FDA Thúc Đẩy Cảm Biến Số Trong Thử Nghiệm Thuốc

Chú ý: Chào mừng bạn đến với nắng mới yêu thương!

FDA đang thúc đẩy nghiên cứu Digital Health Technologies, nhóm công nghệ gồm cảm biến điện tử, thiết bị đeo, nền tảng tính toán, công cụ chụp ảnh và cảm biến đặt trong môi trường. Mục tiêu là thu thập dữ liệu trực tiếp từ người tham gia thử nghiệm thuốc, kể cả khi họ ở nhà. Cơ quan này công bố cơ hội tài trợ mở từ ngày 20/7 đến 20/8/2026. Các dự án có thể nghiên cứu actigraphy, hình ảnh, cảm biến không tiếp xúc, dấu hiệu sớm của bệnh mạn tính và cách đo kết quả trong nhóm bệnh nhân còn thiếu công cụ đánh giá. FDA cũng lên lịch hội thảo trực tuyến ngày 27/8/2026 về phương pháp thống kê cho dữ liệu số trong thử nghiệm. Sự kiện này đưa công nghệ y tế số trong thử nghiệm thuốc trở thành chủ đề đáng chú ý trong tháng 8/2026. Nó cho thấy ngành y đang chuyển từ các lần đo rời rạc tại bệnh viện sang dữ liệu được ghi thường xuyên trong đời sống.  Digital Health Technologies Là Gì?   Digital Health Technologies, thường viết tắt là DHT, là công nghệ dùng cảm biến, phần mềm và thiết bị tính toán để thu thập hoặc xử lý thông tin sức khỏe. Một DHT có thể là đồng hồ đo vận động, cảm biến glucose, ứng dụng kiểm tra phản ứng, thiết bị theo dõi giấc ngủ hoặc cảm biến đặt trong phòng. Tùy thiết kế, thiết bị có thể được đeo, cấy, nuốt hoặc đặt trong môi trường.  FDA cho biết DHT có thể thu dữ liệu thời gian thực từ người tham gia tại nhà hoặc địa điểm ngoài trung tâm nghiên cứu. Lợi ích tiềm năng gồm đo thường xuyên, ghi nhận đặc điểm khó quan sát trong buổi khám và hỗ trợ hoạt động thử nghiệm phi tập trung.  Khác Biệt Với Ứng Dụng Sức Khỏe Thông Thường  Không phải ứng dụng đếm bước nào cũng trở thành công cụ dùng trong thử nghiệm thuốc. Thiết bị nghiên cứu cần có mục đích đo rõ, hiệu năng đã được kiểm tra và quy trình quản lý dữ liệu. Nếu một cảm biến được dùng để quyết định thuốc có hiệu quả, sai số nhỏ cũng có thể ảnh hưởng kết luận. Vì vậy, nhà nghiên cứu cần hiểu độ chính xác, độ ổn định, dữ liệu thiếu và yếu tố gây nhiễu. Thiết bị tiêu dùng có thể hữu ích, nhưng không nên mặc định phù hợp với mọi nghiên cứu y khoa.  Vì Sao Thử Nghiệm Thuốc Cần Dữ Liệu Liên Tục  Cách đánh giá truyền thống thường dựa trên các lần người bệnh đến cơ sở nghiên cứu. Bác sĩ đo chỉ số, hỏi triệu chứng và thực hiện xét nghiệm tại một vài thời điểm. Phương pháp này có thể bỏ lỡ biến động giữa hai lần khám. Một người có thể ngủ kém vài ngày, giảm vận động hoặc xuất hiện triệu chứng trong thời gian ngắn nhưng trở lại bình thường khi đến viện. Thiết bị đeo y tế có thể ghi dữ liệu theo giờ hoặc ngày. Nhà nghiên cứu nhờ đó quan sát xu hướng, thời điểm xuất hiện vấn đề và mối liên hệ với thuốc.  