引言：FDA 对 AI 说“不能再当黑箱了”
近日，美国 FDA 发布重磅指南草案——《AI-Enabled Device Software Functions: Lifecycle Management and Marketing Submission Recommendations》（《AI 医疗器械软件功能：全生命周期管理与上市申报建议》）。
这份指南被视为 2021 年 FDA AI/ML 行动计划的“升级版”。它不再局限于原则性框架，而是首次全面、系统地对 AI 医疗器械从设计开发到上市后监测的全生命周期提出了具体要求。
指南的核心精神明确："AI 医疗器械不能再是‘黑箱’——企业必须向 FDA 阐明算法决策逻辑、训练数据来源以及上市后持续监控方案。”
尤为关键的是，该草案的公众意见征集将于 2026 年 8 月 5 日截止。这意味着所有受影响的企业，尤其是计划进行 FDA 注册的中国 AI 医疗器械企业，必须立即采取行动。
一、谁会受到影响？
简而言之，几乎所有含 AI/ML 组件的医疗器械制造商均受此指南约束。该指南适用于包含"AI-Enabled Device Software Functions (AI-DSF)"的所有器械，覆盖范围包括：
- SaMD（软件即医疗器械）：如 AI 辅助诊断影像软件、AI 病理分析软件；
- SiMD（医疗器械中的软件）：如含自适应算法的植入式器械、智能胰岛素泵；
- 所有上市审评路径：包括 510(k)、De Novo、PMA、HDE、BLA；
- 新申报和已批准器械的 AI 组件变更。
值得注意的是，FDA 正式将术语从"Machine Learning-Enabled Device Software Functions (ML-DSF)"扩展为"AI-Enabled Device Software Functions (AI-DSF)"。这一变化反映了监管视野的扩大：不仅涵盖传统机器学习，生成式 AI、深度学习、强化学习等新兴技术路线也被纳入监管范畴。
二、四大核心要求深度解读
这份指南在四个关键领域提出了前所未有的具体要求：
1. 算法透明度：告别“黑箱”时代
FDA 明确要求制造商在上市申报中提供：
- AI 模型的类型、架构和工作原理描述（不再接受“算法是商业机密”的说辞）；
- 模型的输入、输出和决策逻辑说明；
- 是否具备“持续学习（Continuous Learning）”功能。若 AI 会根据新数据自动调整，必须详细说明调整机制、触发条件和安全边界；
- 为临床用户提供清晰、可理解的标签说明，解释 AI 得出结论的依据。
实操影响：对于使用深度学习“黑箱模型”的企业，这意味着必须增加“可解释性（Explainability）”设计。这不仅是文档工作，更是产品设计决策，介入越早，合规成本越低。
2. 数据溯源（Data Provenance）：训练数据经得起审查吗？
FDA 将数据管理提升至前所未有的高度，要求制造商提供完整的数据管理文档，具体包括：
- 数据采集：训练/验证/测试数据集的来源及数量；
- 数据人口学构成：训练数据是否涵盖足够多元化的人群（年龄、性别、种族、地域），这是消除算法偏差的关键；
- 数据清洗和预处理：异常值、缺失值的处理方式；
- 数据标注：标注人员资质、标准及质量控制流程；
- 数据集独立性：训练集和验证集的隔离情况。
中国企业特别注意：若 AI 模型主要基于中国人群数据训练而目标市场是美国，FDA 审评员将重点关注训练数据是否具备美国人群代表性。“数据偏差”已成为 AI 器械审评中被要求补充资料（AI, Additional Information）的主要原因之一。
3. AI 特定风险管理：传统 ISO 14971 不够用了
指南指出，传统的医疗器械风险管理框架（ISO 14971）虽仍适用，但对 AI 器械而言远远不够。制造商需额外评估以下 AI 独有风险：
- 算法漂移（Algorithm Drift）：真实世界部署后，因输入数据分布变化（如新 CT 设备、不同扫描参数）导致模型性能下降；
- 训练数据偏差（Training Data Bias）：未充分代表的人群面临更高误诊风险；
- 网络安全威胁：恶意攻击改变底层数据分布导致性能退化；
- 过拟合风险：模型在训练集表现优异但泛化能力不足。
FDA 引用了 AAMI CR 34971（ISO 14971 在 AI/ML 中的应用指南），建议制造商参照使用。目前 ISO TC210 技术委员会正将其升级为国际标准 ISO TIR 24971-1。
4. 真实世界性能监测：上市不是终点，而是起点
这对中国出海企业影响深远。FDA 要求制造商：
- 在上市申报中即提交上市后性能监测计划，而非“上市后再想”；
- 明确监测指标：如 AUROC、灵敏度、特异度、阳性/阴性预测值、校准漂移率等；
- 明确数据来源：来自注册登记研究、电子病历还是其他真实世界数据；
- 明确报告频率：评估周期及发现性能退化时的处置方案；
- 利用真实世界数据（RWD）作为持续性能验证和风险缓解策略。
与 PCCP 的联动：本指南与 FDA 于 2024 年 12 月定稿的预定变更控制计划（PCCP）指南形成互补。PCCP 允许预先定义可接受的 AI 模型更新范围，获批后无需重新提交上市申请。两份文件共同构成了 FDA 对 AI 器械“从设计到退市”的完整监管拼图。
