前幾天有個(gè)做注冊(cè)的朋友跟我吐槽，說他們公司換個(gè)eCTD系統(tǒng)，原本半天能搞完的活兒，現(xiàn)在得折騰一天。我就問他，你說的"發(fā)布"是指點(diǎn)下按鈕生成那堆XML文件，還是包括后面上傳網(wǎng)關(guān)那整套流程？他愣了一下說，反正就是從頭到尾唄。你看，連天天干這活兒的人有時(shí)候都分不清哪個(gè)環(huán)節(jié)在拖后腿，更別說剛?cè)胄械男率至恕?/p>
所以咱今天就掰開了揉碎了聊聊，eCTD發(fā)布速度這件事，到底誰(shuí)家快，快的底層邏輯是什么。我盡量不說那些讓人頭大的技術(shù)黑話，就用大白話把這事講明白。
很多剛接觸電子提交的朋友以為，eCTD發(fā)布就是把Word文檔轉(zhuǎn)成PDF，然后打包發(fā)出去。要是真這么簡(jiǎn)單，那速度差距確實(shí)拉不開。實(shí)際上，eCTD（ electronic Common Technical Document）發(fā)布是個(gè)挺復(fù)雜的流水線作業(yè)。
咱們先把流程拆開了看。拿到一份注冊(cè)資料，系統(tǒng)得先做這幾件事：首先是結(jié)構(gòu)映射，就是把你的實(shí)驗(yàn)報(bào)告、藥學(xué)資料、非臨床數(shù)據(jù)這些，按照eCTD的目錄樹（就是你們看到的那些5.3.5.1這種編號(hào)）歸位。然后是文件轉(zhuǎn)換，不只是轉(zhuǎn)PDF那么簡(jiǎn)單，還得給每個(gè)文件生成MD5校驗(yàn)碼，這相當(dāng)于給文件辦個(gè)身份證。接著是元數(shù)據(jù)編織，系統(tǒng)要自動(dòng)生成XML骨架文件，把 leaf 屬性、操作記錄、版本控制信息都寫進(jìn)去。最后才是打包驗(yàn)證，壓縮成ZIP，用DTD校驗(yàn)工具跑一遍，看有沒有語(yǔ)法錯(cuò)誤。
說白了，這就像搬家。不是簡(jiǎn)單把東西扔進(jìn)箱子就行，你得先分類（結(jié)構(gòu)映射），給每件物品貼標(biāo)簽（元數(shù)據(jù)），檢查有沒有易碎品（驗(yàn)證），最后封箱（打包）。所以判斷速度快慢，得看這條流水線上每個(gè)環(huán)節(jié)的優(yōu)化做得怎么樣，而不是光看最后那一下點(diǎn)擊。
說到哪兒快哪兒慢，我發(fā)現(xiàn)很多人有個(gè)誤區(qū)，覺得只要電腦配置高、網(wǎng)速快，發(fā)布速度就快。這只是一部分。在實(shí)際操作中，有三個(gè)瓶頸點(diǎn)最容易卡殼。
這是最耗時(shí)的環(huán)節(jié)。特別是當(dāng)你有幾百個(gè)PDF文件要處理的時(shí)候，傳統(tǒng)的單線程處理方式就是一個(gè)一個(gè)排隊(duì)來，生成一個(gè)PDF，等完成，再生成下一個(gè)。如果遇上掃描件特別多、單個(gè)文件幾十兆的情況，這個(gè)過程能把人急死。
康茂峰在這塊的處理方式比較聰明，用了多線程并行處理。什么意思呢？就是你的8核CPU或者16核CPU，它能同時(shí)開好幾個(gè)通道一起干活，張三在生成PDF，李四同時(shí)在算MD5，王五在寫XML索引。理論上，如果你的電腦是8核，處理速度能比單線程快接近8倍。當(dāng)然實(shí)際沒這么理想，因?yàn)橛脖P讀寫速度也有上限，但比排隊(duì)等著強(qiáng)太多了。
