在数据密集型临床试验之中，研究人员使用不同的方法和模型来获得受试者个人数据和生物样本的研究使用的同意。缺乏标准化策略可能最终会导致各种不良后果，例如，研究者难以获得受试者的重新同意；研究者放弃重复使用有价值的数据，并可能损失公共利益；研究者被迫降低有关同意收集的道德标准。这些不利后果均会可能对受试者的权利和福利产生影响。如此困境促使研究人员持续反思并制定更适合当代数据密集型临床试验的同意模型和方法。
2016年，Sanchini等学者提出了一种基于信任概念的同意模式——“参与契约”（Participation Pact），并在欧洲肿瘤研究所IRCCS (IEO)实施。该研究所是欧洲领先的癌症研究和护理机构，总部位于意大利米兰。这种同意模型是围绕广泛同意模板的一些定义特征而形成的，特别强调信任，即关注规范价值观而不是认知事实，同意形成为“契约”而不是合同协议等。在过去五年中，基于医学伦理学家、隐私专家、医学研究人员、临床医生和研究参与者之间的合作，“参与契约”模型得到了完善，并符合新实施的《通用数据保护条例》（欧盟条例2016/679，GDPR）的要求。与此同时，Sanchini制定了更广泛的治理框架，以根据当代数据密集型健康研究带来的挑战调整伦理监督和数据治理。本文基于Sanchini学者的研究报告，旨在梳理和总结数据密集型临床试验中知情同意的理论与实践经验，以期为类似临床试验提供参考价值。
1
数据密集型临床试验的知情同意
从临床研究的伦理角度出发，获得受试者的同意是基本共识，也是最基础的要求。规范伦理的考虑表明，通过努力获得受试者的知情同意并不是在承诺一种多余的行为，而是在承担一种完美的义务，即必须始终履行的义务。[1]以下是数据密集型临床研究中获取参与人的知情同意的重要性：
1、 国家生物医学和行为研究人类受试者保护委员会（National Commission for the Protection of Human Subjects of Biomedical and Behavioral Research）在1979年提出：通过向受试者收集同意，即通过参与同意的过程，试验方可以向表达了对“个人参与者”的尊重，即承认和尊重受试者的自决权。
2、 很多受试者认为参与临床研究促进了医学进步并且是一个具有价值的社会行为，因此从道德意义出发，试验方获得受试者的同意有助于保护和促进受试者的基本价值观和非福利利益。[2]
3、 受试者参与临床研究可能会受到身体层面以及信息安全层面的伤害，因此通过获得受试者知情同意的过程有助于试验方正确评估试验风险（包括但不限于身体风险、信息风险、道德风险等）是否可以接受。[3]
4、 获得知情同意的程序可以提高临床研究的透明度，促进研究人员与研究对象以及研究机构之间的相互信任关系。[4]
数据密集型临床研究中同意模型的分类[5]：
1、 开放式/空白同意书（Open/blanket consent model）
这种模型意味着试验者获取受试者的知情同意后可以不受限制的二次使用受试者生物样本的个人数据和信息。但此模型不允许受试者对研究的风险和收益进行估计，也不允许评估拟议的研究是否符合他们的道德价值观和偏好。
2、 动态同意（Dynamic consent）
这种模型由一个试验方和受试方之间的互动平台和持续性沟通通道组成，允许受试方实时了解研究动态和进展，并且可以根据情势变化来决定是否退出同意。[6]
3、 广泛同意（Broad consent）
这种模型意味着受试方同意未来进行广泛的研究，但须遵守特定的限制。[7]同时，广泛同意又可分为Tired consent和Meta-consent[8]，这些分类都是为了在保护参与者的数据与研究的方便性之间寻求平衡。
从规范的角度出发，动态同意模型是最有利于受试者了解并参与研究的同意模型，因为在这种模型下，受试者可以根据试验进展与变化来决定是否退出或继续下一步的试验。但是从试验成本的角度出发，似乎动态同意并非一个“性价比最高”的选择。此外，仍需留意在试验中受试者持续性同意后导致的“同意疲劳”（Consent fatigue）和“同意例行化”（Consent routinization）的情况。学者Wendler和Grady认为，在说明未来研究获取受试者数据的明确要求以及开展研究活动的明确范围下，并且明确说明数据和样本提供相关的风险和收益的条件下，广泛知情同意是最优选择。[9]同时，应该向受试者阐述数据共享政策，包括但不限于与第三方共享相关数据的条件与类型。研究人员也应该向受试者提供商业和治疗应用的进一步信息，以及未来再次联系受试者的可能性和未来受试者决定退出研究的条件与方法。
2
数据密集型临床研究的伦理规范
