全球生命科学人工智能 · 发布于2026年11月16日 · HERMS Consultancy DMCC
人工智能医疗器械需要贯穿全生命周期的证据和控制,而不只是模型开发阶段的高分。应明确预期医疗目的,建立具有代表性的数据和具备临床意义的验收标准,在预期使用情境中评价器械,控制变更,并监测真实世界性能。模型更新并不自动意味着该器械变更已获准实施。
制造商必须将每个版本与其证据、适用许可及风险评估关联起来;用户则需要明确的使用限制、适当的监督,以及可靠的问题报告渠道。
参考指南:FDA——人工智能医疗器械;FDA——预定变更控制计划上市申报建议;MDCG 2020-1——医疗器械软件临床评价/性能评价
从预期用途出发:器械支持什么决策?
描述医疗目的、患者人群、预期用户、输入数据、输出、临床环境及其在诊疗中的作用。软件是对影像进行优先级排序、提示诊断、估计风险,还是驱动干预?应说明用户是否独立复核结果,以及输出错误或不可用时将如何处理。
FDA监管的是医疗器械,而非作为抽象技术的人工智能。它依据适用的器械框架评估预期用途与技术特征。部分软件功能不属于美国医疗器械定义;反之,嵌入硬件的人工智能功能仍可能需要器械层面的评估。SaMD指具有医疗目的、无需作为硬件医疗器械组成部分即可实现该目的的软件;它并不是所有医疗人工智能应用的同义词。
应将宣传措辞视为所作声明边界的一部分。支持优先级排序的证据并不自动支持自主诊断。即使模型权重完全不变,扩大人群、应用环境或临床作用也可能改变证据要求及监管评估。
在收集更多数据前建立全生命周期证据图谱
使用与版本关联的证据图谱,将临床声明、危险、要求、测试、发布决策及监测连接起来。下表是建议性的规划框架;实际文件要求及审批路径取决于器械、司法管辖区及适用的质量体系。
| 生命周期阶段 | 核心问题 | 证据/控制 | 责任职能 |
|---|---|---|---|
| 定义 | 器械预期实现什么功能? | 预期用途、声明及路径选择依据 | 临床/法规/产品负责人 |
| 数据准备 | 数据是否适用且可信? | 来源、标签、亚组覆盖及数据分离 | 数据科学/临床专家 |
| 开发 | 实现是否满足规格要求? | 配置、软件测试及风险控制 | 工程/质量 |
| 验证 | 器械是否满足实际情境中的用户需求? | 代表性测试与临床评价 | 临床/生物统计/质量 |
| 发布 | 这一具体版本是否已就绪并获准? | 验收、标签、网络安全及发布批准 | 质量/法规 |
| 变更 | 修改是否处于允许范围内? | 影响评估、回归测试及适用PCCP | 跨职能变更委员会 |
| 上市后 | 使用中是否保持性能? | 上市后监督信号、真实世界评价及纠正措施 | 上市后监督/临床安全/质量 |
| 退役 | 能否安全停止使用? | 用户沟通、记录及过渡安排 | 制造商/部署负责人 |
FDA于2025年1月发布的人工智能器械生命周期文件仍为不具约束力的草案,不供实施。其生命周期建议可作为有用背景,而不是最终的通用检查清单。现有适用的器械义务与获准条件仍然约束产品。
核实、验证与临床评价回答的是不同问题
核实考察特定实现是否满足规定要求。验证考察器械是否满足预期用户需求与预期用途。临床评价考察证据是否支持具体情境下的临床安全性、性能及所声明的获益。通过单元测试、获得一个回顾性准确度数值或完成一次网络安全扫描,都不能替代其他证据。
欧盟医疗器械软件指南围绕有效临床关联或科学有效性、技术或分析性能,以及临床性能组织评价。确切术语与路径取决于适用MDR还是IVDR。每个组成部分都需要与预期目的及风险相称的证据;不能简单地将机器学习测试报告改名为临床评价报告。
| 证据层次 | 问题 | 局限性示例 |
|---|---|---|
| 临床关联/科学有效性 | 输出是否与目标临床病症或状态具有有意义的关联? | 看似合理的相关性未必支持预期医疗声明 |
