推荐课程

FDA认证辅导-FDA机器学习良好实践（GMLP）与AI医疗算法风险管控探析

发布时间：2026-08-20 文章来源：NMPA 阅读人数29

FDA 2021版AI/ML医疗独立软件行动计划及全生命周期监管体系研究

摘要

针对人工智能/机器学习（AI/ML）医疗独立软件可自主迭代、动态更新、黑盒算法的技术特性，传统医疗器械静态监管模式难以适配其产品演化规律。美国FDA基于2019年AI/ML软件监管框架草案的公众反馈，于2021年1月正式发布《AI/ML独立软件行动计划》，构建适配智能医疗软件的动态、全生命周期监管体系。本文系统拆解该计划五大核心实施路径，涵盖定制化监管框架、机器学习良好实践建设、患者中心透明化监管、算法监管科学研究、真实世界性能监测，剖析各项机制的监管逻辑与落地要点，为国内智能医疗软件合规研发、注册申报及监管体系优化提供国际参考依据。

一、政策背景

AI/ML医疗独立软件作为创新型软件即医疗器械（SaMD），具备持续自主学习、算法动态迭代、性能随数据更新演变的核心特征，区别于传统固定参数医疗器械，存在更新频次高、算法偏差风险隐蔽、临床性能动态变化等监管难点。为破解传统静态审批模式无法适配智能软件迭代更新的行业痛点，FDA于2019年4月发布《AI/ML独立软件更新监管框架草案》，面向全社会征集合规优化意见。结合行业反馈与审评实践积累，FDA迭代完善监管逻辑，在2021年1月正式发布专项行动计划，确立五大核心监管目标，形成适配AI/ML医疗软件的专业化、动态化、全链条监管体系，同时逐步将监管规则延伸至AI/ML医疗软件组件，实现智能医疗器械全域监管覆盖。

二、定制化AI/ML独立软件动态监管框架

为适配AI/ML软件持续迭代更新的特性，FDA摒弃传统单次审批、静态监管模式，搭建专属动态监管框架，核心依托“预定变更控制计划”实现软件更新的合规管控。该机制细化拆解为软件更新预期规范（SPS）与算法变更方案（ACP）两大核心模块：SPS明确制造商预设的软件迭代更新规格、范围与边界，界定合法更新维度；ACP制定对应的风险控制策略，针对预设更新场景建立标准化风险防控、验证确认流程，保障迭代更新过程安全可控。

结合公众反馈意见与临床审评经验，FDA持续细化SPS与ACP的技术细则、文档要求与风险分级标准，并配套发布专项指南草案公开征求意见，形成“预设规范+风险管控”的动态变更监管模式，兼顾产品创新迭代效率与临床使用安全性。

三、构建医疗器械良好机器学习实践（GMLP）体系

FDA明确良好机器学习实践（GMLP）是保障AI/ML医疗软件安全有效性的核心基础，依托国际标准化组织搭建行业共识规范。FDA深度参与IEEE、ISO/IEC、AAMI、BSI、IMDRF等国际权威机构的AI医疗专项工作组，主导、参与GMLP规则的研讨与制定，推动全球智能医疗软件研发、验证、质控标准协同统一。

同时，FDA将GMLP体系与医疗器械网络安全监管机制深度融合，在算法合规、模型迭代、数据安全、漏洞防控等维度形成双重管控，同步满足机器学习质量规范与医疗设备网络安全合规要求，补齐智能软件数据安全与算法合规的监管短板。

四、患者中心导向的信息透明化监管机制

AI/ML医疗软件普遍存在算法黑盒、迭代过程不透明、性能边界模糊等问题，易导致医患认知偏差、临床使用风险隐患。FDA坚持以患者为中心的监管理念，将信息透明化作为核心监管抓手，保障医患知情权与使用权。FDA于2020年10月召开患者参与咨询委员会（PEAC）专题会议，聚焦AI/ML软件信息披露、临床风险告知、算法透明度等核心议题开展研讨。

在此基础上，FDA计划召开公开研讨会，进一步明确产品说明书、标签的信息披露规范，细化产品获益、临床风险、适用边界、算法局限性等披露内容，建立标准化信息透明监管规则，引导临床合理应用AI医疗软件，降低使用风险。

五、AI/ML算法监管科学与风险防控研究

AI/ML算法依托历史医疗数据训练成型，易受种族、人群、地域、社会经济因素干扰，产生算法偏倚，同时临床场景变化易导致算法健壮性下降、模型失效，是智能医疗软件的核心风险点。为精准管控算法风险，FDA布局专项监管科学研究，联合加州大学旧金山分校、斯坦福大学、约翰·霍普金斯大学等顶尖科研机构，搭建产学研协同研究体系。

重点研发算法偏差识别、量化评估、消除矫正技术，建立算法健壮性、场景适配性、稳定性的标准化评价方法，构建完善的AI医疗算法风险评估体系，从技术层面筑牢产品安全有效性根基。

六、全生命周期真实世界性能监测体系

FDA确立AI/ML医疗软件全生命周期监管理念，将真实世界数据作为产品迭代、风险评估、性能验证的核心依据。当前行业对真实世界数据的应用标准、评估指标、判定逻辑尚未统一，是智能医疗监管的重点与难点。

为此，FDA联动全行业利益相关方组建真实世界性能监测哨点体系，依托官方真实世界数据项目，持续研究明确AI/ML软件真实世界数据的采集规范、生成逻辑、核心评估参数、性能判定指标，形成标准化的上市后性能监测与更新评估机制，实现产品上市后迭代更新的可监测、可追溯、可管控。

七、结语

FDA 2021年AI/ML独立软件行动计划构建了“动态变更监管、标准化研发实践、透明化临床应用、科学化算法评估、全周期真实世界监测”五位一体的智能医疗软件监管体系，精准适配AI医疗产品动态迭代的技术特性。该计划打破传统静态监管局限，兼顾创新发展与风险管控，为全球AI医疗医疗器械监管提供了标杆范式，也为我国智能医疗软件产业合规发展、监管体系升级提供了重要的借鉴参考。

上一篇：已是第一篇

下一篇：已是最后一篇