临床试验数据清洗：DVP校验+Query自动生成

当一项多中心临床试验进入数据清理阶段，数据管理员往往要在EDC、实验室、IWRS、ePRO等多个系统间反复切换：比对DVP规则、筛查异常值、撰写Query、催办研究者回复、验证修正结果。Gartner曾指出，差数据每年给企业造成平均约1290万美元损失；在临床试验中，数据质量问题带来的代价更直接——数据库锁定延迟、稽查风险上升，甚至影响新药上市节奏。本文围绕“临床试验数据清洗：DVP校验+Query自动生成”，拆解如何用智能体把重复核查变成自动闭环，并给出实在Agent在数据管理场景中的落地思路。

一、为什么DVP校验与Query处理成为数据管理瓶颈

1.1 DVP校验：规则多、系统散、人工执行重

DVP（Data Validation Plan，数据验证计划）是临床试验数据质量的“防火墙”。它通常包含缺失检查、范围检查、逻辑一致性、日期先后、访视窗、实验室单位换算、SAE一致性等规则。

• 规则数量大：一个III期项目可能涉及数百条校验规则，覆盖不同访视、表单和疾病领域。
• 系统入口多：EDC、中心实验室、IWRS、ePRO、CTMS各自独立，数据管理员需要跨系统取数比对。
• 方案动态变化：方案修订后，DVP规则需要同步更新，人工维护容易遗漏版本。
• 稽查要求高：每条质疑、每次修正都要有审计追踪，人工记录耗时且易错。

通过实在Agent，企业可以让数字员工模拟人工登录EDC等系统，按DVP规则批量执行校验，自动截取异常数据、记录操作日志，并输出待确认的异常清单。

1.2 Query自动生成：从“人找问题”到“问题找人”

传统Query处理依赖数据管理员逐条发现异常、手动编写质疑、选择接收人、跟踪回复、验证关闭。高重复、高频次、跨中心沟通，让大量时间消耗在“格式化沟通”上。

• 质疑文本标准化：同样的问题在不同中心、不同数据管理员手中，表述不一致，增加研究者理解成本。
• 分派路由复杂：不同Query应发给CRC、研究者、CRA或实验室，人工分派容易错位。
• 跟踪容易断链：Query发出后，回复是否完整、修正是否到位、是否需要升级，缺乏自动提醒。
• 知识难以沉淀：反复出现的同类问题，没有被沉淀为培训材料或规则优化建议。

实在Agent可以根据异常上下文自动生成Query草稿，填充受试者编号、访视、表单、字段、当前值、期望规则和历史沟通记录，并按中心、角色和SLA自动分派。

1.3 合规与稽查压力倒逼自动化

临床试验数据管理不仅要快，更要合规。ICH-GCP、21 CFR Part 11、NMPA相关规范都强调审计追踪、权限控制和数据可追溯。

<

>自动化不是绕开合规，而是用系统化方式把合规动作固定下来。>

实在Agent支持RBAC权限模型、全链路日志审计和操作留痕，确保每一次校验、Query生成、发送和关闭都有据可查。

二、DVP校验自动化的核心能力拆解

2.1 规则智能解析与可执行化

DVP通常以Word、Excel或方案附件形式存在。人工转成可执行逻辑，既慢又容易理解偏差。

• 大模型解析规则文本：将自然语言规则转为结构化校验逻辑，例如“若受试者年龄小于18岁，则筛选失败”。
• 规则分类管理：缺失、范围、逻辑、日期、医学编码、实验室正常值范围等分类维护。
• 版本对齐：方案修订后，自动比对规则差异，提示需要新增、停用或修改的校验项。
• 人工复核：关键规则由数据管理人员确认后生效，避免模型误读。

实在Agent可以承担规则解析后的执行层工作，把确认后的规则自动带入EDC巡检流程。

2.2 多源数据自动采集与对齐

临床试验数据清洗不是只洗EDC。实验室数据、随机化数据、药物发放数据、ePRO数据都可能参与交叉校验。

• 跨系统取数：从EDC、IWRS、CTMS、实验室平台提取目标字段。
• 字段映射：统一受试者编号、访视名称、实验室单位、日期格式。
• 差异识别：发现同一受试者在不同系统中的关键字段不一致。
• 自动对账审计：记录取数时间、来源系统、原始值和转换逻辑。

实在Agent可模拟人工完成跨窗口、跨系统的数据搬运与同步，减少复制粘贴造成的录入错误，同时保留审计轨迹。

2.3 双轨制校验：小模型+规则引擎+大模型

单纯依赖大模型处理DVP校验，存在幻觉和不可解释风险；单纯依赖规则引擎，又难以处理非结构化描述和复杂语义。

• 规则引擎/小模型：执行确定性校验，速度快、结果稳定，适合范围、缺失、日期、单位换算。
• 大模型：辅助理解非结构化文本、医学描述、Query回复语义，生成更自然的质疑草稿。
• 人工确认：对Critical和Major级异常，由数据管理人员复核后再发出Query。

这种“大模型+小模型”双轨制，在智能审单场景中已验证可显著提升初审替代率。迁移到临床试验数据清洗，同样适合将高重复的DVP校验交给数字员工，把医学判断留给人。

2.4 异常归因与修复建议

发现异常只是第一步，更重要的是判断异常来源。

• 异常定界：锁定受影响受试者、中心、访视和字段。
• 源头穿透：回溯数据从录入、修改、导入到转换的链路。
• 修复建议：区分录入错误、单位换算、方案偏离、实验室异常等，生成处理建议。
• 实时预警：对可能污染数据库的风险数据，自动隔离并提醒。