Digital Health Technologies có ý nghĩa và giá trị hữu ích trong việc hỗ trợ chăm sóc sức khỏe (Ảnh: Nắng Mới)  Dữ Liệu Nhiều Hơn Chưa Chắc Có Ý Nghĩa Hơn  Một cảm biến có thể tạo hàng nghìn điểm dữ liệu, nhưng câu hỏi chính vẫn là chỉ số nào phản ánh lợi ích lâm sàng. Ví dụ, số bước tăng có thể cho thấy người bệnh vận động tốt hơn, nhưng cũng có thể do thay đổi công việc. Nhịp tim thay đổi có thể liên quan thuốc, căng thẳng hoặc nhiệt độ. Nhà nghiên cứu cần xác định trước cách diễn giải và tránh tìm kết quả có vẻ tích cực sau khi dữ liệu đã được thu thập.  FDA Muốn Nghiên Cứu Những Hướng Nào?  Chương trình tài trợ đề cập việc so sánh phép đo số với phép đo truyền thống, xây dựng endpoint mới, đánh giá chỉ số liên tục và phát hiện biểu hiện sớm của bệnh mạn tính. Một ví dụ là dùng cảm biến y tế không tiếp xúc trong phòng để ghi nhận ngưng thở ở trẻ em. Hướng khác là dùng bài kiểm tra thăng bằng hoặc phản ứng chậm để nhận biết dấu hiệu không liên quan trực tiếp đến trí nhớ trong bệnh sa sút trí tuệ. Các dự án cũng có thể tập trung vào nhóm bệnh nhân có nhu cầu chưa được đáp ứng. Đây là nơi phương pháp đo truyền thống có thể gây khó khăn hoặc không phản ánh đầy đủ trải nghiệm.  Cảm Biến Không Tiếp Xúc Hoạt Động Ra Sao?   Cảm biến không tiếp xúc ghi nhận dữ liệu mà không cần gắn trực tiếp vào cơ thể. Thiết bị có thể sử dụng radar, camera độ sâu, tín hiệu vô tuyến hoặc cảm biến môi trường. Trong theo dõi hô hấp, hệ thống có thể phát hiện chuyển động nhỏ của lồng ngực. Trong giấc ngủ, cảm biến ghi nhịp chuyển động, thời gian nằm và sự gián đoạn. Lợi ích là giảm khó chịu, đặc biệt với trẻ em, người lớn tuổi hoặc người có da nhạy cảm. Tuy nhiên, thiết bị có thể bị ảnh hưởng bởi người khác trong phòng, vật nuôi hoặc cách bố trí.  Quyền Riêng Tư Là Vấn Đề Trung Tâm  Một cảm biến đặt trong nhà có thể thu thập thông tin ngoài mục tiêu y khoa. Camera có thể ghi hình người thân, còn microphone có thể thu âm cuộc trò chuyện. Nhà nghiên cứu cần thiết kế chế độ giảm dữ liệu. Nếu chỉ cần chuyển động, hệ thống không nên lưu video nhận dạng. Nếu dữ liệu có thể xử lý tại thiết bị, không cần gửi toàn bộ lên máy chủ. Người tham gia phải được thông báo rõ dữ liệu nào được thu, ai truy cập và khi nào được xóa.    