| 技术/分析性能 | 软件能否根据输入可靠地产生预期输出? | 良好结果可能依赖范围有限的扫描仪或实验室配置 |
| 临床性能 | 能否在目标人群与环境中达到预期性能? | 回顾性测试可能无法反映真实用户、患病率或工作流程 |
设计具有代表性且独立的性能测试
在最终测试前确定验收标准与统计分析方法。明确部署人群、站点、设备、采集方案、参考标准及相关亚组。应根据临床风险论证样本量及不确定性估计,而不是选择现有规模最大的便利性数据集。
将开发、调优与最终评价数据分开。防止因患者重复、关联影像、重复记录、站点特有伪影或由标签派生的特征而发生数据泄漏。外部评价与时间外评价可以检验泛化能力,但独立性必须得到证明,不能仅因文件名或机构不同便予以假定。
检查标签质量及分歧。参考标准可能不完善、受到既往诊疗影响,或执行不一致。记录争议裁定、适用时的盲法,以及不确定性如何影响解释。评估缺失、损坏及不受支持的输入;当器械无法提供可靠结果时,必须能够安全处理。
选择与目的相匹配的指标。灵敏度与特异度可能适用于检测;预测值会随患病率变化。当估计概率用于辅助决策时,校准十分重要。工作流程工具也可能需要有关延迟、警报负担或用户表现的证据。单一总体AUC并不能证明临床实用性、可接受的亚组性能或部署安全性。
评估人机协作团队与部署环境
辅助性器械由流程中的人员使用。应测试预期用户是否理解输出、限制、不确定性及适当应对方式。考虑自动化偏倚、警报疲劳、不恰当的安心感,以及超出证据支持人群的使用。相关比较可能应针对临床医生与器械协作的工作流程,而非孤立的算法。
评估本地集成:输入格式、单位、患者匹配、影像传输、延迟、停机时间及输出显示。即使模型已通过验证,若结果被写入错误患者的病历,仍可能不安全。建议的部署检查包括接口测试、用户培训、本地兼容性核查,以及器械不可用时的明确备用方案。不得通过非正式的本地配置改变获准的预期用途。
控制整个配置,而不仅是模型权重
器械版本不仅包含算法检查点。预处理、阈值、特征提取、用户界面、依赖项、输入连接器及硬件都可能改变临床行为。对于生成式系统,提示词、检索来源、解码配置及外部模型服务也可能产生重要影响。
维护受控的配置记录,并评估每个相关组件的变更。评价第三方更新实践、网络安全、访问权限、兼容性及供应链依赖。当接口变更使测量值反向,或检索更新改变医疗内容时,“模型没有变化”并不是充分结论。这是一种与生命周期风险管理相一致的建议性工程管理方法。
预定变更控制计划如何运作
FDA于2025年8月发布的最终PCCP指南,为人工智能器械软件功能的特定计划变更描述了一种可选机制。PCCP在上市申报中接受审查。在符合适用条件的前提下,符合已获准计划的变更可予实施,无需为每项所述变更另行申报。这并不是对无限制自主学习或改变预期用途的全面许可。
| PCCP组成部分 | 应明确的内容 | 实施证据 |
|---|---|---|
| 变更描述 | 具体计划变更及其边界 | 哪些输入、性能特征或配置可以改变 |
| 变更方案 | 每项变更的开发、测试与实施方式 | 数据管理、再训练、评价、验收标准及更新程序 |
| 影响评估 | 获益、风险、缓解措施及累积效应 | 与前一版本比较并评估相互作用 |
在依赖PCCP之前,核查许可范围。申办方自行编写的计划,并不等同于经适用路径获准或批准的计划。超出许可边界的变更仍须依据适用变更规则评估,并可能需要重新申报。FDA、加拿大卫生部与MHRA的联合原则支持聚焦、基于风险和证据的生命周期方法,但不会形成单一的国际许可。
实用变更控制决策树
- 明确具体变更:模型、数据、阈值、界面、预期人群、医疗声明或环境。
- 评估预期用途、获益—风险、分类、性能或安全性是否可能受到影响。
- 确定相关市场是否存在已获准的PCCP,以及其是否涵盖该项具体变更与实施方法。
- 明确所需数据、测试、亚组分析、回归测试,以及网络安全和人因再评估。
- 部署前记录监管路径、所需外部审查及内部发布权限。
