近年来，人工智能技术在医疗器械领域的应用快速推进，为疾病诊断、慢性病监测与管理提供了便捷、高效的技术手段。人工智能医疗器械的注册审批是决定该技术能否产品化、获得市场准入并进行规模化临床应用的前提条件。不同于传统医疗器械，人工智能医疗器械具有可“学习”特性，可以通过真实世界临床数据的输入不断训练以优化软件性能，也就是说，如果不锁定产品学习功能，产品的性能将随着使用而发生变化，这一特性也成为困扰人工智能审评审批和上市后监管的主要挑战。

　　放眼全球，美国是第一个对作为医疗器械的医疗人工智能产品进行审批的国家，首个人工智能医疗器械于2017年获得美国食品药品监督管理局（FDA）审批上市。此后，美国一方面继续通过基于风险分级的常规医疗器械审批途径对人工智能医疗器械进行上市审查，另一方面致力于探索创新的审评模式，以实现在保证安全性与有效性的基础上，允许人工智能医疗器械在一定程度上进行“学习”与“进化”。

　　2021年1月，FDA 发布《基于人工智能/机器学习的医疗器械软件行动计划》（以下简称《行动计划》），《行动计划》是在其2019年4月发布的《人工智能医疗器械独立软件修正监管框架（讨论稿）》（以下简称《监管框架（讨论稿）》）的基础上，经过建议收集和广泛研讨后提出的工作计划文件，回应业界关注的焦点问题的同时，也对未来一段时间内FDA将在人工智能医疗器械监管方面开展的具体行动做出说明。《行动计划》主要包括以下五项内容。

　　1. 人工智能医疗器械软件定制管理框架

　　此前FDA在《监管框架（讨论稿）》中提出过一种在不影响产品上市后安全性和有效性的基础上，允许其在进行一定程度“改变”而不需要重新审批的管理思路框架，前提是在产品申报时，就对医疗器械可能发生哪些方面的改变和发生改变后如何在算法上继续保证安全性和有效性进行说明。《监管框架（讨论稿）》发布后，相关人员对这一框架表现出高度关注，对此框架适用的“改变”类型和需要额外提交的材料等问题展开提问和讨论。目前，该预审批框架还未正式实施，FDA计划在2021年发布指导性文件——《预定变更控制计划指南草案（Draft Guidance on the Predetermined Change Control Plan）》，对框架的细节进行明确。

　　2. 良好机器学习质量管理规范（GMLP）

　　在《监管框架（讨论稿）》中，FDA提出良好机器学习质量管理规范（Good Machine Learning Practice, GMLP）的概念，包括数据管理、特征提取、训练、评估和储存等一系列最佳实践，同样受到了业界的广泛关注。业界肯定了GMLP的重要性和总体理念，并希望FDA可以通过标准共识和其他团体倡议，促进GMLP的协调发展。FDA在《行动计划》中提出将在下一阶段的工作中，与电气和电子工程师学会（IEEE）、国际标准化组织等多个机构的人工智能工作组开展合作，对GMLP中将包括的机器学习标准、最佳实践等内容进行规划，旨在指导产业与产品发展的同时，通过标准和规范约束生产商，促进此类复杂医疗器械的监管。

　　3. 以患者为中心提高产品透明性

　　人工智能医疗器械涉及算法和数据使用等问题，产品可进行学习并发生改变，所以产品的透明性受到用户关注。FDA在近两年中收到大量来自相关人员针对人工智能医疗器械标签（Labeling）写法的询问和建议，并提出在标签中清楚解释用于训练算法的数据、输入和产出数据、逻辑运算、产品表现证据等内容具有一定难度。FDA认为让用户了解人工智能医疗器械的功能，理解器械的利益、风险和局限性十分必要，它将有助于提高用户对产品和技术的信任程度。下一步，FDA将组织研讨会，指导企业通过医疗器械标签提高器械对用户的透明度，对企业产品标签中应包含哪些信息提出建议，并通过制定标准和推进以患者为中心的项目，促进人工智能医疗器械对用户透明性的提升。

　　4. 针对算法偏差和鲁棒性的监管科学方法

　　由于人工智能医疗器械系统通过既往医疗数据进行训练，而医疗数据的收集容易受到种族、伦理和患者经济水平影响而产生偏差，影响算法的准确性。FDA将通过与其监管科学和创新卓越中心（CERSI）、加州大学、斯坦福大学等行业领先学术机构进行合作，就消除算法偏差、提高鲁棒性和弹性以抵抗变化的临床数据输入对算法影响等方面的方法进行研究，提高监管科学和人工智能产品评价能力。

　　5. 真实世界性能（RWP）

　　人工智能医疗器械在真实世界的性能表现是企业关注的重要问题，器械的全生命周期（TPLC）监管是FDA管理此类器械的主要思路。产品在真实世界使用中的数据收集有助于企业更好地了解产品性能并对其进行提升，提早发现产品风险和使用时的问题，以降低产品风险，同时还可以对产品申请材料中的收益--风险评价提供数据支撑。下一阶段，FDA将与有意愿的企业合作，开展器械真实世界性能监测，开发监测框架，用于收集产品真实世界性能数据，确定模型和参数。

　　此外，《行动计划》还介绍了2020年2月FDA通过从头开始（De Novo）途径批准上市的一款人工智能心脏超声诊断软件。这个软件与之前在美国上市的其他人工智能超声软件不同，这是FDA批准的第一个可以指导用户进行超声影像获取的人工智能软件。该软件可以通过机器学习训练，区别可接受与不可接受的超声扫描图像，可快速捕捉高质量的超声影像，使经过培训的护士等非专业人员通过该软件获得与超声影像专业人员相似质量水平的影像图像。该软件的上市也标志着人工智能软件在提高诊断的可及性与有效性上又迈进了一步。

　　目前，《行动计划》主要针对的医疗器械是人工智能独立软件（SaMD），但FDA也表示该计划提出的审评思路或将用在搭载人工智能软件的医疗器械（SiMD）等类型的器械审评中。

（作者单位：中国医学科学院医学信息研究所）

(责任编辑：何璇)