信任（Trust）经常为认为是医学伦理学的核心，这一概念与个人、职业和机构有关，通常以家长式的态度为特征（例如，患者—医生或患者—护理人员关系中的信任，研究机制中的信任）。[10]部分学者认为，尊重个人自主权、透明度和信任是相互排斥的概念[11]，也有学者认为自主权和信任实际上可以被视为相互兼容的概念[12]。在健康数据的二次使用的研究中，我们应转变对“信任”的理解，从以下两个方面来重新定义[13]：
1、 将沟通集中在规范价值上，即研究机构的使命和价值观、其管理机制等，而不是认识性事实，即研究的具体科学细节，因为当数据在二次研究中被重新利用时，认识性事实往往难以提供。
2、 将同意过程塑造成一种“契约”，而不是合同协议。研究者与受试者的讨论主要围绕价值观展开，实证研究也证明了公众参与研究的意愿仅在有限程度上受到具体科学细节的影响[14]。与此相关的是，将同意过程塑造成一种“契约”而非合同协议，意味着要求受试者信任研究机构，反过来也要求受试者尊重同意过程中所声明的内容。
3
参与契约（Participation Pact）模型
2016年，学者Sanchini等人提出了一种基于信任概念的同意模型，这种同意模型是围绕广泛同意模型的一些定义特征而形成的，特别强调信任，即关注规范价值观而不是认知事实，同意形成为“契约”而不是合同协议。学者们把它称为“参与契约”（Participation Pact，下文简称为PP模型）。这个模型在欧洲肿瘤研究所IRCCS实施，该研究所是一个欧洲领先的癌症研究和护理机构，总部位于意大利米兰。
PP模型由受试者与经过专门培训的医生或合格人员进行协商后签署。PP模型的使用环境在空间和时间上与所有其他需要知情同意的情况（如医疗程序）截然不同。受试者将会被告知PP模型只涉及为研究目的收集和使用个人资料或生物材料，即其数据或样本将用于以下研究目的：
i) 确定决定肿瘤发生发展的分子机制；
ii) 确定新的分子药物；
iii) 确定新的分子标记，用于早期诊断、预测疾病的自然演变（预后）和对治疗的反应；
iv) 鉴定和验证天然制剂或药物的预防潜力；
v) 确定健康状况与病人所接受的治疗之间可能存在的关系；
vi) 通过全面收集病人数据实现肿瘤医学的个性化方法；
vii) 冠状病毒和 Covid-19。
参与者可以选择拒绝授权将其数据或样本用于任何这些领域，并可以随时撤回同意。同时，参与者会被告知研究所采用的技术和组织保障措施，如IT安全、治理框架等。此外，受试者还会被告知签署协议的好处。协议明确指出，至少在短期内，直接获益的可能性不大，因此，受试者可预见的主要获益是，在团结互助和互惠原则的基础上，成为利用其标本和数据进行研究的合作伙伴。另一个好处是，可以披露与受试者癌症状况无直接关系、但与其总体健康状况有关的“附带发现”（如某些疾病的遗传易感性）。
最后，研究人员将会与受试者分享IEO的使命和内在价值。这里主要包括三个方面：（1）研究所的总体使命：IEO是一个研究与临床活动深度融合的综合性癌症中心；（2）IEO的具体科学任务；（3）IEO机构的内涵：IEO是一个非营利组织，其所有利润都重新投资于研究活动。
4
IEO的数据监管
在意大利的数据密集型临床试验实践中，Sanchini等学者建立了两个独立性的机构实现对临床试验的监管：数据治理委员会（Data Governance Board）和研究道德委员会（Research Ethics Committee）。其中，数据治理委员会负责整个临床试验的数据监管问题；对于之前收集的生物样本和个人数据的回顾性研究，研究道德委员会在数据治理委员会进行审查后作为（潜在的）第三个监督机制运作。具体规则如下表所示：
越来越多的人认识到，仅研究道德委员会本身就不足以在数据密集型研究环境中提供足够的监督。[15]虽然研究道德委员会最初成立的目的是审查临床和行为研究，但它们越来越缺乏处理新技术的专业知识和资源，例如机器学习和涉及大量和异构类型数据的研究方法等。[16]因此，数据治理委员会得以设立用以专门评估与数据密集型临床研究相关的伦理和数据保护难题。数据治理委员会由相关专业人士组成，包括一名生物医学科学家、一名具有大数据研究专业知识的生物统计学家、一名在数据密集型临床研究伦理方面拥有良好记录的生物伦理学家、一名数据保护专家（即该研究所的数据保护官）、风险管理方面的法医科学家专家（即研究所的风险官）、IT基础设施经理等。最初，数据治理委员会在回顾性研究的背景下，检测与评估收集个人数据的特定项目潜在的信息和道德风险，之后数据治理委员会便开始着手积极保护研究参与者的自主权、隐私和道德偏好，保护后者免受任何潜在的（尽管可能是无意的）滥用。[17]
[1] Gregor, M. (1997). Groundwork of the Metaphysics of Morals (p. 38). Cambridge: Cambridge University Press.
