虽然通过临床试验获得的数据在个体试验水平上非常重要，但当信息被积极地聚合、共享、清理和分析时，其价值将呈指数级增长。
通过设计，临床试验揭示了大量数据，增加了我们对医疗状况和潜在治疗的普遍知识。虽然数据的重要性在各个试验水平上具有重要意义，但当信息经过积极聚合，共享，清理和分析信息时，其值呈指数级增长。虽然与这项事业有关的挑战，但福利可能是相当大的。
数据融合的障碍
超过目前正在进行334,600次临床试验- 从2010年的大约10万到大约10,000 - 行业在十年中发达了很大的发展。在此期间，数字化的兴起使我们能够更轻松地简化流程并捕获数据。随着这两个趋势碰撞，它提供了创建共享信息存储库的机会。但是，有障碍：
- 大多数数据源存在于竖井中，不容易共享
- 数据以不同的格式存储，不转换为或以其他格式通信
- 清洁，准备和分析数据是耗时的耗时
我相信我们可以解决这些问题，为每个人建立更加富有成效和宝贵的资源。
数据爆炸
临床试验今天纳入这么多来源的数据：
- 基因组测序
- 医学影像
- 实验室
- 可穿戴设备
- 遗传数据
- 组织库
- MHealth和患者生成的数据
颠覆性技术正在为较小，受控的临床试验铺平道路，从患者入学到药物管理和后续行动，一切都是通过给予试验参与者的手机执行的。
其中一些数据使我们能够深入到社区层面——例如，在全国各地拥有检测地点网络的临床实验室，可以按邮政编码分享血液检测结果，而不损害患者的机密性。利用这些信息，临床试验发起者可以根据患者人群中普遍存在的情况，确定在哪里进行某些试验是最好的。Trialtrove和Sitetrove协助赞助选择与他们正在学习的疾病人口相关的合适部位。
其他信息来源是食品和药物管理局(FDA)、卫生与公众服务部(H&HS)和译员，非营利药制药研发组织。
除了临床数据之外，审判赞助商需要能够纳入运营数据，财务数据和现实世界的证据（RWE），以充分利用他们的研发（研发）投资。
有效地共享信息
所有这些数据在汇总时，增加了研发过程的统计功率，甚至可能减少了市场的时间和成本节约。
甚至竞争对手的药物公司可以实现汇集数据的利益，以更好地管理药物开发过程。为了实现这一目标，他们应该通过电子来源供应商投资强大的电子系统，如临床墨水那理解系统或戈巴托捕获和整合来自源头的网站，临床医生和患者的电子数据。
通过此过程，我们可以访问多个数据点并减少知识间隙以识别在站点级别不可见的趋势和异常值。我们可以实现更清晰，360度的观点进入临床研究的生命周期，甚至确定进入其他人所学习的新程度。
这种共享资源还可以帮助评估风险水平并创造减缓策略以降低风险。
访问不同的来源和格式
一个潜在的障碍是，我们的系统无法相互通信以促进数据传输。我们提供的数据以各种形式来自源代码。然后由发起人定义格式并使用标准的数据共享格式。考虑易于重用的开放标准和格式。
如果您正在使用一个不同的格式在你的研究的收集和分析阶段,一定要在文档中包含的信息关于迁移特性时可能会丢失文件保存格式,以及任何特定的软件将需要查看或处理数据。我们需要能够汇集数据并相互交流的系统。临床试验发起者应该决定他们是否可以将这些系统添加到现有的基础设施中，或者购买具有这种功能的新系统。
清洁，准备和分析数据
最近，制药公司增加了对大数据分析和人工智能(AI)分析建模的投入。数据分析和可视化的进步使研究人员能够探索和与来自许多来源的大规模、通常是聚合的数据体进行交互。这些数据与机器学习和人工智能相结合，可以帮助临床试验的设计和实施，取得更高水平的成功。
这些快速成熟的工具还可以帮助减少清洁和准备数据的时间量。使用它们来分析数据集可以帮助更强大的分析和计算，使数据池对用户更有用。
结论
通过通过更全面的镜头查看数据，通过帮助在发生之前识别挑战，临床试验赞助商可以更加积极主动。通过促进更大的知识体验，他们可以更好地访问更细微的数据图片并实现他们工作的全部潜力。完成该圆圈，临床试验本身也可以从攻丝中受益于多种数据来源，加强其结果，降低风险和费用，甚至增加速度到市场。
想了解更多吗？现在联系Attalent。