2019年起，我國先后發布多項人工智能醫療器械指導原則和審評要點，積極推進人工智能醫療器械的科學監管。全球主要醫療器械監管機構近年來尤其是2022年發布了多份指南，基于各自國情和法規明確人工智能醫療器械監管要求。此外，醫療器械監管機構相關國際協調組織亦發布人工智能醫療器械相關文件，給出了相應的監管建議。
表1 人工智能醫療器械監管關注重點
人工智能醫療器械屬于醫療器械軟件的子集，故各監管機構均在醫療器械軟件的監管框架下研究人工智能醫療器械的監管要求，即在質量管理體系的要求下采用基于風險的全生命周期管理的方法進行監管，包括網絡安全與信息安全、云計算、移動計算等方面。有些監管機構未單獨發布人工智能醫療器械文件，但并不意味著沒有監管要求，而是從醫療器械軟件角度考慮相應監管要求。以深度學習為代表的數據驅動類人工智能技術是當前人工智能醫療器械產品所用的主流技術，故各監管機構主要考慮此類技術帶來的監管挑戰。
1、上市前評價
上市前評價主要關注數據質控、算法評估等監管要求，以解決數據驅動所產生的問題。數據是人工智能技術的基礎，數據量的充分性、數據質量的優劣性、數據分布的合理性、數據來源的多樣性、數據標注的規范性、訓練集與測試集的互斥性是數據質控的關注重點。算法是人工智能技術的核心，算法選擇、算法性能指標、算法訓練與調優、算法驗證與確認是算法評估的關注重點。其中，算法驗證與確認主要包括算法性能評估、臨床評價，前者可采用性能測試、壓力測試、對比測試等方式，后者可采用臨床試驗（含回顧性研究）、同品種比對等方式；根據產品預期用途和風險水平確定驗證與確認方式，并可基于第三方數據庫進行驗證與確認。
各監管機構在此方面的監管要求基本相同，細節存在差異。美國、中國的監管要求較為全面細致，其中美國要求臨床試驗采用多閱片者多病例（MRMC）設計，較為嚴格；中國明確第三方測評數據庫可用于算法確認，并提出其專用條件以供建庫方參考。
2、變更控制
變更控制主要關注變更注冊觸發條件，以解決快速迭代所產生的問題。若軟件每次更新均需進行變更注冊，不僅會大幅增加企業注冊成本，而且會占用大量監管資源，因此需要明確變更注冊觸發條件。原則上，重大更新需變更注冊，輕微更新通過質量管理體系控制者無需變更注冊，主要有兩種方法：一是根據軟件更新類型區分要求，若影響產品預期用途、基本性能指標、輸入輸出類型等則需變更注冊，單純有限度增加訓練數據無需變更注冊，這屬于傳統方法；二是采用“預定規格”進行控制，軟件更新若超出“預定規格”范圍則需變更注冊，反之無需變更注冊，屬于新方法。
多數監管機構同時采用上述兩種方法，細節存在差異。比如，在“預定規格”方面，美國擬實施預定變更控制計劃，包括變更說明、變更方案、影響評估等，監管要求最為細致；中國結合軟件版本命名規則明確“預定規格”，新加坡從3個方面細化“預定規格”，監管要求較為細致；日本、韓國僅做原則性要求。
3、信息透明
信息透明主要關注說明書信息披露、用戶培訓和算法穩定性分析，以增強黑盒算法可解釋性。可解釋性對于醫療決策至關重要，需要“知其然知其所以然”。美國和中國在此方面監管要求較為具體。
美國要求CAD類產品的說明書需披露算法性能評估信息、臨床評價信息，提供用戶培訓方案，開展算法穩定性分析；中國要求輔助決策類產品的說明書需披露算法性能評估信息、臨床評價信息，基于數據的算法還需披露算法訓練信息，根據產品風險水平和用戶專業程度提供用戶培訓方案，從輸入輸出角度開展算法穩定性分析。
4、生存周期質控
生存周期質控與良好機器學習實踐本質相同。各監管機構和國際協調組織均在質量管理體系框架下，結合業界實踐，明確人工智能醫療器械生存周期質控要求或提供相應建議。
美國聯合加拿大、英國發布算法開發十原則提供生存周期質控建議，后續擬制定良好機器學習實踐相關文件；中國明確生產周期質控具體要求，涵蓋需求分析、數據收集、算法設計、驗證與確認、更新控制；新加坡從開發者、使用者角度提供生存周期質控建議，包括設計、實現、測試、使用、監測、評估；AI4H從通用要求、上市前要求、上市后要求3方面提供生存周期質控建議。