[2] Tomlinson, Tom. "Respecting donors to biobank research." Hastings Center Report 43.1 (2013): 41-47; Grady, Christine, et al. "Broad consent for research with biological samples: workshop conclusions." The American Journal of Bioethics 15.9 (2015): 34-42.
[3] Mikkelsen, Rasmus Bjerregaard, et al. "Broad consent for biobanks is best–provided it is also deep." BMC medical ethics 20.1 (2019): 1-12.
[4] Sanchini, Virginia, et al. "A trust‐based pact in research biobanks. From theory to practice." Bioethics 30.4 (2016): 260-271.
[5] Sanchini, Virginia, et al. "A Comprehensive Ethics and data Governance Framework for data-Intensive Health research: Lessons from an Italian Cancer research Institute." Accountability in Research just-accepted (2023).
[6] Mascalzoni, Deborah, et al. "Ten years of dynamic consent in the CHRIS study: informed consent as a dynamic process." European Journal of Human Genetics 30.12 (2022): 1391-1397.
[7] Sheehan, Mark. "Can broad consent be informed consent?." Public Health Ethics 4.3 (2011): 226-235.
[8] Mikkelsen R B, Gjerris M, Waldemar G, et al. Broad consent for biobanks is best–provided it is also deep[J]. BMC medical ethics, 2019, 20(1): 1-12.
[9] Wendler D. One-time general consent for research on biological samples: is it compatible with the health insurance portability and accountability act? [J]. Archives of Internal Medicine, 2006, 166(14): 1449-1452; Grady C, Eckstein L, Berkman B, et al. Broad consent for research with biological samples: workshop conclusions[J]. The American Journal of Bioethics, 2015, 15(9): 34-42.
[10] Kass N E, Sugarman J, Faden R, et al. Trust the fragile foundation of contemporary biomedical research[J]. Hastings Center Report, 1996, 26(5): 25-29.
[11] de Melo-Martin I, Ho A. Beyond informed consent: the therapeutic misconception and trust[J]. Journal of medical ethics, 2008, 34(3): 202-205.
[12] Eyal N. Using informed consent to save trust[J]. Journal of medical ethics, 2014, 40(7): 437-444.
[13] Sanchini V, Marelli L, Monturano M, et al. A comprehensive ethics and data governance framework for data-intensive health research: Lessons from an Italian cancer research institute[J]. Accountability in Research, 2023: 1-18.
[14] Grady C, Eckstein L, Berkman B, et al. Broad consent for research with biological samples: workshop conclusions[J]. The American Journal of Bioethics, 2015, 15(9): 34-42.
[15] Ferretti A, Ienca M, Sheehan M, et al. Ethics review of big data research: What should stay and what should be reformed?[J]. BMC medical ethics, 2021, 22(1): 1-13.
[16] Ienca M, Ferretti A, Hurst S, et al. Considerations for ethics review of big data health research: A scoping review[J]. PloS one, 2018, 13(10): e0204937.
[17] Sanchini V, Marelli L, Monturano M, et al. A comprehensive ethics and data governance framework for data-intensive health research: Lessons from an Italian cancer research institute[J]. Accountability in Research, 2023: 1-18.
撰稿 | 朱正熙，清华大学智能法治研究院实习生
修改、指导 | 鲍伊帆、刘云
编辑 | 朱正熙
注：本公众号原创文章的著作权均归属于清华大学智能法治研究院，需转载者请在本公众号后台留言或者发送申请至[email protected]，申请需注明拟转载公众号/网站名称、主理者基本信息、拟转载的文章标题等基本信息。
继续阅读
阅读原文