在《应用临床试验》（Applied Clinical Trials）的一次采访中，uMotif首席产品官布赖恩·翁吉奥尼（Brian Ongioni）讨论了公司如何在数字健康产品的生命周期中积极整合患者和试验站点的反馈，以确保其工具既易于使用又直观。通过在开发过程的早期引入最终用户，uMotif旨在减轻患者和临床试验站点的负担，同时确保数字终点具有可用性、意义，并能够经受监管审查。翁吉奥尼分享了公司关于共同设计策略的见解、来自临床试验的实际案例，以及他对人工智能在增强患者报告结果方面不断演变作用的看法。
ACT：展望未来，您认为人工智能和机器学习将如何优化患者报告结果，以反映患者真正关心的内容？
翁吉奥尼： 这无疑是一个热门话题，我认为人工智能可以在多个领域发挥作用。从电子化适配的角度来看，AI在速度和可扩展性方面可以带来巨大的好处，例如将材料从纸质格式转化为电子格式。更重要的是，在捕获参与者观点方面，人工智能有潜力提升他们的声音，并在整个试验生命周期中实现更有意义的反馈。我们仍处于在这个领域应用人工智能的早期阶段，尽管存在健康的怀疑和批评，但我认为观察我们如何继续迭代并融入这些技术将非常有趣。
完整采访摘要： uMotif在整个产品开发生命周期中整合患者和试验站点的反馈，以确保其数字健康工具易于访问、直观且真正反映最终用户的需求。这是通过专门的患者和站点委员会与产品团队在软件设计过程的早期合作实现的。无论是评估新功能还是审查早期原型，这些利益相关者提供的意见都会在研究特定实施之前被纳入，从而确保从一开始就嵌入可访问性，而不是事后添加。
一个显著的共同设计案例发生在一项帕金森病试验中。患者在研究启动前获得了平台访问权限，使uMotif能够进行关键调整以适应他们特定的运动障碍。这包括重新设计屏幕导航和重新定位测量工具，以减少负担并确保数据能够可靠地收集，用于预期的终点。
平衡患者的可用性与站点的工作流程也是一个核心关注点。uMotif开发了一种“枢纽模型”（hub model），以简化临床试验站点的体验，将分散的系统整合到一个统一的平台中。通过观察并整合站点的输入（如了解其日常流程和工作优先级），公司优化了功能以减少行政负担。这种以站点和患者为中心的理念延伸到了数字终点的验证中，uMotif组织了单独的研讨会，供患者和站点委员会对新工具提供反馈，以确保其相关性、可用性和潜在的监管接受度。
展望未来，uMotif认为人工智能和机器学习将在优化患者报告结果方面发挥越来越重要的作用。这些技术可以支持从纸质到电子格式的过渡并增强可扩展性。尽管存在持续的怀疑态度，但只要谨慎且迭代地实施，人工智能有可能通过在整个开发生命周期中放大患者的声音来帮助揭示患者最关心的内容。
(全文结束)