实在Agent可以在异常归因后生成修复建议清单，但不会直接擅自修改EDC中的关键数据，需按SOP和权限由人工确认。

三、Query自动生成闭环如何运转

3.1 Query生成：模板、上下文与个性化

好的Query应当清晰、具体、可执行。自动生成不是简单套模板，而是结合上下文。

• 基础信息：受试者编号、中心、访视、表单、字段、规则编号。
• 问题描述：当前值、期望范围、触发逻辑。
• 历史关联：是否重复质疑、是否已有回复、是否涉及方案偏离。
• 语气与分级：Critical、Major、Minor分级，匹配不同紧急程度。

实在Agent可以自动生成Query草稿，并支持数据管理人员批量审核、编辑和发送。

3.2 自动分派与提醒

Query发出后，最怕“石沉大海”。

• 按角色路由：自动分派给CRC、研究者、CRA或实验室联系人。
• 按中心规则：不同中心可能有不同联系人、语言和沟通偏好。
• SLA提醒：超期未回复自动提醒，必要时升级给项目经理或医学监查。
• 渠道整合：邮件、EDC站内信、即时通讯工具统一记录。

3.3 Query跟踪、关闭与知识沉淀

Query关闭不是终点，而是规则优化的起点。

• 回复匹配：自动识别研究者回复是否回答了质疑。
• 修正验证：重新执行DVP校验，确认数据已修正且未引入新问题。
• 自动关闭：满足关闭条件后，生成关闭记录。
• 知识沉淀：统计高频Query类型，反哺DVP规则优化和中心培训。

实在Agent可以将Query全生命周期串联起来，让数据管理人员从“催办员”回归“质量决策者”。

3.4 质量指标与可视化看板

数据清洗需要可量化。

• Query率：每百个字段或每受试者产生的质疑数。
• 关闭周期：从Query发出到关闭的平均时长。
• 反复率：同一字段反复出现质疑的比例。
• 数据清洁率：关键字段无未关闭Query的比例。

通过实在Agent自动汇总指标并生成报告，管理层可以实时掌握各中心数据质量，提前识别高风险中心。

四、实在Agent在临床试验数据清洗中的落地路径

4.1 场景一：多中心EDC数据自动巡检

某创新药企在多中心项目中，让实在Agent每天定时登录EDC，按DVP规则执行自动巡检，输出异常清单和Query草稿。数据管理人员只需聚焦确认和医学判断，重复核查时间明显下降。

4.2 场景二：实验室与EDC数据一致性核查

实验室正常值范围、单位、采样时间常与EDC记录不一致。实在Agent自动抓取实验室数据并与EDC比对，发现差异后生成Query，减少人工逐行核对。

4.3 场景三：Query批量生成与分派

某CRO将高频、标准化Query交给实在Agent生成和分派，人工确认后发送。试点中，Query关闭周期缩短，数据管理团队的沟通成本显著降低。

4.4 实施建议：从高频低风险规则开始

• 先易后难：优先自动化缺失、范围、日期逻辑等确定性规则。
• 人机协同：Critical异常必须人工确认，自动生成不自动“定罪”。
• 权限隔离：按角色配置查看、生成、发送、关闭权限。
• 审计留痕：每一次操作可追溯，满足稽查要求。
• 持续迭代：根据Query数据优化DVP规则，形成闭环。

五、企业落地时的关键注意事项

5.1 不要追求“无人化”，而要追求“少人化+可审计”

临床试验数据管理涉及受试者安全和合规，完全无人化并不现实。合理目标是减少重复劳动，让人专注于风险判断。

5.2 大模型必须被“规则护栏”约束

大模型适合生成Query草稿和语义理解，但不应直接决定数据是否合格。规则引擎和小模型应作为确定性校验底座。

5.3 系统验证与供应商评估不可省略

用于临床试验的计算机化系统通常需要满足CSV要求。选择实在Agent这类支持权限、日志、私有化部署和审计追踪的工具，可以降低合规评估难度。

六、结语：让数据清洗从“人力密集”走向“智能闭环”

临床试验数据清洗：DVP校验+Query自动生成，不是用AI替代数据管理人员，而是把人从重复核查中解放出来，专注医学判断和风险决策。通过实在Agent，将DVP规则、跨系统数据、Query闭环串成可审计的自动化流程，企业可以缩短数据库锁定周期，提升稽查备查能力。建议从高频、明确、低风险的规则入手，小步验证，逐步扩展。

七、常见问题解答

问题1：自动生成的Query符合GCP要求吗？

自动生成只是提效手段，关键Query仍需数据管理人员确认后发出。系统保留审计追踪、操作日志和版本记录，更有利于满足GCP和稽查要求。

问题2：实在Agent会直接修改EDC数据吗？

不会擅自修改。实在Agent可以模拟人工操作、生成草稿、分派提醒，但涉及关键数据修正时，应遵循SOP和权限，由授权人员确认。

问题3：和现有EDC、CTMS会冲突吗？

通常采用非侵入式方式，在UI层模拟人工操作，或通过合规接口对接。企业不需要推翻现有系统，可以逐步叠加自动化能力。

问题4：大模型出现“幻觉”怎么办？

采用“大模型+小模型/规则引擎”双轨制。确定性校验由规则引擎完成，大模型只辅助生成Query草稿和语义理解，并设置人工复核关卡。

问题5：投入产出如何衡量？

可从Query关闭周期、人工核查工时、初审替代率、数据清洁率和数据库锁定时间等指标评估。试点阶段建议选择一个高频规则集，验证效果后再扩展。