Nghiên cứu cảm biến số của FDA hỗ trợ thử nghiệm thuốc thuận tiện hơn (Ảnh: FDA)  Thử Nghiệm Lâm Sàng Từ Xa Có Lợi Ích Gì?   Thử nghiệm lâm sàng từ xa giúp người tham gia giảm số lần di chuyển. Điều này có ý nghĩa với người sống xa trung tâm, người hạn chế vận động hoặc phải chăm sóc gia đình. Dữ liệu từ nhà cũng phản ánh môi trường sống tự nhiên hơn. Người bệnh có thể hành xử khác khi ở bệnh viện, khiến một lần đo chưa đại diện cho đời sống. FDA cho biết DHT có thể hỗ trợ phi tập trung hoạt động nghiên cứu thông qua thu dữ liệu từ xa.  Khoảng Cách Số Có Thể Tạo Bất Bình Đẳng  Không phải ai cũng có điện thoại mới, mạng ổn định hoặc kỹ năng dùng thiết bị. Nếu nghiên cứu yêu cầu công nghệ phức tạp, một số nhóm có thể bị loại khỏi mẫu. Nhà tổ chức cần cung cấp thiết bị, hỗ trợ kỹ thuật và phương án thay thế. Giao diện phải dễ đọc, có ngôn ngữ phù hợp và hỗ trợ người khuyết tật. Dữ liệu mất do quên sạc hoặc lỗi mạng không nên được hiểu ngay là người tham gia không tuân thủ.  Endpoint Số Là Gì?   Endpoint là kết quả được dùng để đánh giá tác động của thuốc. Đó có thể là tỷ lệ sống, mức đau, khả năng đi bộ hoặc chỉ số xét nghiệm. Endpoint số được tạo từ dữ liệu thiết bị. Ví dụ, hệ thống có thể đo thời gian hoạt động liên tục, tốc độ đi trong nhà hoặc số lần thức giấc. Để được sử dụng, endpoint cần có ý nghĩa với người bệnh và phản ánh thay đổi do điều trị. Nhà nghiên cứu phải xác định thuật toán, thời gian đo và cách xử lý dữ liệu thiếu.  Thống Kê Cho Dữ Liệu Liên Tục  Dữ liệu cảm biến có tính lặp và phụ thuộc thời gian. Hàng nghìn phép đo từ một người không tương đương hàng nghìn người tham gia. Phương pháp thống kê phải tính đến biến động trong ngày, sai số thiết bị và sự khác biệt giữa người. Nếu thuật toán thay đổi giữa nghiên cứu, khả năng so sánh cũng bị ảnh hưởng. Hội thảo FDA ngày 27/8 dự kiến thảo luận các cân nhắc thống kê và tiêu chuẩn cho endpoint số, trong đó có dữ liệu theo dõi glucose liên tục.  Thiết Bị Cần Được Xác Thực Như Thế Nào  Xác thực kỹ thuật kiểm tra thiết bị có đo đúng đại lượng hay không. Xác thực lâm sàng kiểm tra chỉ số có liên quan đến tình trạng sức khỏe hay không. Một cảm biến đếm bước chính xác chưa chắc đo đúng mức mệt mỏi. Người bệnh có thể ít đi vì thời tiết hoặc công việc, không phải do thuốc. Nghiên cứu cần so sánh với tiêu chuẩn tham chiếu, kiểm tra trong nhóm người dùng mục tiêu và theo dõi hiệu năng trong điều kiện thật.  