ARPA-H出资4990万美元建国家级「同意」数据网：4000万人授权一次，临床招募不用从头问一遍

4990万美元买一层「同意层」：ARPA-H想让4000万人的知情同意可复用

数据视角 × 医疗数据从业者 ｜ 趋势前瞻 × 医院信息化/临床医生 ｜ 深度研报

9月30日，美国卫生与公众服务部通过ARPA-H宣布启动COMMONS项目，中标方为得州奥斯汀的Evidence Health，合同金额最高4990万美元。它要建的不是又一个临床数据库，而是一层可复用的国家级同意基础设施：目标覆盖超过4000万个体、300万条链接记录，架构定义为privacy-by-design的全国级同意治理，产出regulatory-grade数据，并刻意纳入农村、社区与医疗安全网机构。同批发布的SURPASS试验加速计划同属Operation TrialBlazer框架。

开场：一份知情同意书签一次只用一次，这是美国临床研究最贵的浪费

站在数据链路看，临床研究最贵的一段成本不在试验执行阶段，而在试验开始之前。每一家中心、每一个方案都要重走伦理递交、同意书撰写、受试者招募与身份核验；授权随方案结束即失效，下一条试验想用同一批人，流程从头再来。同意在这里被当成一次性耗材，而不是可以积累的资产。

重复征询的代价不止是时间。它带来重复采集、重复录入与重复清洗，每重来一次就引入新的字段口径差异与身份匹配误差，越往下游越难对齐。ARPA-H给出的基线说得很清楚：药物与生物制品开发常超过十年、平均成本约20亿美元、失败率超过90%。当九成以上的失败率摆在面前，压缩招募这一段的时间就不再只是效率话题。

这也正是COMMONS值得数据从业者关注的地方：它没有把目标写成建一个更大的库，而是把目标定在同意本身。项目由美国卫生与公众服务部通过ARPA-H宣布启动，中标方为得州奥斯汀的Evidence Health，合同金额最高4990万美元，官方表述明确提及与中国、澳大利亚的竞争压力。

COMMONS要建的不是又一个数据库

数据库与同意层是两种东西。前者关心存了多少、查得多快；后者关心每一条数据上附着的授权状态：谁同意了、同意的范围是什么、在哪一时点同意、能否撤回、撤回之后下游如何处置。对做数据治理的人来说，这是元数据与血缘管理的范畴，不是存储容量的范畴，官方给出的架构定义指向的也是治理。

regulatory-grade值得拆开看。它要求的不是数据量大、更新快，而是来源可追溯、变更可审计、口径可解释，能经得起监管方对整条链路的追问。要做到这一点，同意状态必须可机读、可版本化、可回滚：一个人今年签下的授权范围，与数年后某条试验想调用的范围若不一致，系统要能即时判定，而不是靠人工翻文件。

由此引出可复用与可撤回之间的张力。一次签字、多条试验复用，听上去是效率的胜利，但在治理视角下，它把一次性的判断变成了长期持有的状态，每次变更都要留痕与传导。撤回尤其难：授权由同意翻转为拒绝之后，已进入分析集、已产出中间结果的数据要不要回撤，没有技术捷径。

4000万人与4990万美元：规模与钱的对应关系

三个数字要放在一起读：目标覆盖超过4000万个体、300万条链接记录，合同金额最高4990万美元。4000万是授权侧的口径，300万是链接侧的口径，两者并不一一对应，链接覆盖率因此成为项目真正的技术指标之一。对做主数据管理的人来说，决定成败的不是签约人数，而是跨机构身份匹配的准确率。

钱的量级要放到参照系里看。Evidence Health同时承接的STACK项目官方金额最高4118万美元，学术伙伴为UT Austin Dell医学院。4990万美元对医疗数据基础设施并不宽裕，更接近一笔启动与验证资金，用来证明这套治理模型能在真实机构环境里跑通。

出资方的动机同样直白。HHS部长Robert F. Kennedy Jr.称要在duplication与unnecessary costs上动刀；SURPASS项目经理Daria Fedyukina指出，现有体系停顿多、重复基建多、判断试验是否跑偏的时间太长。同批发布的SURPASS——Simulating-augmented Real-time Platform Adaptive Seamless Trials——要用计算模型、实时分析与自动化改造试验设计与执行。

为什么刻意把农村和社区机构算进来

覆盖面偏倚是医疗数据集最隐蔽的缺陷。大型学术医疗中心的电子病历质量高、字段齐、随访完整，但它们所代表的人群与全国的疾病分布并不重合。若国家级同意网络只沿着头部中心铺开，产出的队列会在地域、收入与就医可及性上系统性倾斜，下游结论都要带着这层偏倚去解释，而偏倚很难在建模阶段修正回来。

COMMONS明确把农村、社区与医疗安全网机构纳入，是对这一偏倚的正面回应。代价体现在工程侧：小机构系统版本杂、编码规范弱、身份标识不稳定，链接质量往往远低于大型中心，主索引的冲突率与假匹配率都会上升。要真正接进网络，钱得花在接口适配、字段映射与质量验收上，而不是花在采购存储上。

还有一个容易被忽略的收益。农村与社区机构恰恰是临床试验触达最弱的地方，患者想入组往往要跨城就医。同意层若能在这些机构先落下来，招募半径的改变会先发生在最缺机会的人群身上；反过来，如果它们只是名义纳入、实际贡献的链接记录稀少，刻意纳入就只剩表述意义。

冷静观察：同意层的难点从来不在技术，在信任能被维持多久

技术上，同意状态机、可撤回授权、血缘追踪都不算新问题，金融与广告行业早已做过类似的治理。真正的难点在于同意是有时效的人的决定：签署当下的判断，未必等于数年后对同一批数据被调用的判断。授权一旦长期可复用，信任就从签字那一刻的瞬时状态变成需要持续维护的关系，而维护成本最难写进合同。

撤回机制是第二个关口。同意层的价值来自可复用，风险也来自可复用：一次授权覆盖的试验越多，每一次越界使用的代价越大，公众对整层机制的信任折损也越快。要维持信任，就得让授权范围、调用记录与撤回通道对签署人可见，把黑箱变成可查的账本。这件事做不好，4000万这个数字会在数年内安静地缩水。

第三层不确定性在验收标准。regulatory-grade是项目自我设定的目标，监管方是否接受这批数据的证据等级，取决于后续有没有具体的使用案例与审评实践来背书，而不是取决于合同里的措辞。对国内的医疗数据从业者而言，更值得观察的是：同意能否被设计成一层独立、可审计、可跨机构复用的基础设施，而不依附于某一个平台。

---

原文链接：HHS/ARPA-H官方新闻稿

千方医数集编辑部 出品