- 仅发布获批配置;沟通重大变更,并确保版本可追溯。
- 监测更新,核对已部署版本,并在满足预设触发条件时实施遏制或回退。
上述步骤是建议性的操作清单,不能替代针对具体器械的法律评估。某项变更在一个市场可以接受,在另一个市场则可能需要额外审查。即使每项小变更单独看来影响有限,其累积效应也值得审视。
上市后监测:识别伤害,而不只是数据漂移
在发布前规划监测。明确哪些信号重要、如何收集、由谁评估,以及何种情况触发行动。输入漂移、性能下降、安全投诉、亚组差异、运行失败及非预期使用提供的信息各不相同;任何一项都不能单独成为临床安全性的通用替代指标。
| 监测领域 | 信号示例 | 应预先规定的响应 |
|---|---|---|
| 输入兼容性 | 新扫描仪或测量分布改变 | 核查受支持环境并限制不受支持的输入 |
| 临床性能 | 相对于可靠结局的灵敏度或校准变化 | 调查测量、病例构成及模型性能 |
| 亚组 | 具有临床相关性的人群出现性能下降 | 开展针对性审查;评估标签或使用限制 |
| 工作流程 | 输出延迟、警报被忽略或误用 | 开展人因评估并采取运营缓解措施 |
| 安全/警戒 | 潜在严重事件或新出现的趋势 | 调查并满足适用报告及行动要求 |
| 配置 | 非预期版本或未经许可的更新 | 遏制部署、评估影响并核对记录 |
结局标签可能延迟获得或始终不可用。在建立合理且可论证的临床评价路径的同时,跟踪前瞻性运营指标。仅检测漂移而不开展调查,不能确定器械是否安全;输入稳定同样不能证明临床性能持续保持。
在大不列颠,加强的上市后监督要求于2025年6月16日生效。MHRA区分大不列颠与北爱尔兰,后者适用欧盟器械上市后监督规则。大不列颠框架包括与风险相称的上市后监督体系,以及适当的安全报告和行动。不要将大不列颠的要求泛化至所有国家,也不要将监管沙盒的研究发现描述为新法律。
假设案例:跨医院站点的影像器械更新
某制造商拟使用新增医院数据对影像分析器械进行再训练。其预期目的仍是一项边界明确的辅助任务。实施前,团队确认该变更是否属于相关市场已获准PCCP的范围,核查数据来源和标签质量,并保留独立评价数据。
测试根据预设验收标准,考虑相关设备、采集方案、人口统计学群体及疑难病例。如果具有临床重要性的亚组性能下降并超出可接受边界,总体指标提高也不能成为发布依据。质量、临床与法规审查人员应评价完整证据及适用路径。
在受控发布后,制造商跟踪已安装版本、运行故障、投诉及适当的性能信号。特定站点的问题应触发调查与遏制;不能通过悄然在本地修改模型来解决不受支持扫描仪的问题。本情景用于说明一种建议性流程,并非HERMS部署案例或已报告的性能结果。
监管格局:区分法律、指南与提案
| 司法管辖区/资源 | 状态 | 实践中的区别 |
|---|---|---|
| 美国FDA器械监管 | 有约束力的法律法规及器械专属许可;配套指南通常不具约束力 | 510(k)准予上市、De Novo分类及PMA批准是不同路径 |
| FDA人工智能生命周期指南 | 2025年1月草案;不供实施 | 不得将草案建议描述为最终要求 |
| FDA人工智能PCCP指南 | 2025年8月最终非约束性指南 | 已获准计划的边界至关重要;并非无限制更新 |
| 欧盟MDR/IVDR及MDCG软件指南 | 法规具有约束力;MDCG文件为非约束性指南 | 临床/性能评价取决于器械及目的 |
| 欧盟《人工智能法案》的衔接 | 独立的风险分级制度;2025年6月AIB/MDCG指南解释法规衔接 | 评估主体、范围及当前适用性;不得由旧指南推断时间表 |
| 大不列颠上市后监督 | 强化的约束性规则于2025年6月生效;MHRA提供解释性指南 | 区分大不列颠与北爱尔兰;上市后持续监测 |
并非所有医疗人工智能都属于受监管器械,也并非所有器械相关人工智能功能都适用相同分类或路径。欧盟《人工智能法案》义务不能替代MDR/IVDR义务。2025年6月关于法规衔接的指南有助于理解范围与协调;应单独核实现行经修订的实施时间表,而不是照搬历史日期。