Endpoint là kết quả dùng để đánh giá tác động của thuốc (Ảnh: Nắng Mới)  AI Có Thể Phân Tích Dữ Liệu Cảm Biến  AI có thể phát hiện mẫu trong tín hiệu dài, phân loại hoạt động hoặc dự đoán sự kiện. Tuy nhiên, mô hình cần dữ liệu đại diện cho nhóm bệnh nhân sẽ sử dụng. Nếu dữ liệu huấn luyện chủ yếu đến từ người trẻ, kết quả trên người lớn tuổi có thể kém. Thiết bị đeo lỏng, màu da, dáng đi và bệnh đi kèm cũng có thể ảnh hưởng. Mô hình cần được giám sát sau triển khai. Một bản cập nhật phần mềm có thể thay đổi cách tạo chỉ số, kéo theo thay đổi dữ liệu nghiên cứu.  Không Nên Để AI Tạo Kết Luận Không Thể Kiểm Tra  Thuật toán cần có tài liệu về phiên bản, dữ liệu đầu vào và cách xử lý. Khi kết quả bất thường, nhà nghiên cứu phải có khả năng truy ngược. Một chỉ số tổng hợp không rõ cách tạo sẽ khó được bác sĩ và cơ quan quản lý tin cậy. Tính minh bạch trong quy trình quan trọng hơn giao diện đẹp.  Tác Động Đến Người Bệnh  Công nghệ số có thể giúp giảm số lần đến viện, phát hiện thay đổi sớm và tạo dữ liệu sát đời sống. Người tham gia cũng có thể cảm thấy mình đóng vai trò chủ động hơn. Ngược lại, việc bị theo dõi liên tục có thể tạo áp lực. Một số người sẽ lo lắng khi thấy chỉ số thay đổi dù chưa có ý nghĩa y khoa. Ứng dụng cần giải thích dữ liệu theo ngữ cảnh và tránh gửi cảnh báo gây hoang mang. Khi có vấn đề, người dùng cần biết liên hệ với ai.  AI có thể phân tích dữ liệu cảm biến (Ảnh: Nắng Mới)  Ý Nghĩa Với Các Nhóm Nghiên Cứu Việt Nam  Các bệnh viện, trường đại học và công ty công nghệ tại Việt Nam có thể theo dõi xu hướng này khi phát triển thử nghiệm từ xa, thiết bị đeo hoặc nền tảng dữ liệu. Đội ngũ cần kết hợp bác sĩ, kỹ sư, chuyên gia thống kê, an ninh và đạo đức. Nếu chỉ tập trung làm thiết bị mà thiếu câu hỏi lâm sàng, sản phẩm khó tạo giá trị. Môi trường khí hậu, thói quen, ngôn ngữ và hạ tầng trong nước cần được đưa vào thử nghiệm. Dữ liệu từ quốc gia khác không tự động đại diện cho người Việt.  Chương trình của FDA cho thấy Digital Health Technologies đang trở thành phần quan trọng trong phát triển thuốc. Cảm biến, thiết bị đeo và đo từ xa có thể cung cấp dữ liệu thường xuyên, giảm gánh nặng di chuyển và mở ra endpoint mới. Tuy nhiên, công nghệ y tế số trong thử nghiệm thuốc chỉ đáng tin khi thiết bị được xác thực, dữ liệu được bảo vệ và chỉ số có ý nghĩa lâm sàng. Lượng dữ liệu lớn không thay thế thiết kế nghiên cứu chặt chẽ. Trong giai đoạn tiếp theo, thách thức không chỉ là tạo cảm biến. Ngành y cần chứng minh rằng dữ liệu số giúp đưa ra kết luận an toàn và hữu ích cho người bệnh.