5、真實世界監測
人工智能醫療器械上市后部署在真實世界，需要持續監測產品性能，深入評估算法泛化能力。若有不良事件需要及時報告，必要時采取干預措施，特別是持續學習。
在真實世界性能數據評價方面，各監管機構均處于發展初期階段，監管要求大體相當，主要探索利用真實世界數據來評價算法更新等問題，需要考慮數據生成過程、評估指標確定等要求。
6、新技術評價
人工智能新技術評價不僅要考慮當前人工智能醫療器械所用新技術的評價問題，如合成數據、圖像重建和降噪等，而且要根據人工智能新技術在醫療器械的應用趨勢，結合其技術特征考慮評價問題，做好技術儲備，如小樣本、弱標注、非結構化數據等。美國從近期和遠期兩個維度關注新技術發展方向，如持續學習、合成數據、圖像重建與降噪等，但尚未明確要求；中國對集成學習、遷移學習、強化學習、聯邦學習、生成對抗網絡（合成數據）等新技術進行原則性要求，對持續學習有明確要求；新加坡重點關注持續學習、合成數據，并明確相應要求。
持續學習是當前人工智能新技術評價的焦點，從責任方角度可分為制造商控制型和用戶參與型。制造商控制型算法更新完全由制造商控制，從更新頻率上可分為階段更新（算法鎖定）、持續更新，無論何種更新均需制造商再確認，故算法更新通常會提升算法性能指標，責任明確，風險可控。用戶參與型算法更新由制造商和用戶（如醫療機構、患者等）共同控制，存在以下問題：一是用戶參與算法開發，需要承擔制造商的法律責任，制造商和用戶的法律責任不明確；二是算法更新結果存在不確定性，可能會降低算法性能指標，產生相應風險；三是算法更新存在定制化問題，比如同一算法部署在不同醫療機構，由于醫療機構的數據不同，經過相同時長的訓練，不同醫療機構的算法更新結果亦不同，無法保證產品質量一致性。因此，各監管機構當前主要是明確制造商控制型持續學習的監管要求，用戶參與型持續學習的監管要求尚在探索，比如，中國明確用戶參與型持續學習可用于算法訓練，但不得用于醫療實踐；日本草擬了若干提議但尚未實施：醫療機構實施與制造商相同的質量管理體系，提供用戶培訓課程，為算法性能下降提供額外風險控制措施等。
7、重點產品評價
人工智能醫療器械產品種類繁多，不同種類產品特性亦不同，因此需要結合產品特點細化監管要求，尤其是重點產品。目前，全球只有中國發布了產品類規范性文件，包括肺炎CT圖像軟件、肺結節CT圖像軟件、糖尿病視網膜病變眼底圖像軟件3個重點產品。
8、我國監管現狀與發展方向
我國對于人工智能醫療器械監管的框架、原則和要求，在上市前評價、變更控制、信息透明、生存周期質控、真實世界監測、新技術評價等方面與國際監管先進水平基本相當，在重點產品評價方面處于領先水平。
隨著人工智能醫療器械新技術新產品的不斷涌現，我國需要在現有工作基礎上進一步加強人工智能醫療器械監管科學研究。一是持續開展人工智能新技術評價研究，結合技術特征明確監管要求；二是充分利用真實世界性能數據研究算法評估問題，特別是對算法泛化能力；三是深入研究用戶參與型持續學習的監管問題，從法規、倫理、技術等角度明確責任分配原則和相應監管要求；四是結合技術發展趨勢，深入研究算法可解釋性問題。
結合監管科學研究成果，我國需要進一步推進人工智能醫療器械監管工作，以滿足產業發展需要，實現社會共治。一是切實完善法規制訂修訂工作，如引入年度報告制度完善變更控制要求等；二是加速推進人工智能醫療器械指導原則體系構建工作，從技術、產品兩個維度持續開展指導原則和審評要點制訂修訂工作；三是基于人工智能醫療器械創新合作平臺（www.aimd.org.cn），充分協調監管科學研究基地、重點實驗室等外部資源，進一步提高監管能力和水平；四是積極參與人工智能醫療器械國際監管協調工作，包括但不限于IMDRF、GHWP、AI4H等國際協調組織，努力提升國際影響力和話語權。
來源：彭亮,劉梟寅,張宇晶等.人工智能醫療器械國際監管比較研究[J].中國數字醫學,2023,18(05):1-7.
