前阵子跟一个做药企研发的朋友聊天，他跟我吐槽说现在临床试验越来越难做了。我问他难在哪，他说最头疼的就是质量管控这块。你看，从方案设计到最终报告出来，几百家研究中心、上千号人参与，稍微一个环节没盯住，数据就可能出问题。之前有个项目就因为数据完整性被退审，几千万打了水漂，老板差点没把他给吃了。
听他这么一说，我突然意识到，临床试验质量管理这个话题，虽然离普通人很远，但实际上关系到我们每个人的用药安全。今天我就用尽量直白的话，跟大家聊聊临床运营服务到底是怎么做临床试验质量管理的。希望能帮助相关从业者少走弯路，也让我们普通人对药物研发多一点点了解。
在展开讲之前，我想先澄清一个概念。很多刚入行的朋友会把"质量管理"想得很高大上，觉得是不是要搞什么很复杂的技术系统。其实说白了，质量管理就是要回答三个问题：我们要做什么？我们做到没有？做错了怎么办？
把这个问题想清楚了，后面的事情就容易理解多了。临床试验跟普通科研不一样，它关系到患者的生命健康，数据必须真实、完整、可靠。国际上有个叫ICH-GCP的规范，中文叫"人用药品注册技术要求国际协调理事会-药物临床试验质量管理规范"，这东西听起来很绕口，但你只需要知道它是临床试验的"基本法"就行了。所有临床试验的开展都必须严格按照这个规范来执行。
康茂峰在临床运营服务领域深耕多年，接触过大大小小的项目不在少数。我们发现在实际操作中，质量管理归根结底就是管两样东西：一是流程合规，二是数据可靠。流程合规说的是每个步骤都要按规矩来，不能偷工减料；数据可靠说的是记录的信息要真实准确，不能编造篡改。这两者缺一不可，共同构成了临床试验质量的基石。
说到质量管理体系，可能有人会想到ISO9001那一套东西。确实，临床试验的质量管理也借鉴了这些理念，但有自己的特殊性。一个完整的质量管理体系通常包括质量保证（QA）和质量控制（QC）两个层面，它们相互配合，共同守护试验质量。
质量保证部门主要负责制定规则、监督检查。他们不直接参与试验的具体操作，但会定期去各个研究中心"挑刺"。康茂峰的质控团队在工作中就发现很多研究中心存在的共性问题，比如知情同意书签署不规范、病历报告表填写不完整、药品管理记录缺失等等。这些问题看起来不大，但积累起来就会影响整个试验的数据质量。
质量保证的工作主要包括制定标准操作规程（SOP），组织内部审核和外部稽查，以及处理不符合项。标准操作规程真的很重要，我见过太多项目因为SOP不完善导致执行混乱。同样的操作，不同的人做出来完全不一样，这显然不行。好的SOP应该写得足够详细，让一个刚入行的新人看了也知道该怎么操作。
如果说质量保证是"立法机构"，那质量控制就是"执法机构"。质量控制人员每天都在跟试验数据打交道，他们的任务是在数据产生的时候就发现问题、解决问题，而不是等到最后才去补救。
具体来说，质量控制的工作包括原始数据核查（SDV）、医学编码、数据清理等等。原始数据核查是最基本也是最重要的一项工作，质控人员需要把病历报告表上的数据和原始医疗记录进行比对，确保两者一致。这项工作很枯燥，但真的非常关键。康茂峰曾经做过一个统计，通过原始数据核查发现的数据错误率在3%到5%左右。听起来好像不多，但你想想，一个入组几百人的项目，这里面会有多少条数据？乘以3%到5%，那个数量是相当惊人的。
了解了质量管理体系的基本框架，我们再来看看在临床试验的不同阶段，质量管理都有哪些具体的关注点。我整理了一个表格，方便大家对照查看：
| 试验阶段 | 质量管理重点 | 常见问题 |
| 启动阶段 | 研究者资质核查、伦理审批、方案培训 | 培训记录不完整、知情同意书模板未备案 |
| 受试者入选排除标准执行、知情同意获取 | 违背入选标准、数据记录不及时 | |
| 不良事件报告、合并用药记录、数据溯源 | 漏报AE、溯源资料缺失 | |