Digital Health Technologies Là Gì?

Digital Health Technologies, thường viết tắt là DHT, là công nghệ dùng cảm biến, phần mềm và thiết bị tính toán để thu thập hoặc xử lý thông tin sức khỏe. Một DHT có thể là đồng hồ đo vận động, cảm biến glucose, ứng dụng kiểm tra phản ứng, thiết bị theo dõi giấc ngủ hoặc cảm biến đặt trong phòng. Tùy thiết kế, thiết bị có thể được đeo, cấy, nuốt hoặc đặt trong môi trường.

FDA cho biết DHT có thể thu dữ liệu thời gian thực từ người tham gia tại nhà hoặc địa điểm ngoài trung tâm nghiên cứu. Lợi ích tiềm năng gồm đo thường xuyên, ghi nhận đặc điểm khó quan sát trong buổi khám và hỗ trợ hoạt động thử nghiệm phi tập trung.

Khác Biệt Với Ứng Dụng Sức Khỏe Thông Thường

Không phải ứng dụng đếm bước nào cũng trở thành công cụ dùng trong thử nghiệm thuốc. Thiết bị nghiên cứu cần có mục đích đo rõ, hiệu năng đã được kiểm tra và quy trình quản lý dữ liệu. Nếu một cảm biến được dùng để quyết định thuốc có hiệu quả, sai số nhỏ cũng có thể ảnh hưởng kết luận. Vì vậy, nhà nghiên cứu cần hiểu độ chính xác, độ ổn định, dữ liệu thiếu và yếu tố gây nhiễu. Thiết bị tiêu dùng có thể hữu ích, nhưng không nên mặc định phù hợp với mọi nghiên cứu y khoa.

Vì Sao Thử Nghiệm Thuốc Cần Dữ Liệu Liên Tục

Cách đánh giá truyền thống thường dựa trên các lần người bệnh đến cơ sở nghiên cứu. Bác sĩ đo chỉ số, hỏi triệu chứng và thực hiện xét nghiệm tại một vài thời điểm. Phương pháp này có thể bỏ lỡ biến động giữa hai lần khám. Một người có thể ngủ kém vài ngày, giảm vận động hoặc xuất hiện triệu chứng trong thời gian ngắn nhưng trở lại bình thường khi đến viện. Thiết bị đeo y tế có thể ghi dữ liệu theo giờ hoặc ngày. Nhà nghiên cứu nhờ đó quan sát xu hướng, thời điểm xuất hiện vấn đề và mối liên hệ với thuốc.

Digital Health Technologies có ý nghĩa và giá trị hữu ích trong việc hỗ trợ chăm sóc sức khỏe (Ảnh: Nắng Mới)

Dữ Liệu Nhiều Hơn Chưa Chắc Có Ý Nghĩa Hơn

Một cảm biến có thể tạo hàng nghìn điểm dữ liệu, nhưng câu hỏi chính vẫn là chỉ số nào phản ánh lợi ích lâm sàng. Ví dụ, số bước tăng có thể cho thấy người bệnh vận động tốt hơn, nhưng cũng có thể do thay đổi công việc. Nhịp tim thay đổi có thể liên quan thuốc, căng thẳng hoặc nhiệt độ. Nhà nghiên cứu cần xác định trước cách diễn giải và tránh tìm kết quả có vẻ tích cực sau khi dữ liệu đã được thu thập.

FDA Muốn Nghiên Cứu Những Hướng Nào?

Chương trình tài trợ đề cập việc so sánh phép đo số với phép đo truyền thống, xây dựng endpoint mới, đánh giá chỉ số liên tục và phát hiện biểu hiện sớm của bệnh mạn tính. Một ví dụ là dùng cảm biến y tế không tiếp xúc trong phòng để ghi nhận ngưng thở ở trẻ em. Hướng khác là dùng bài kiểm tra thăng bằng hoặc phản ứng chậm để nhận biết dấu hiệu không liên quan trực tiếp đến trí nhớ trong bệnh sa sút trí tuệ. Các dự án cũng có thể tập trung vào nhóm bệnh nhân có nhu cầu chưa được đáp ứng. Đây là nơi phương pháp đo truyền thống có thể gây khó khăn hoặc không phản ánh đầy đủ trải nghiệm.

Cảm Biến Không Tiếp Xúc Hoạt Động Ra Sao?

Cảm biến không tiếp xúc ghi nhận dữ liệu mà không cần gắn trực tiếp vào cơ thể. Thiết bị có thể sử dụng radar, camera độ sâu, tín hiệu vô tuyến hoặc cảm biến môi trường. Trong theo dõi hô hấp, hệ thống có thể phát hiện chuyển động nhỏ của lồng ngực. Trong giấc ngủ, cảm biến ghi nhịp chuyển động, thời gian nằm và sự gián đoạn. Lợi ích là giảm khó chịu, đặc biệt với trẻ em, người lớn tuổi hoặc người có da nhạy cảm. Tuy nhiên, thiết bị có thể bị ảnh hưởng bởi người khác trong phòng, vật nuôi hoặc cách bố trí.

