互联网企业凭借对医疗前景的想象，正积极在数字疗法领域布局。它们 可能对医疗缺乏足够清醒的认识，更不要说应付对于局内人来说同样如同大考的临床试 验。临床试验需要专业的团队和人才，但非医疗行业对于医疗不够了解，普遍没有创建符 合法规要求的体系，这会导致临床试验不符合注册的要求。 基于当下数字疗法临床试验的现状，想要进行临床试验的数字疗法企业需要有一定的 准备。首先，数字疗法企业需要重新审视自身，真正把自己当作一个医疗从业者，并尽力 补足自身在医疗领域的短版。其次，数字疗法企业需要明白医疗行业是一个长周期行业， 需要长期持续的投入，也可能遭受失败。企业必须有长期扎根医疗的耐心，并做好相应的 心理准备。再次，数字疗法企业需要从最开始就夯实循证基础，明确产品可以真正满足临 床需求并实现转化，防止从最开始就走歪。最后，数字疗法显然是一种新兴的行业，但创 新的目的是更好地达到有效性和安全性，而不是为了创新而创新。渐进式创新可能是一个 更明智的选择。
从行业普遍的情况来看，即使融资体量非常庞大的生物医药企业要搭建整个医疗产品 和临床开发的框架也并不容易，找一个合适的 CXO 机构或许是一个好的选择。相比几年 前，数字疗法的 CXO 陆续完成了不少项目的实施，也比以往更为成熟。比如，芝兰健康以 技术驱动，为行业提供数字疗法 CDMO 及全流程服务，旨在以更高效率、更低成本帮助数 字疗法产品在中国生产、上市、运营、科研及数据处理。芝兰健康基于客户需求，通过软 件或可穿戴设备等远程形式，采集用户在院外或居家环境产生的生理及行为数据，结合 AI 深入挖掘数据与疾病之间的关联，发现数字生物标志物，研发以数字疗法为核心的数字医 疗产品，并提供全流程服务的综合健康解决方案。