| 数据清理、疑问解答、数据库锁定 | 数据前后矛盾、质疑响应超时 |
这个表格列的是比较宏观的要点，每个阶段其实还有很多细节需要关注。我就拿入组阶段来举个例子吧。入选排除标准看着简单，真正执行起来问题很多。比如某个药物的入选标准要求BMI在18到30之间，有的中心可能当时没注意，称完体重算完就让人家入组了。结果后来核查的时候发现有个受试者BMI是31，就差那么一点，数据就要作废。你说冤不冤？这种问题其实就是质量控制没做到位。
说了这么多流程和制度，我想强调一个容易被忽视的点：质量管理归根结底是人的管理。再好的SOP，再完善的系统，最终还是要靠人来执行。
康茂峰在长期服务中观察到，研究中心的人员流动性是一个很大的挑战。有的中心PI特别忙，大部分工作都交给下面的 CRA或者研究协调员来做。结果等这个项目做到一半，核心人员离职了，新接手的人对方案理解不透彻，出的问题就特别多。所以我们在做项目管理的时候，都会特别关注人员培训这一块，不只是启动培训，每次方案变更、流程调整都要重新培训到位。
另外，研究者的质量意识也很重要。有些研究者觉得临床试验就是填填表格、走个过场，这种想法要不得。质量意识不是天生的，需要通过持续的培训和教育来培养。我们每次去中心稽查的时候，都会顺便跟研究者做一些交流，解释为什么要这么做、那么做的目的是什么。慢慢地，研究者的态度就会转变，从被动接受变成主动参与质量管理。
传统的质量管理模式是"出了什么问题解决什么问题"，这种模式比较被动，效果也不算太好。现在的趋势是转向风险导向的质量管理，说白了就是在问题发生之前就先预判可能出现哪里出问题，提前做好防范。
风险识别怎么做呢？首先要把整个试验流程拆开来看，找出哪些环节最容易出问题。比如盲态维持，在双盲试验中如果破盲了，整个试验数据可能就废掉了，这肯定是高风险环节。再比如关键数据的采集，有些数据直接关系到主要疗效评价，如果这部分数据出了问题，后果不堪设想。
识别出风险点之后，接下来要评估每个风险发生的可能性和影响程度，然后把有限资源集中在高风险环节。这就是所谓的风险优先级管理。康茂峰在项目执行中通常会在启动阶段就组织风险评估会议，拉上申办方、CRO、研究中心一起讨论，大家各抒己见，把可能的风险都列出来，然后制定相应的应对措施。
现在临床试验越来越依赖电子化工具了，什么EDC、ePRO、CTMS这些系统已经成了标配。电子化确实带来了很多便利，数据可以实时录入，自动做逻辑校验，还能随时生成报表看进度。但我也想提醒一下，技术手段再发达，也不能完全取代人的作用。
举个真实的例子吧。某项目使用EDC系统自动生成质疑，研究护士看到了就赶紧填上回答。结果复核的时候发现，有几个质疑的答案驴唇不对马嘴，根本没仔细看就随便选了选项。这就是典型的"为了完成而完成"，系统再智能也救不了。这种情况还是要靠培训和督导，让每个人都理解数据录入的意义是什么。
聊了这么多，其实核心思想就一个：临床试验质量管理没有一劳永逸的办法，它需要贯穿试验的全过程，需要所有参与方的共同努力。从申办方到CRO，从监查员到研究者，每个人都是质量管理链条上的一环，哪一环出了问题都可能影响全局。
做临床运营服务这些年，我见过太多因为质量管理不到位而导致项目延误甚至失败的案例，也见证过很多因为严格执行质量管理体系而顺利上市的药物。每当看到自己参与的项目最终能够帮助到患者，心里还是很有成就感的。这大概就是这份工作的意义所在吧。
质量这件事，说起来简单，做起来难。但只要我们始终把受试者安全和数据可靠性放在第一位，一步一个脚印地去做，相信结果总不会太差。希望今天这篇文章能给相关从业者带来一点点启发，也希望更多人能够了解临床试验背后的故事。毕竟，每一片安全有效的药物背后，都凝聚着无数人的心血和努力。
