人工智能赋能临床试验的核心，并不是建立一种脱离传统随机对照试验的新型证据体系，而是选择经过严格验证、适合特定任务的人工智能工具，将其部署在临床试验的不同阶段。研究人员提出，可以结合传统临床试验报告规范及人工智能扩展规范，同时提供模型说明、版本信息以及偏倚和不确定性审计，使人工智能辅助试验产生的结果具有更好的可重复性和可解释性。如果未来能够同时建立严格的数据治理体系、针对具体用途的模型验证标准、持续的监管合作以及有效的人工监督，那么人工智能赋能临床试验有望从少数示范性应用逐渐发展为更加普遍的临床开发模式。