100讲
覆盖数据管理核心知识体系
IIT临床研究数据管理100讲合作咨询 →IIT CLINICAL DATA · KNOWLEDGE SERIES
IIT临床研究
数据管理100讲
面向医院和PI的临床研究数据全生命周期管理与数据资产建设服务体系
合规·可追溯·可复用
研究方案
数据管理计划✓ 数据标准✓ 质控规则✓ 交付要求
合规护航规范要求转化为可执行流程
过程可追溯全流程留痕与质量透明
数据可复用标准沉淀，持续赋能研究
9大模块
从基础到持续运营的能力地图
400项
可直接用于项目自查
100 LECTURES
把复杂的数据管理，
拆成医院和PI真正用得上的100讲
不是概念堆砌，而是围绕真实IIT研究场景建立“认知—方法—工具—实践”的完整知识路径。
获取课程与服务方案 →基础认知与项目启动
明确EDC边界、PI责任与专业支持需求
了解模块 →研究设计、CRF与标准化
从研究终点到CRF、数据字典与CDASH标准化
了解模块 →数据采集与质量控制
录入、逻辑核查、Query、编码与风险监查
了解模块 →锁库、统计交付与归档
数据清理、冻结锁定、分析交付与长期归档
了解模块 →报告、共享与数据资产
报告追溯、数据共享、二次利用与FAIR建设
了解模块 →医院级数据治理与平台
制度权责、互操作、安全与可信研究环境
了解模块 →AI就绪数据与AI治理
数据集、偏倚、可解释性、人机协同与AI治理
了解模块 →多中心、真实世界与前沿数据
eSource、DCT、数据跨境、人遗及多模态数据
了解模块 →质量体系与持续运营
质量体系、能力建设、成熟度与数据资产运营
了解模块 →CHINA REGULATORY CALIBRATION
中国法规校准版
以2026年8月4日为法规基准日，先区分项目类型与触发条件，再说明责任主体、办理路径及生效时间。国际指南作为方法学参考，不被表述为中国法定要求。
01非注册目的IIT02药品注册临床试验03器械注册临床试验04个人信息与网络数据05数据出境06人类遗传资源07AI科技活动08生成式AI09生物医学新技术
提示：本网站用于专业培训、内容阅读与项目初步自查，不替代具体项目的伦理、科研、法务、网络安全或监管审查意见。
COMPLETE SERIES · 01—100
完整100讲课程内容
每讲均保留“内容解读 + 项目自查清单”，可按模块筛选，也可直接搜索锁库、数据出境、AI治理等主题。
已显示 12 / 100 讲
第 71 讲AI就绪数据与AI治理
什么样的临床研究数据才算“AI就绪”？
AI就绪不是把更多病历、影像和检验数据堆到同一个平台，而是让数据在特定研究目的下具有明确含义、可靠质量、合法来源和可追溯处理过程。
第 72 讲AI就绪数据与AI治理
AI研究为什么必须先写清“预期用途”和使用边界？
同一个模型用于探索科研规律、辅助数据清理、筛选受试者或支持临床决策，其风险和证据要求完全不同。预期用途决定数据、验证、监督和退出标准。
第 73 讲AI就绪数据与AI治理
训练集、验证集和测试集如何真正保持独立？
数据集拆分不是简单按比例随机切分。若同一患者、同一中心或相邻时间记录跨集合出现，模型可能提前“见过”测试环境，性能会被高估。
第 74 讲AI就绪数据与AI治理
AI模型的标签和“金标准”如何建立？
模型学到什么，首先由标签决定。标签若来自不一致诊断、未验证代码或单名专家判断，模型再复杂也只能复制其中的不确定性和偏差。
第 75 讲AI就绪数据与AI治理
如何识别训练数据中的代表性不足与算法偏倚？
总体性能良好，不代表所有受试者都获得相同质量的结果。样本来源、就医机会、设备差异和历史流程都可能让模型对部分群体表现较差。
第 76 讲AI就绪数据与AI治理
数据泄漏为什么会让AI性能“虚高”？
数据泄漏是模型在开发时获得了真实使用场景中不应知道的信息。它可能藏在变量、时间、预处理、重复病例甚至文件命名中。
第 77 讲AI就绪数据与AI治理
AI模型评估为什么不能只看AUC或准确率？
单一总体指标无法说明模型在真实工作流中是否有用。临床研究需要把区分能力、校准、错误成本、阈值和实际增益一起评价。
第 78 讲AI就绪数据与AI治理
可解释性、透明度和不确定性应如何呈现？
可解释性不是给每个模型都配一张特征重要性图，而是向不同使用者提供足以理解用途、限制、依据和不确定性的信息。
第 79 讲AI就绪数据与AI治理
生成式AI可以辅助哪些临床研究数据管理任务？
生成式AI适合加速文本密集、重复和需要初稿的工作，但不应在缺乏复核时替代方案解释、医学判断和关键数据决策。
第 80 讲AI就绪数据与AI治理
人机协同复核如何避免“有人工就安全”的假象？
在流程中放一个复核按钮，并不等于形成了有效的人类监督。复核者必须有能力、有信息、有时间，也有权拒绝或升级模型建议。
第 81 讲AI就绪数据与AI治理
使用第三方AI服务时如何保护研究数据？
把数据输入外部AI服务，可能同时发生新的存储、处理、跨境、再训练和分包活动。合同签署或“已脱敏”都不能替代具体的数据流评估。
第 82 讲AI就绪数据与AI治理
医院如何建立临床研究AI的全生命周期治理？
AI治理不是一次伦理审批或一次模型验证，而是从立项、数据、开发、验证、部署到变更、监测和退出的持续责任体系。
FULL LIFECYCLE
从研究立项到数据资产沉淀
把数据管理前置到研究设计，让每一个环节都有标准、有记录、有交付。
研究立项
问题定义与可行性评估
方案设计
数据需求与标准前置
系统建设
CRF、EDC与测试上线
数据采集
质量监控与过程纠偏
分析交付
锁库、统计与成果支撑
资产沉淀
标准复用与价值转化
研究质量减少返工与关键数据缺失
合规风险全过程留痕、可核查、可审计
成果效率支撑统计、论文与后续研究
DATA AS AN ASSET
让一次研究的数据投入，
产生持续复用的组织价值
我们不仅帮助完成一个项目，更帮助医院把散落在项目中的标准、规则、模板、口径和经验沉淀为可管理、可发现、可复用的数据资产。
- 统一数据标准与指标口径
- 建设元数据目录与资产地图
- 沉淀CRF、DMP、质控规则和EDC模板
- 形成科研数据治理与服务能力
研究数据
资产中枢
资产中枢
数据标准
元数据目录
模板资产
指标口径
质量规则
知识经验
SERVICE SYSTEM
知识内容 × 项目服务 × 能力建设
面向医院管理者、科研管理部门、临床研究中心和PI团队，提供分层、可落地的服务。
治理体系设计
建立适配医院IIT特点的数据治理制度、职责边界、SOP与质量评价体系。
研究级数据服务
提供DMP、CRF设计、EDC建库、数据清理、锁库和归档等闭环支持。
数据资产建设
建设数据标准、元数据目录、指标口径与可复用模板，推动研究数据资产化。
START A CONVERSATION
从一个真实研究问题开始
无论您正在规划IIT数据管理体系、推进具体研究项目，还是希望建设医院科研数据资产，我们都可以先做一次需求梳理。