发布就绪与监测检查清单
- 预期用途与声明符合器械证据及目标市场要求。
- 数据来源、参考标准及独立评价均有记录。
- 预设标准涵盖具有临床意义的结局及相关亚组。
- 人因、集成、故障处理及网络安全均已评估。
- 具体配置受到控制,发布权限已有记录。
- 依据获准范围及相关市场规则评估变更。
- 上市后监督职责、阈值、报告路径及纠正措施已投入运行。
- 版本追溯、记录及停止支持安排均已明确。
HERMS如何融入以证据为导向的器械生命周期
HERMS将监管策略、制造质量及证据完整性描述为其产品组合中的解决方案领域。对于医疗器械项目,有价值的评价问题在于:拟议流程能否关联声明、测试证据、变更决策及由明确责任人作出的批准。本文并未独立验证HERMS的医疗器械功能、监管接受度、集成或性能。
了解HERMS的法规、质量及证据完整性解决方案,讨论围绕您的预期用途、验证证据和变更控制要求开展的演示。
常见问题
什么是人工智能医疗器械?
它是将人工智能用于其预期目的范围内某项功能的医疗器械。医疗声明、实际功能及适用法律定义,比“人工智能”标签更加重要。通用行政助理不会自动成为医疗器械;支持诊断或治疗的软件则可能需要接受器械评估。
准确的模型是否就是经过验证的器械?
不是。模型性能只是证据的一部分。器械评估还考虑预期用户、人群、工作流程、集成、风险以及临床/性能证据。验证必须针对已配置的器械及预期情境,而不仅是开发数据集或孤立的基准测试。
什么是PCCP?
预定变更控制计划描述特定变更、其开发与验证方法,以及影响评估。在美国,已获准的计划可以允许实施涵盖范围内的变更,无需逐项另行申报。它不授权超范围变更,也不能替代质量体系控制。
人工智能器械能否在部署后持续学习?
自动适应并不意味着可以无限制修改受监管产品。是否允许更新以及如何更新,取决于器械许可、适用规则及任何已获准的变更计划。应明确边界、评价、监测及干预机制,而不是假定所有在线学习都可接受。
每次软件更新都需要重新申报吗?
不存在适用于所有情况的答案。应评估变更、其对安全性/有效性或预期用途的潜在影响、器械路径及任何已获准的PCCP。计划之外的变更不一定需要申报,但必须依据相关变更规则进行评估。
上市后监测应包括哪些内容?
采用与风险相称的安全性、性能、兼容性、使用情况及相关亚组指标,并建立投诉和事件处理流程。指定负责人和响应阈值。监测应支持调查及纠正措施;仅绘制输入漂移曲线不足以证明临床安全性。
FDA许可是否适用于欧洲或英国?
不存在自动赋予全球准入的单一许可。美国、欧盟与英国的路径和责任各不相同,还须谨慎区分大不列颠与北爱尔兰。国际原则可以协调方法,但不能替代当地的分类、合格评定、注册或监督义务。
生成式人工智能可以成为医疗器械的一部分吗?
有可能。其功能与医疗目的决定评估方式。应在完整器械范围内评价输出可变性、缺乏依据的内容、提示词、检索来源、外部依赖及用户理解。不要假定通用模型的基准测试能够证明医疗应用的安全性或有效性。
可合理论证的人工智能器械生命周期,应将每项医疗声明与证据关联,将每项变更与书面决策关联,并将每个已部署版本与监测关联。目标既不是冻结软件,也不是不受控地改进,而是在持续维护的安全与性能框架内实施有充分依据的变更。
通过HERMS Solutions讨论您的生命周期证据和变更控制重点,或浏览HERMS有关医疗器械与生命科学的相关洞见。
相关HERMS解决方案
了解与本文所述工作流程相关的HERMS解决方案:
根据您的预期用途、证据及审批要求评估每项解决方案。
来源与延伸阅读
了解HERMS生命科学解决方案,并申请以工作流程为重点的演示。
原文:https: https://www.hermsglobal.com/ai-medical-devices-validation-change-control