Quyền Riêng Tư Là Vấn Đề Trung Tâm

Một cảm biến đặt trong nhà có thể thu thập thông tin ngoài mục tiêu y khoa. Camera có thể ghi hình người thân, còn microphone có thể thu âm cuộc trò chuyện. Nhà nghiên cứu cần thiết kế chế độ giảm dữ liệu. Nếu chỉ cần chuyển động, hệ thống không nên lưu video nhận dạng. Nếu dữ liệu có thể xử lý tại thiết bị, không cần gửi toàn bộ lên máy chủ. Người tham gia phải được thông báo rõ dữ liệu nào được thu, ai truy cập và khi nào được xóa.

Nghiên cứu cảm biến số của FDA hỗ trợ thử nghiệm thuốc thuận tiện hơn (Ảnh: FDA)

Thử Nghiệm Lâm Sàng Từ Xa Có Lợi Ích Gì?

Thử nghiệm lâm sàng từ xa giúp người tham gia giảm số lần di chuyển. Điều này có ý nghĩa với người sống xa trung tâm, người hạn chế vận động hoặc phải chăm sóc gia đình. Dữ liệu từ nhà cũng phản ánh môi trường sống tự nhiên hơn. Người bệnh có thể hành xử khác khi ở bệnh viện, khiến một lần đo chưa đại diện cho đời sống. FDA cho biết DHT có thể hỗ trợ phi tập trung hoạt động nghiên cứu thông qua thu dữ liệu từ xa.

Khoảng Cách Số Có Thể Tạo Bất Bình Đẳng

Không phải ai cũng có điện thoại mới, mạng ổn định hoặc kỹ năng dùng thiết bị. Nếu nghiên cứu yêu cầu công nghệ phức tạp, một số nhóm có thể bị loại khỏi mẫu. Nhà tổ chức cần cung cấp thiết bị, hỗ trợ kỹ thuật và phương án thay thế. Giao diện phải dễ đọc, có ngôn ngữ phù hợp và hỗ trợ người khuyết tật. Dữ liệu mất do quên sạc hoặc lỗi mạng không nên được hiểu ngay là người tham gia không tuân thủ.

Endpoint Số Là Gì?

Endpoint là kết quả được dùng để đánh giá tác động của thuốc. Đó có thể là tỷ lệ sống, mức đau, khả năng đi bộ hoặc chỉ số xét nghiệm. Endpoint số được tạo từ dữ liệu thiết bị. Ví dụ, hệ thống có thể đo thời gian hoạt động liên tục, tốc độ đi trong nhà hoặc số lần thức giấc. Để được sử dụng, endpoint cần có ý nghĩa với người bệnh và phản ánh thay đổi do điều trị. Nhà nghiên cứu phải xác định thuật toán, thời gian đo và cách xử lý dữ liệu thiếu.

Thống Kê Cho Dữ Liệu Liên Tục

Dữ liệu cảm biến có tính lặp và phụ thuộc thời gian. Hàng nghìn phép đo từ một người không tương đương hàng nghìn người tham gia. Phương pháp thống kê phải tính đến biến động trong ngày, sai số thiết bị và sự khác biệt giữa người. Nếu thuật toán thay đổi giữa nghiên cứu, khả năng so sánh cũng bị ảnh hưởng. Hội thảo FDA ngày 27/8 dự kiến thảo luận các cân nhắc thống kê và tiêu chuẩn cho endpoint số, trong đó có dữ liệu theo dõi glucose liên tục.

Thiết Bị Cần Được Xác Thực Như Thế Nào

Xác thực kỹ thuật kiểm tra thiết bị có đo đúng đại lượng hay không. Xác thực lâm sàng kiểm tra chỉ số có liên quan đến tình trạng sức khỏe hay không. Một cảm biến đếm bước chính xác chưa chắc đo đúng mức mệt mỏi. Người bệnh có thể ít đi vì thời tiết hoặc công việc, không phải do thuốc. Nghiên cứu cần so sánh với tiêu chuẩn tham chiếu, kiểm tra trong nhóm người dùng mục tiêu và theo dõi hiệu năng trong điều kiện thật.

