雖然精準醫療仍在發展與試驗中，但精準醫療已不再是夢。許多國內的醫院已開始利用伴隨式生物標記，輔助精準用藥。使用生物標記選擇早期臨床試驗的受試者，不但可加快試驗的速度，亦可節省藥物開發的經費，間接地降低藥價。華聯生技公司對這先進的方法已有成功的經驗，有助於治療方法的開發。因此，臨床資訊產學聯盟特別邀請到該公司大數據處處長，吳政道博士說明該公司在這方向的策略與進展。

深度學習的技術在醫學領域有許多的應用，醫學智慧使用人工智慧的方法，瞭解疾病形成的軌跡，在早期偵測異常已提出預警。欲達到此目標，需要大量的數據，因為深度學習與傳統機器學習的主要差別在於數據越多時，深度學習的學習的效果越好。而收集與整理大量的實境數據（RWD）時，需要遵從國際標準，確保數據的可交換性。 

為確保在臨床試驗過程中準確收集數據，並有效執行進度管理，提升數據品質，臨床試驗逐漸使用電子數據採集系統(EDC)取代紙本數據收集。本課程透過問題導向與實作的方式，讓研究護理師與有興趣進入臨床試驗產業工作的學員，能夠瞭解與實際體驗如何使用電子化系統收集臨床試驗數據。

使用電子數據採集系統(EDC)進行臨床試驗資料蒐集，有利於提升資料收集的品質與效率。且透過統一資料格式，方便資料的分析與再利用。使用電子系統時可以設定嚴密的權限，並設計符合試驗流程、有品質保證、與品質管制的電子表單。本課程將解釋CSIS電子表單的製作方式。

特邀主講人：中研院統計所前所長 陳珍信教授
————–
設計臨床試驗時，大家通常知道需要估計樣本的大小，可是經常忽略的是所收集的臨床數據是否可以支撐最終擬推論的醫學假說。優秀的統計師通常在設計階段就會想到在最後分析數據時，需要收集、管理哪些臨床數據。缺少在報告時所需的數據，可能會影響試驗結果的發表，甚至上市的申請。因此，如何利用國際標準確認要收集哪些數據，是決定臨床試驗成敗的關鍵因子。