近年来，为了满足对更加智能的设备和机器人、可穿戴技术、基于人工智能的数据分析以及加强型平台和模拟等的需求，医疗行业的数字化进程加快。这种数字化使得人们对人工智能（AI）和机器学习（ML）技术与医疗器械的结合更感兴趣。

在过去的十年里，美国食品药品监督管理局（FDA）利用其上市前通告（(k)）、denovo分类和上市前许可（PMA）程序，审核并授权了越来越多的具有人工智能/机器学习功能的器械，涵盖许多不同的治疗类别。这一趋势预计将继续下去。此外，人工智能和机器学习技术可用于支持医疗器械和其他FDA监管产品的研究、开发和/或生产。当用于医疗或其他医疗保健相关的目的时，这些技术很可能受到FDA法规、政策和指南的约束。

在本系列文章的第1部分，我们讨论了现有的FDA计划和最近发布的指南（这些计划和指南影响了拟用于医疗保健的人工智能/机器学习技术），以及美国食品药品监督管理局财政年度优先事项清单。在第2部分，我们将研究人工智能/机器学习的补偿框架，以及医疗器械行业未来面临的一些挑战。

一、现有的影响人工智能/机器学习技术的FDA计划

FDA对人工智能/机器学习软件的监管持续增强，FDA器械和放射健康中心（CDRH）编制维护的在线清单证实了这一点。该清单中的医疗器械采用了FDA器械和放射健康中心已批准或认可的人工智能/机器学习技术。该名单目前囊括多个器械，其中绝大多数是通过(k)程序批准的，同时还有一些denovo申请和PMA申请。从FDA的审查部门来看，绝大多数器械属于放射科，其次是心血管科、血液科和神经科。

然而，FDA/CDRH对人工智能/机器学习技术的监管重点超出了上市前审查的范围，由FDA器械和放射健康中心下属的数字健康卓越中心（DHCoE）主导进行。数字健康卓越中心于年9月20日启动，其主要目的是促进负责任、高质量的数字健康创新。中心的三个主要目标是：制定和发布指南文件，增加数字健康工作人员的数量并提升他们的专业知识，以及发展软件预认证试点。

年1月12日，FDA发布了第一个基于人工智能/机器学习的医疗器械独立软件（SaMD）的行动计划，详细说明了多方面的方法，来推进FDA对基于人工智能/机器学习的医疗软件的监管。其从年4月的讨论文件《关于修改基于人工智能/机器学习的医疗器械独立软件的拟议监管框架》中收到了利益相关者的反馈，该行动计划对这些反馈作出了回应。五要点SaMD行动计划概述如下：进一步发展拟议的监管框架，包括通过发布关于预定变更控制计划的指南草案；鼓励统一的良好机器学习实践，来评估和改进机器学习算法；促进以患者为中心的方法，包括为用户提供设备透明度；支持监管科学；以及推进真实世界的性能监测试点。

年10月，美国食品药品监督管理局、加拿大卫生部和英国药品和保健产品监管局（MHRA）联合确定了10项指导原则，这些原则可以启发医疗器械良好机器学习实践的发展以及帮助促进人工智能和机器学习的安全、有效和高质量使用。

二、近期发布的影响人工智能/机器学习的指南文件

FDA器械和放射健康中心（CDRH）仍然积极颁布影响人工智能/机器学习技术的指南文件，包括最近发布的以下指南。

临床决策支持软件-最终指南（年9月28日）：与先前于年9月发布的指南草案相比，这份期待已久的最终指南有了重大且更保守的转变，可能会给人工智能/机器学习技术的开发者带来挑战。在这份指南中，FDA解释了《联邦食品、药品和化妆品法》规定的临床决策支持（CDS）软件功能的法定豁免条款。符合法规中规定的四项标准的软件将被豁免于FDA的相关医疗设备监管要求。基于FDA对这四项标准的解释，如最终指南中所述，将会使软件开发商在将其软件产品（包括人工智能/机器学习软件）纳入临床决策支持豁免范围时面临更大的挑战。此外，与之前的指南草案不同，最终指南不包括任何针对不完全满足四项法定标准的软件的拟议自行裁量政策。

针对生产和质量体系软件的计算机软件保证-指南草案（年9月13日）：这份新的指南草案针对用于医疗器械生产或质量的软件和自动化系统提出了“计算机软件保证”的建议。该指南将“计算机软件保证”描述为一种基于风险的方法，建立对生产或质量体系自动化的信心，并确定在哪些方面可能需要更严格的要求。该指南进一步描述了各种方法和测试活动，以建立“计算机软件保证”并确保符合质量体系法规和其他监管要求。

医疗器械的网络安全：质量体系考虑事项和上市前递交内容-指南草案（年4月8日）：这份新的指南草案将取代年的最终指南《关于医疗器械网络安全管理的上市前递交内容》。这是FDA对原先草案的第二次尝试，之前的指南草案是在年发布的，当时受到了严重的批评。这份新指南草案包括与安全产品框架的使用保持一致的变化、风险等级的删除（来自先前的草案）、用软件物料清单取代网络安全物料清单、在整个指导草案中对上市前递交文件的要求进行另外的说明、在范围中增加研究器械的豁免条款。该指南还明确指出，网络安全是FDA质量体系法规（QSR）设计控制要求的一部分。

临床研究中用于远程数据采集的数字健康技术-指南草案（年1月21日）：该指南草案描述了在临床研究中使用数字健康技术时的注意事项，适用于所有类型的使用数字健康技术进行远程数据采集的临床研究（无论研究是针对药物、生物制品还是器械产品）。

评估医疗器械申请中的计算建模和模拟的可信度-指南草案（年12月23日）：这份新的指南草案提出了一个拟议的九步骤程序，评估用于支持医疗器械上市前递交的计算建模和模拟的可信度。计算建模和模拟可以通过各种方式用于医疗器械监管申报，如支持计算机模拟器械测试，作为器械开发工具，或在器械中作为医疗器械独立软件（SaMD）或医疗器械嵌入式软件（SiMD）。

三、年的法规趋势

在年底，FDA器械和放射健康中心公布了计划在财政年度发布的年度指南文件清单（称为A清单和B清单，A清单包含优先级更高的项目）。下面列出了该清单中最有可能影响人工智能/机器学习技术的指南文件优先事项：

A清单

医疗器械的网络安全：质量体系考虑事项和上市前递交内容（最终版）

有关器械软件功能的上市前递交内容（最终版）

属于冠状病毒病（COVID-19）公共卫生紧急状态期间发布的强制政策范围内的医疗器械的过渡计划（最终版）

针对在冠状病毒病（COVID-19）公共卫生紧急状态期间获得紧急使用授权（EUA）的医疗器械的过渡计划（最终版）

B清单

上市申请建议（草案）：针对具有人工智能/机器学习功能的器械软件功能的变更控制方案

根据紧急使用授权（EUA）或FDA描述强制政策的许多新冠相关的指南文件，为大流行病相关用途上市的具有人工智能/机器学习功能的器械也即将发生变化。如上所述，FDA器械和放射健康中心的A清单包括其先前发布的关于此类器械过渡计划的指南文件草案的最终确定版本。根据指南文件草案，FDA建议对紧急使用授权或新冠相关的强制政策所涵盖的器械实行天的三阶段过渡期。最终的指南文件预计将在今年发布。