研究认为，在此基础上，使用AI驱动的系统会加剧责任分配的复杂性。这种复杂性一方面来自于AI开发者的加入，另一方面则体现在AI算法可以独立预测和确定试验过程中的个性化剂量。这一决策过程和结果缺少人类监督，从而增加了整套系统的输入/输出之间的不确定性。研究者将这种情况表述为DCT进行中的“责任分散化（Diffusion of Responsibilities）”——源自多方参与（申办者，受试者，研究者，设备供应商，AI算法开发人员），与多重技术系统（AI算法，数字健康技术设备）。
AI 依赖受试者提供的远程数据进行剂量调整，但研究人员无法直接验证数据准确性，受试者也难以保证设备正常运作。
AI 算法的决策透明度有限，申办者既难以理解其推荐逻辑，也无法干预潜在错误。
专家建议，在责任划分时，应充分识别这种“知识与控制（knowledge & control，可理解为信息透明度和干预能力）”的风险，并建立针对 AI 透明度和数据可靠性的监管机制。
第三步，建立沟通和协调机制：通过责任图谱明确分工后，申办者需要组织高效的分工来落实分工。专家建议申办者应推动AI算法开发人员、技术供应商和临床研究者定期共享信息，明确责任边界，并及时调整 AI 推荐算法或试验方案以应对数据质量和患者安全问题。此外，申办者也需提供更便捷的反馈系统，让患者能够快速报告不良事件或技术问题，并在紧急情况下迅速获得研究人员支持。
该研究依托的 Trials@Home 和 Hypermarker 项目，分别聚焦去中心化临床试验标准的建立与 AI 个体化精准用药的开发，也因此关注 AI 与 DCT 所引发的伦理和监管挑战。Trial@Home由欧盟和欧洲制药工业协会（EFPIA）合作的资金项目支持，Hypermarker则受欧盟直接资金支持。因此，虽然该研究仅代表专家立场，但其为DCT申办者提供的责任管理方案，也代表了欧盟在推动试验数字化和 AI 医疗结合方面的一次探索。