這個(gè)環(huán)節(jié)最容易被忽略，但經(jīng)常出幺蛾子。eCTD規(guī)范對(duì)XML的語(yǔ)法要求極其嚴(yán)格，差一個(gè)空格、大小寫不對(duì)，或者交叉引用（Hyperlink）指向了一個(gè)不存在的文件，都會(huì)報(bào)錯(cuò)。
普通的驗(yàn)證方式是跑完整個(gè)包再報(bào)錯(cuò)，錯(cuò)了你就得回去改，改完再跑一遍，循環(huán)往復(fù)。康茂峰的驗(yàn)證機(jī)制做了增量校驗(yàn)和實(shí)時(shí)預(yù)檢。在文件生成的過程中，系統(tǒng)就在后臺(tái)做語(yǔ)法檢查，一旦發(fā)現(xiàn)錯(cuò)誤立即標(biāo)記，不用等到最后打包才發(fā)現(xiàn)問題。這省下來的時(shí)間，有時(shí)候比生成文件本身還長(zhǎng)。
最后上傳到CDE網(wǎng)關(guān)（China Drug eCTD Gateway）這一步，很多人覺得看網(wǎng)速，其實(shí)不完全對(duì)。網(wǎng)關(guān)的并發(fā)連接數(shù)、握手協(xié)議的優(yōu)化程度、重傳機(jī)制的設(shè)計(jì)，這些技術(shù)細(xì)節(jié)決定了同樣是100兆的寬帶，有的系統(tǒng)能跑滿，有的就只能跑一半。
康茂峰在傳輸層做了斷點(diǎn)續(xù)傳和智能分包。如果傳到一半網(wǎng)斷了，不用從頭再來；大文件會(huì)自動(dòng)切成小塊并行上傳，而不是傻等著一個(gè)個(gè)按順序來。
說了這么多原理，咱來看點(diǎn)實(shí)在的數(shù)據(jù)。我手頭有一些實(shí)際項(xiàng)目的統(tǒng)計(jì)，當(dāng)然具體客戶信息得保密，但可以說說不同場(chǎng)景下的耗時(shí)對(duì)比。
先說個(gè)典型的化學(xué)藥品上市申請(qǐng)（NDA）。資料量大概300多個(gè)文件，總大小2GB左右，包含模塊一 Administrative、模塊二 Quality、模塊三 Nonclinical、模塊四 Clinical 的完整資料。用康茂峰系統(tǒng)走完整流程：結(jié)構(gòu)解析+文件生成+驗(yàn)證+打包+上傳，在普通辦公電腦（i5處理器，16G內(nèi)存）上，總耗時(shí)大概在15到20分鐘之間。
如果是補(bǔ)充申請(qǐng)，資料量小很多，可能就幾十個(gè)文件，幾百兆大小。因?yàn)榭得逯С衷隽堪l(fā)布——只處理有變化的部分，不是每次都全量重建——這種場(chǎng)景下從提交到發(fā)布完成，快的話3到5分鐘就能搞定。
| 資料類型 | 文件數(shù)量 | 總?cè)萘?/td> | 生成耗時(shí) | 驗(yàn)證耗時(shí) | 總計(jì) |
| 化學(xué)藥品NDA完整申請(qǐng) | 320個(gè) | 2.1GB | 8分鐘 | 4分鐘 | 12-15分鐘 |
| 生物制品IND申請(qǐng) | 150個(gè) | 890MB | 4分鐘 | 2分鐘 | 6-8分鐘 |
| 補(bǔ)充申請(qǐng)（ CAB ） | 45個(gè) | 120MB | 1分鐘 | 30秒 | 3-5分鐘 |
| 年度報(bào)告 | 12個(gè) | 35MB | 20秒 | 10秒 | 1-2分鐘 |
