FDA拟按“临床能力”审评生成式AI医疗器械

当一台医疗器械内置的大模型能像医生一样“输出诊疗建议”，监管者该如何为它把关？美国食品药品监督管理局（FDA）于8月18日发布了一份讨论稿，首次系统提出对生成式AI医疗器械的监管思路，其中最引人关注的一条是：用“能力本位”的方式审评——也就是像考核临床医生那样，给AI医疗器械“考证”。意见征询期截至10月19日。

生成式AI医疗器械，为何让FDA头疼

传统的软件医疗器械输入输出相对固定，审查逻辑可以预判。而生成式AI医疗器械可能接收开放式输入、一次执行多个子任务，并对相似输入给出不固定输出；很多还基于第三方开发的基础大模型，其训练数据、架构与评估方法对持证方并不完全透明。这份讨论稿由FDA器械与放射卫生中心（CDRH）下属的数字健康卓越中心（DHCoE）主导。

幻觉/胡编乱造（confabulation）：AI 输出看似可信却可能是错的，患者或医生难以察觉；

预期用途边界模糊：器械“能干什么”本身变得不确定；

性能漂移：在测试环境与真实世界应用中表现可能持续衰减。

“患者和临床医生理应拥有一个跟得上数字健康技术快速创新的监管方式。”——CDRH主任 Michelle Tarver

双轴风险框架：器械自主性 × 危害严重度

讨论稿提出一个用于评估风险的双轴框架：一轴是器械行为的“自由度和独立性”，从只提供非指令性信息，到引导用户采取某动作，再到自主下医嘱等实际行动；另一轴是输出错误时可能造成的危害严重度。越靠近“自主行动 + 高后果”，监管强度越高。

值得注意的是，讨论稿认为直接面向患者的生成式AI功能，风险可能高于面向医务人员的版本——因为患者缺乏领域知识，更难识别AI给出的错误输出，出错后的连锁风险也更大。

“能力本位”审评：给AI考证

在上市前审评上，FDA 提出“能力本位”思路，宏观上借鉴了人类临床医生的考核与执业认证方式，并适配医疗器械监管的技术、实操与法律要求。它由两部分组成：

非临床基准测试（device benchmarking）：评估器械是否具备临床知识、分析能力、安全行为、沟通质量以及在相关输入与人群上的泛化能力；

临床确证（clinical confirmation）：在真实或临床代表性条件下验证器械是否按预期运行，但并非每种情况都强制做前瞻性临床试验，具体取决于预期用途与风险等级。

FDA 特别强调，测试针对的是“最终面向用户的整体器械”，而不是底层的某个基础模型或孤立组件。测试可采用评分量表与专家仲裁等方式。

上市后监测与“基础模型主文件”

生成式AI医疗器械会随底层模型、提示词或组件的变动而“进化”，因此讨论稿给出了多种风险成比例的上市后监测思路：周期性按阈值重新基准测试、抽样请临床医生审阅真实世界交互、以及监测性能退化与漂移。

针对“第三方基础模型不透明”这一核心痛点，FDA 设想建立一个自愿的“基础模型器械主文件”（Foundation Model Device Master File）：让第三方在保密前提下向 FDA 提供模型细节，但并不等于“授权”该模型本身，器械持证方仍需对安全性与有效性负全责。

对中国医疗器械企业的启示

对中国出海与研发企业而言，这份讨论稿释放了一个清晰信号：生成式AI医疗器械的监管正从“看输入输出”转向“看能力与全生命周期”。即便目前只是讨论稿、不代表最终法规，提前储备“可解释、可基准测试、可监测漂移”的临床评价能力，将是在FDA审评中占得先机的关键。国内NMPA对AI医疗器械已批准约140余款产品、并配套发布多项指导原则，两国在“算法+临床”双层审评上思路正趋同。

💡

一句话总结：FDA 想把生成式AI医疗器械当成“会看病的考生”来考核——先考临床知识，再看真实表现，上市后还要持续回访。对既懂临床又懂AI的研发团队，这是挑战，也是建立可信壁垒的机会。