真实世界数据（Real World Data，RWD）是在真实世界环境下收集到的与研究对象健康有关的数据。真实世界数据包括的维度十分广泛，从研究对象的生理指标，到生活习惯，再到全方位的诊疗情况、既往病史，都被包括在真实世界数据的范畴中。

真实世界证据（Real World Evidence，RWE）是通过对真实世界数据的研究，得出的与医疗产品的临床获益/风险相关的临床证据。这些临床证据可以直接表征在实际使用情况下、药品、医疗器械、手术方案等不同医疗解决方案对特定患者群体的获益和损害。

真实世界研究（Real World Study,RWS），则指的是从收集真实世界数据（RWD）开始，到产生真实世界证据（RWE）为止的整个研究过程。

因此真实世界研究的核心目的，就在于通过收集真实世界状态下的数据，并进行相应的分析，得出真实世界证据作为结论，用以辅助临床决策，或证明药物或医疗器械的临床价值。

根据2018年发布的《真实世界研究指南（2018年版）》，我们可以将完整的真实世界研究过程大致分为六个阶段，确认临床问题、制定研究方案、收集RWD、数据治理、数据统计和分析、结果解读和评价。在不同的阶段中，因为不同新产业的快速发展，使得相应的阶段变得更加容易实现。

真实世界研究流程中的关键技术驱动因素

确认临床问题：大数据

对于RWS这种从临床中来，再到临床中去的研究方法，最初的临床问题必须要契合实际临床的需求，针对医生在诊疗过程中遇到的痛点。这样最终得出的RWE才能更好的赋能临床。

制定研究方案：成熟的临床研究体系

同属临床研究的范畴，RWS的研究方案设计，很大程度得益于成熟的RCT设计方法论。但是在一些特定的环节上，由于RWS与RCT研究思路的不同，二者之间有比较大的差异。

这一点尤其在病例的纳入和排除标准（纳排标准）上有明显体现。RCT严格的纳排标准显然不适合RWS。但是在实际RWS的开展过程中，也需要针对研究的具体临床问题，对纳入病例进行一定程度的筛选。诊断明确的患者自然可以精准入组，对于诊断尚不明确的患者，也可以作为疑难病例，以特殊方式纳入研究。

RWD的获取和数据治理：数字化临床研究解决方案

RWD的获取和数据治理是RWS中的关键环节。优质的数据集是最终得出有价值的RWE的先决条件。

在RWD的获取环节中，回顾性研究和前瞻性研究显然不同。回顾性研究基于已有的数据，因此RWD基本没有进一步的收集过程，直接使用已有的临床数据集。而前瞻性研究则需要持续通过患者的随访环节收集临床数据。

数据统计和分析：人工智能技术

数据统计和分析过程，是从RWD中挖掘RWE的关键步骤。人工智能在数据统计和分析中的关键作用主要体现在两大方面，一方面是通过人工智能技术高效率处理大规模数据，另一方面是在目标不完全确定得情况下，从数据中挖掘数据之间得相关性。

RWS一般数据集较大，并且包括的数据维度复杂。使用人工的方式进行研究很难实现对数据的全面观测。此时就需要通过人工智能的方法对数据集进行机器学习。

临床CRO企业

临床CRO产业与RWS之间的过渡可以称得上是无缝现阶。RWS中很多的要素都与临床CRO相通，比如同样是为药企服务，同样要与医院保持沟通，研究方案的设计逻辑也有一定的相通之处。

优势：与临床端沟通紧密，研究设计能力强。临床CRO企业的最大优势，在于其在多年的临床研究中积累的大量临床资源，使得其在开展RWS这种多中心，大数据量的研究工作时，现得更加得心应手。同时其在临床研究上积累的研究方案设计经验也可以同时应用到RWS中。

劣势：数字化程度低，大数据量处理能力较弱。临床CRO一直以来都是以人力为主的运营体系。大量负责不同工作的职能人员，比如负责保证临床试验按规则运转的临床监察员（CRA）、负责统筹管理临床试验流程的临床稽查员（QA）、负责参与并协调临床试验进展的临床协调员（CRC）等分布在不同的区域，保障整个研究顺畅进行。但是这种以人力为主的研究模式，实际上并不适合于真实世界研究的方式，可能会大幅影响研究的效率。同时临床CRO并没有很强的人工智能技术基础，在大样本量数据的研究中，可能会表现出证据挖掘能力的不足。

大数据企业

国内的医疗大数据随着各地医疗大数据中心的建成而愈发丰富，随之而来的就是寻找合适的场景使得医疗大数据能够发挥自己的作用。显然，RWS是个非常合适的场景。尤其在RWS的回顾性研究中，大数据企业手中的数据可以在根据研究目标进行适当的清洗和结构化之后，快速应用到研究中。

优势：数据即用，大数据分析和结构化经验丰富。大数据企业的核心优势在于其可使用的数据存量大，内容详实。因此在实际应用的过程中，即使有部分数据因为不满足研究需求（不符合入组标准、质量欠佳或关键数据缺失）而被排除在研究外，仍然可以有足够的数据应用于研究。而且大数据企业在大数据的治理和分析方面已经积累了大量的经验，这使得其在不同种类RWS的数据分析环节中，都有比较大的优势。

人工智能企业

人工智能企业更强调技术赋能。在RWS的大数据量前提下，人工智能技术可以精准赋能到数据分析环节中，使得从RWD到RWE的转化过程效率更高，或是产生更有洞见的RWE。这部分企业以技术为切口进入到RWS产业中，成为RWS产业中的又一类生力军。

优势：数据分析能力强，数字化水平高。人工智能最大优势就在数据处理上，这也是人工智能企业切入RWS产业的核心优势。同时另一方面，技术型企业的思想一般比较开放，而且作为产业的新入局者，不会受到临床研究的固定思维影响，更容易在研究过程中接受更多数字化手段的运用。

医生平台

医生平台是临床资源的另外一种体现方式。临床CRO与临床之间的连接既表现在医生层面，也表现在机构层面。而医生平台的资源则更加集中在医生层面，并且医生的覆盖面也更广。在RWS这一类多中心研究中，更多的医生连接就意味着临床研究中心设点的选择更多，为RWS的研究设计提供了更多的可能性。

优势：临床资源连接，研究方案设计，证据的进一步推广。医生平台最大的优势就在于临床资源广。除此之外，由于大多数医生平台都带有比较强的学术属性，使得其在临床研究方案的设计上有独特的方法论优势。而且在获取RWE之后，医生平台还可以作为RWE推广的出口，将有价值的RWE快速推广到广泛医生群体中，直接帮助医生在临床应用过程中的决策。

基因检测企业

基因检测企业是RWS应用中比较特殊的一类。基因检测企业倚仗的是自己通过其他业务积累的基因组数据处理能力，在RWS的一个特定应用场景——生物标志物挖掘上有明显优势。在药物研究中越来越强调使用生物标志物提高人群的精准度，让药物在目标人群中的有效率可以有明显提升。通过对药物以往的临床研究中积累的患者群体基因组数据的分析，基因检测企业有能力从数据中挖掘出能够筛选出有效人群的生物标志物，帮助药物的人群进一步精准化。

优势：基因组数据分析能力。