1. 药物研发数据资产与合规治理工程导论
药物研发是典型的长周期、高投入、强监管行业。一个候选化合物从靶点发现到获批上市，通常跨越10～15年，产生从靶点筛选、化合物设计、药理毒理、工艺开发、临床试验到注册申报的海量数据。这些数据不仅是研发过程的"记录"，更是可被复用、可被审计、可被监管采信、可被再次挖掘的资产。本课程讨论的核心问题就是：如何把药物研发数据从"散落在系统与文件中的记录"转变为"可治理、可追溯、可合规使用的数据资产"。
一、课程定位：从数据管理到工程化治理
本课程不是泛泛而谈的数据管理概论，而是聚焦药物研发这一特定场景，把数据资产化与合规治理两条主线合并为一项工程来对待。所谓"工程"，意味着它不是一次性项目，而是包含标准、流程、角色、工具、度量与持续改进的系统性建设。课程面向的读者包括研发数据管理员、质量与合规人员、临床数据管理（CDM）人员、注册申报人员、IT/数据平台建设者，以及需要理解数据责任的研发项目负责人。
课程的知识框架可以概括为四个层次：概念层（什么是数据资产、什么是合规治理）、标准层（数据标准、元数据、受控术语、数据模型）、工程层（采集、清洗、存储、血缘、质量、权限、审计）、应用层（申报、稽查、再利用、AI建模）。四层之间不是简单堆叠，而是通过"数据生命周期"和"合规证据链"两条纵向主线贯穿。
二、核心概念：数据资产与合规治理
数据资产指企业或机构拥有或控制、能够带来当前或未来价值、可被管理和计量的数据资源。判断一份药物研发数据是否构成资产，通常看三点：是否可识别归属（有明确的数据所有者与来源）、是否可被复用（有元数据、有上下文、有质量保证）、是否可产生价值（支持决策、申报、复用或风险控制）。一份没有元数据、没有版本、没有来源记录的Excel表格，即使内容重要，也很难称为资产。
合规治理则是在满足法规与质量要求的前提下，对数据全生命周期进行制度化管理。药物研发领域的关键合规要求包括：GxP（GLP/GCP/GMP）数据完整性原则（ALCOA+：可归属、清晰、同步、原始、准确、完整、一致、持久、可获得）、21 CFR Part 11与欧盟 Annex 11对电子记录和电子签名的要求、ICH E6(R2)对临床试验数据质量与源数据核查的要求、以及数据隐私法规（如GDPR、个人信息保护法）对受试者数据的约束。
两者的关系可以这样理解：数据资产是目标，合规治理是底线与保障。没有合规治理，数据资产无法被监管采信，也无法在稽查中站住脚；没有资产化视角，合规治理容易退化为"为审计而审计"的文档工作，无法真正提升研发效率。工程化视角的价值，正是把两者统一到同一套数据架构、同一套元数据、同一套质量规则和同一套审计追踪上。
三、工程化视角：把治理做成可运行的系统
很多机构的数据治理停留在制度文件层面：写了SOP、定了角色、开了会，但数据依然散落在个人电脑、邮件附件和多个互不相通的系统中。工程化视角要求把治理"做进系统"，具体体现在四个可检查的方面。
第一，标准前置。在数据产生环节就嵌入标准，而不是事后清洗。例如临床试验中，EDC系统应直接使用CDISC SDTM/ADaM的变量命名与受控术语，实验室信息管理系统（LIMS）应统一单位与检测方法编码。示例：某项目在EDC建库时把"收缩压"字段定义为SYSBP，单位mmHg，取值范围30～300，并绑定MedDRA编码用于不良事件，这样导出的数据无需二次映射即可进入分析数据集。
第二，血缘可追。每一条关键数据都应能回答"从哪来、经过什么转换、到哪去"。工程上通常用元数据仓库记录源系统、转换规则、目标表、执行时间与操作人。示例：一条不良事件记录从EDC的AE表单，经SDTM映射程序，进入ADaM的ADAE数据集，最终出现在临床研究报告的表14.3.1中，血缘图应完整呈现这条链路。
第三，质量可测。数据质量不能靠感觉，要有规则和指标。常见规则包括完整性（必填字段缺失率）、一致性（跨表单同一受试者性别是否一致）、及时性（数据录入到锁库的时间）、准确性（与源数据核对一致率）。示例：某项目设定"严重不良事件（SAE）关键字段完整率≥99.5%"，每周运行校验脚本，低于阈值即触发数据管理员核查。
第四，审计可证。所有对数据的修改必须留痕，包括修改前值、修改后值、修改人、时间、原因。这是21 CFR Part 11和ALCOA+中"可归属、同步、持久"的直接要求。工程实现上，审计追踪应由系统自动生成，且普通用户不可关闭或删除。
四、数据资产与合规治理的关系
可以用一个简单的判断来区分两者：数据资产回答"这份数据值不值得用"，合规治理回答"这份数据能不能被采信"。一份数据可能很有价值（比如某化合物的构效关系数据），但如果来源不清、修改无记录、受试者隐私未处理，就不能用于注册申报或对外合作。反过来，一份数据合规做得很完整，但字段定义混乱、无法与其他项目对齐，其资产价值也大打折扣。
因此，本课程后续章节会反复回到一个核心原则：资产化与合规治理必须同源设计。同一套元数据既服务于数据复用，也服务于审计追溯；同一套质量规则既提升分析可靠性，也构成稽查证据；同一套权限体系既保护隐私，也满足访问控制要求。把两者拆成两个项目分别做，往往导致重复建设、口径冲突和证据链断裂。
五、整体知识框架与学习路径
本课程共30章，整体按"概念—标准—工程—应用—复盘"推进。前几章建立数据资产、合规治理、数据完整性、元数据与数据标准的基础认知；中间章节进入工程实现，覆盖数据采集与源数据管理、数据模型与主数据、数据质量规则、数据血缘、权限与审计追踪、数据安全与隐私保护；随后进入应用层，讨论注册申报数据准备、稽查应对、真实世界数据与AI建模中的数据治理；最后通过综合案例与复盘，把各模块串成完整体系。
需要强调的是，药物研发数据治理没有"一次性完成"的终点。法规在更新（如ICH E6(R3)、FDA对AI/ML在药物开发中的指南草案），技术在演进（云平台、电子源数据、去中心化临床试验），数据形态在变化（影像、组学、可穿戴设备数据）。工程化治理的价值，恰恰在于它提供了一套可扩展的框架：当新数据源出现时，你能用已有的标准、血缘、质量和审计机制把它纳入体系，而不是每次从零开始。
本章作为导论，目标是让你先看清"地图"：数据资产是方向，合规治理是边界，工程化是方法，生命周期与证据链是两条主线。后续每一章都会在这张地图上落下一个具体模块，最终形成可落地、可审计、可复用的药物研发数据治理能力。