三、全球横向对比：FDA vs NMPA vs 韩国 MFDS
FDA 并非唯一收紧 AI 医疗器械监管的机构。中国 NMPA 和韩国 MFDS 近期也密集出台政策，三大市场正形成各具特色的监管体系：
FDA（美国）
- 监管路径：现有 510(k)/De Novo/PMA 路径，叠加 AI 全生命周期指南草案和 PCCP 指南；
- 核心特色：“全产品生命周期（TPLC）”方法论，强调算法透明度和数据溯源；
- AI 器械数量：截至 2025 年底已授权 1,451 个 AI/ML 医疗器械，放射影像占 76%；
- 最新进展：全生命周期管理指南草案发布，意见征集截止 2026 年 8 月 5 日。
NMPA（中国）
- 监管路径：现有 II 类/III 类医疗器械注册路径，配套 AI 专项指导原则；
- 核心特色：发布多项细分指南（眼科、超声、病理 AI 等），走“逐个场景突破”路线；
- 最新进展：2026 年 3 月发布新版软件风险管理标准 YY/T 1406—2026，将功能安全和网络安全纳入统一框架；6 月 30 日发布全球首个脑机接口（BCI）分类指导原则；
- 特别动向：发布"AI+ 药品监管”实施意见，不仅管 AI 器械，更用 AI 技术辅助审评。
MFDS（韩国）
- 监管路径：2025 年 1 月 24 日起施行《数字医疗产品法》（DMPA），建立独立法律体系；
- 核心特色：全球首个为数字医疗产品设立独立立法的国家，三大产品类别各有审评路径；
- 双法叠加：2026 年 1 月 22 日《AI 基本法》生效，医疗 AI 被列为“高影响 AI"，需满足额外风险管理及人类监督协议；
- 亮点：引入 PCCP 制度和“优秀治理体系认证”，通过认证企业可享受类似监管沙盒的“先使用后评价”路径。
三大市场路径虽异，但趋势高度一致：要求算法透明度、关注数据质量与公平性、实施全生命周期管理、并为 AI 迭代更新开辟合规通道。
四、中国 AI 出海企业的 GAP 分析指南
距意见征集截止仅剩 21 天，即使产品尚未准备好提交申请，企业也应立即启动以下“五步走”：
第一步：对照指南做 GAP 分析
逐项对照指南四大核心要求检查现有文档和质量管理体系。重点确认：设计文档是否有完整的 AI 模型描述？训练数据管理是否符合溯源要求？风险管理文件是否涵盖算法漂移等特有风险？
第二步：评估 QMSR 合规状态
自 2026 年 2 月 2 日起，FDA 已从 QSR 过渡到 QMSR（质量管理体系法规），与 ISO 13485:2016 全面对齐。若 QMS 尚未更新，需优先解决，因为 AI 指南的许多要求建立在 QMSR 合规基础之上。
第三步：评估训练数据集的多样性和代表性
若产品面向美国市场但训练数据主要来自中国，需立即规划如何补充美国人群数据或进行跨人群验证。解决数据偏差问题耗时较长，需提前布局。
第四步：提前规划上市后性能监测方案
必须在技术文档中包含具体的监测计划：明确监测指标、数据来源、评估频率及性能下降时的处置措施。
第五步：考虑提交公众意见
FDA 正征求关于 AI 生命周期管理、生成式 AI 监管、性能监测方法及用户信息提供的反馈。提交有价值的意见不仅能塑造最终法规，也是展示企业专业性和合作态度的良机。
提示：尽管目前仅为“草案”，但 FDA 审评员已在参照其评审 AI 器械。业内分析指出，该指南被列入 CDRH"B 类清单”，最终版本可能至 2028 年定稿。但“草案阶段”绝不等于“不用管”，越早按草案要求准备，正式法规出台时的合规差距越小。
五、关键数字一览
- 1,451 个：截至 2025 年底 FDA 已授权的 AI/ML 医疗器械累计总数；
- 76%：放射影像类 AI 器械占比（约 1,104 个），心血管类排第二；
- 295 个：2025 年全年 FDA 新批准的 AI/ML 器械数量（历史新高，2015 年仅 6 个）；
- 2026 年 8 月 5 日：公众意见征集截止日期；
- $26,067：FY2026 标准 510(k) 用户费（小企业减免后$6,517）。
六、行业观点
作为深耕全球医疗器械注册的专业机构，我们认为这份指南标志着 AI 医疗器械监管从“原则层”正式进入“操作层”。
对于中国出海企业而言，这既是挑战也是机遇：
- 挑战：合规成本上升。算法透明度、数据溯源、上市后监测均需专项投入，特别是数据多样性和跨人群验证可能需要在海外开展额外的临床或性能验证研究。
- 机遇：门槛提高意味着竞争格局改善。真正重视合规、愿意在数据质量和风险管理上持续投入的企业，将在审评效率和市场信任度上获得显著竞争优势。
相关企业可提供 AI 器械 GAP 分析、FDA 注册策略规划和 PCCP 制定等全流程服务，助力企业从容应对新规。
参考来源
- FDA 官方指南草案页面：FDA - AI-Enabled Device Software Functions Guidance
- www.fda.gov/regulatory-information/search-fda-guidance-documents/artificial-intelligence-enabled-device-software-functions-lifecycle-management-and-marketing