Endpoint là kết quả dùng để đánh giá tác động của thuốc (Ảnh: Nắng Mới)

AI Có Thể Phân Tích Dữ Liệu Cảm Biến

AI có thể phát hiện mẫu trong tín hiệu dài, phân loại hoạt động hoặc dự đoán sự kiện. Tuy nhiên, mô hình cần dữ liệu đại diện cho nhóm bệnh nhân sẽ sử dụng. Nếu dữ liệu huấn luyện chủ yếu đến từ người trẻ, kết quả trên người lớn tuổi có thể kém. Thiết bị đeo lỏng, màu da, dáng đi và bệnh đi kèm cũng có thể ảnh hưởng. Mô hình cần được giám sát sau triển khai. Một bản cập nhật phần mềm có thể thay đổi cách tạo chỉ số, kéo theo thay đổi dữ liệu nghiên cứu.

Không Nên Để AI Tạo Kết Luận Không Thể Kiểm Tra

Thuật toán cần có tài liệu về phiên bản, dữ liệu đầu vào và cách xử lý. Khi kết quả bất thường, nhà nghiên cứu phải có khả năng truy ngược. Một chỉ số tổng hợp không rõ cách tạo sẽ khó được bác sĩ và cơ quan quản lý tin cậy. Tính minh bạch trong quy trình quan trọng hơn giao diện đẹp.

Tác Động Đến Người Bệnh

Công nghệ số có thể giúp giảm số lần đến viện, phát hiện thay đổi sớm và tạo dữ liệu sát đời sống. Người tham gia cũng có thể cảm thấy mình đóng vai trò chủ động hơn. Ngược lại, việc bị theo dõi liên tục có thể tạo áp lực. Một số người sẽ lo lắng khi thấy chỉ số thay đổi dù chưa có ý nghĩa y khoa. Ứng dụng cần giải thích dữ liệu theo ngữ cảnh và tránh gửi cảnh báo gây hoang mang. Khi có vấn đề, người dùng cần biết liên hệ với ai.

AI có thể phân tích dữ liệu cảm biến (Ảnh: Nắng Mới)

Ý Nghĩa Với Các Nhóm Nghiên Cứu Việt Nam

Các bệnh viện, trường đại học và công ty công nghệ tại Việt Nam có thể theo dõi xu hướng này khi phát triển thử nghiệm từ xa, thiết bị đeo hoặc nền tảng dữ liệu. Đội ngũ cần kết hợp bác sĩ, kỹ sư, chuyên gia thống kê, an ninh và đạo đức. Nếu chỉ tập trung làm thiết bị mà thiếu câu hỏi lâm sàng, sản phẩm khó tạo giá trị. Môi trường khí hậu, thói quen, ngôn ngữ và hạ tầng trong nước cần được đưa vào thử nghiệm. Dữ liệu từ quốc gia khác không tự động đại diện cho người Việt.

Chương trình của FDA cho thấy Digital Health Technologies đang trở thành phần quan trọng trong phát triển thuốc. Cảm biến, thiết bị đeo và đo từ xa có thể cung cấp dữ liệu thường xuyên, giảm gánh nặng di chuyển và mở ra endpoint mới. Tuy nhiên, công nghệ y tế số trong thử nghiệm thuốc chỉ đáng tin khi thiết bị được xác thực, dữ liệu được bảo vệ và chỉ số có ý nghĩa lâm sàng. Lượng dữ liệu lớn không thay thế thiết kế nghiên cứu chặt chẽ. Trong giai đoạn tiếp theo, thách thức không chỉ là tạo cảm biến. Ngành y cần chứng minh rằng dữ liệu số giúp đưa ra kết luận an toàn và hữu ích cho người bệnh.