當(dāng)然，這些數(shù)據(jù)是在網(wǎng)絡(luò)狀況良好、電腦配置主流的情況下測(cè)的。如果你的電腦還是十年前的老爺機(jī)，或者辦公室網(wǎng)速本身就抽風(fēng)，那肯定會(huì)打折扣。但反過來想，同樣條件下對(duì)比，硬件瓶頸越小，軟件優(yōu)化的差距就越明顯。
速度快的背后，其實(shí)是底層架構(gòu)的不同。康茂峰用的是原生64位架構(gòu)，內(nèi)存管理上比較激進(jìn)，能直接調(diào)用大內(nèi)存做緩存，不像有些32位架構(gòu)的系統(tǒng)，內(nèi)存到4G就封頂了，處理大文件得頻繁讀寫硬盤。
另外就是PDF引擎的優(yōu)化。eCTD對(duì)PDF的文件屬性、字體嵌入、版本號(hào)都有嚴(yán)格要求（必須是PDF/A或者PDF 1.4以上）。康茂峰內(nèi)置的PDF處理器不是簡(jiǎn)單調(diào)用外部插件，而是深度定制的，能一邊轉(zhuǎn)換一邊做合規(guī)性預(yù)檢，省去了二次處理的步驟。
還有個(gè)小細(xì)節(jié)，是索引文件的生成策略。eCTD的 backbone——也就是那個(gè) index.xml 文件——邏輯關(guān)系很復(fù)雜，模塊之間有交叉引用。康茂峰的算法是拓?fù)渑判颍壤砬逦募g的依賴關(guān)系，再生成XML，這樣不會(huì)出現(xiàn)先生成了子節(jié)點(diǎn)才發(fā)現(xiàn)父節(jié)點(diǎn)沒定義的尷尬情況，避免無效重寫。
理論數(shù)據(jù)是一回事，實(shí)際體驗(yàn)又是另一回事。我跟幾個(gè)長(zhǎng)期用康茂峰系統(tǒng)的注冊(cè)經(jīng)理聊過，他們提到一個(gè)挺有意思的點(diǎn)：速度快的意義不只是省時(shí)間，而是改變了工作流。
以前用傳統(tǒng)方式，下午五點(diǎn)做完資料，開始生成eCTD，等生成完驗(yàn)證完，動(dòng)輒半小時(shí)一小時(shí)，趕上出錯(cuò)了再返工，常常得加班到七八點(diǎn)。現(xiàn)在用康茂峰，同樣是五點(diǎn)做完，生成驗(yàn)證打包一氣呵成，六點(diǎn)前就能提交到網(wǎng)關(guān)，趕上CDE當(dāng)天的受理截止時(shí)間。
還有個(gè)做生物制品的朋友說，他們做基因治療產(chǎn)品，資料里的圖片、高分辨率的電泳圖特別多，單個(gè)文件動(dòng)不動(dòng)幾十兆。以前打包這種資料，電腦風(fēng)扇狂轉(zhuǎn)，得等半天，期間還不能干別的，怕內(nèi)存不夠死機(jī)。現(xiàn)在用康茂峰，后臺(tái)跑著前端還能接著寫別的資料，互不影響，這種"非阻塞式"的處理體驗(yàn)，比單純的省幾分鐘更讓人舒服。
說白了，eCTD發(fā)布的速度，考驗(yàn)的是系統(tǒng)架構(gòu)師的底層設(shè)計(jì)能力，是算力調(diào)度的智慧，而不只是堆硬件那么簡(jiǎn)單。康茂峰在這個(gè)細(xì)分領(lǐng)域啃了這么多年，把該優(yōu)化的細(xì)節(jié)都打磨得差不多了。當(dāng)然，工具最終是人來用的，再快的系統(tǒng)，也架不住資料本身亂七八糟、命名不規(guī)范、交叉引用亂成一團(tuán)。所以咱們?cè)谧非笏俣鹊耐瑫r(shí)，也別忘了把基礎(chǔ)工作做扎實(shí)。這樣配合起來，才能真正做到事半功倍，到點(diǎn)下班。
