2022年3月9日，美国食品药品监督管理局CMDE发布《人工智能医疗器械注册审查指导原则》。本指导原则适用于人工智能医疗器械的注册和申报，包括第二、三类人工智能独立软件和含有人工智能软件组件的医疗器械(包括体外诊断器械)。适用于自研软件的注册和申报，现成软件组件参照执行，不适用于外部软件环境。也可作为人工智能医疗器械系统验证的参考。如果质量管理软件采用人工智能技术实现其功能或用途，也可以参照本导则的适用要求。

　　从上面可以看出，这个指导原则只是针对软件部分，对于硬件部分，要按照常规的医疗器械产品进行研究、生产和质量控制。

　　1.人工智能医疗设备的定义

　　人工智能医疗器械是指基于“医疗器械数据”，利用人工智能技术实现其预定用途(即医疗用途)的医疗器械。

　　医疗器械数据是指医疗器械产生的用于医疗用途的客观数据，如医学影像设备产生的医学影像数据(如x光、CT、MRI、超声、内窥镜、光学等图像)，医疗电子设备产生的生理参数数据(如心电、脑电、血压、无创血糖、心音等波形数据)，体外诊断设备产生的体外诊断数据(如病理图像、显微图像、有创血糖等)。在特殊情况下，一般设备(非监管对象)产生的医疗用客观数据也属于医疗器械数据，如用于皮肤病诊断的数码相机拍摄的皮肤照片、用于心脏病预警的健康电子产品采集的心电数据等。基于医疗器械数据，包括医疗器械数据的生成和使用，包括单独使用医疗器械数据或联合使用非医疗器械数据(如患者投诉信息、检验报告结论、电子病历、医学文献等。).

　　可见，基于非医疗器械数据的医疗人工智能产品，或者利用人工智能技术实现非医疗用途和非医疗器械功能的医疗器械，都不是人工智能医疗器械。因此，医疗相关的人工智能产品是否按照医疗器械进行管理，应根据相应的分类和定义指导原则进行判断，必要时申请医疗器械分类和定义。

　　2.人工智能医疗设备的风险管理

　　《指导原则》中涉及的人工智能医疗器械只是软件部分，所以下面只讨论软件部分的风险管理。人工智能医疗器械软件的风险等级也可以用软件安全等级来表示。软件安全级别越高，其生命周期的质量控制要求越严格，注册和申请材料越详细。同时，由于新型的潜在未知风险比成熟型多，需要结合成熟度综合考虑。人工智能医疗器械软件安全等级的判定依据：基于产品的预期用途、使用场景和核心功能进行综合判定，其中预期用途主要考虑使用类型、重要性、紧急程度等因素；使用场景主要考虑使用场景、疾病特点、适用人群、目标用户等因素；核心函数主要考虑函数类型、核心算法、输入输出、接口等因素。也可以根据风险管理确定的风险等级来判断。软件安全级别和风险级别的分类可以不同，但两者之间存在对应关系。因此，可以根据风险等级来判断软件的安全级别，但要在采取风险控制措施之前进行判断。

　　人工智能医疗器械的主要风险：

　　从算法的角度来说，包括过拟合和欠拟合，其中过拟合是指算法对训练数据进行过学习，将非普遍规律作为重要特征，而欠拟合是指算法由于对训练数据学习不足而遗漏重要特征，会降低算法的泛化能力。

　　从使用角度来看，辅助决策主要包括假阴性和假阳性，其中假阴性为漏诊，可能导致后续诊疗活动的延误，尤其应考虑快速发展疾病的诊疗活动延误的风险，而假阳性为误诊，可能导致不必要的后续诊疗活动；非辅助决策根据算法设计的目标能否达到，可以分为假阴性和假阳性。

　　此外，人工智能医疗器械的进口还需要考虑中外差异的风险，如民族差异、流行病学特征、临床诊疗规范等差异。

　　3.人工智能软件开发过程与常规软件的主要区别

　　需求分析

　　除了与常规软件相同的需求，即面向用户和面向风险，结合产品的预期用途、使用场景和核心功能，法规、标准、用户、产品、数据、功能、性能、接口、用户界面、网络安全、告警和提示等方面的要求。数据收集的要求、算法性能、使用限制等。也应该被考虑在内。

　　(2)数据库建设

　　数据采集基于合规性要求，主要考虑数据采集、数据整理、数据标注、数据集构建等活动的质量控制要求，以保证数据质量和算法训练效果。

　　数据采集应考虑采集设备、采集过程、数据脱敏等质量控制要求，建立数据采集操作规范。历史数据也可用于数据收集，应结合样本量、收集难度等影响因素合理选择数据收集方法。如果适用，数据收集应得到伦理委员会的批准。

　　数据整理以原始数据库为基础，考虑数据清洗和数据预处理的质量控制要求。数据清洗要明确清洗规则、方法和结果，数据预处理要明确处理方法(如滤波、增强、重采样、大小切割、均匀化等。)和结果。用于数据整理的软件工具(含脚本，下同)应明确名称、型号规格、完整版本、生产厂家和运行环境，并确认软件。数据标注作为监督学习数据质量控制的关键环节，需要建立数据标注操作规范，明确标注资源管理、标注过程质量控制、标注质量评估等要求。

　　基于标记数据库建立训练集(用于算法训练)、调优集1(用于算法超参数调优，如果有)和测试集(用于算法性能评估)，定义训练集、调优集和测试集的划分方法、划分依据和数据分布比例。原则上训练集要保证样本分布均衡，测试集和调优集要保证样本分布符合真实情况。训练集、调整集和测试集的样本应该没有交集，并通过重复检查进行验证。

　　(3)算法设计

　　1)算法选择

　　算法选择提供名称、类型(如监督学习、非监督学习、基于模型、基于数据、白盒、黑盒)、结构(如层数、参数尺度)、输入输出数据类型、流程图、算法编程框架、运行环境等基本信息。并定义了算法选择的依据，包括选择的理由和基本原则。

　　2)算法训练

　　算法的训练和调优要以训练集和调优集为基础，考虑评价指标、训练模式、训练目标、调优模式、训练数据量-评价指标曲线等要求。

　　3)算法性能评估

　　算法性能评估作为软件验证的重要组成部分，需要基于测试集对算法设计结果进行评估，综合考虑假阴性和假阳性、可重复性和再现性、健壮性/鲁棒性、实时性等适用的评估需求。以验证算法性能满足算法设计目标，并作为软件验证和软件确认的基础。算法性能评估也可以基于第三方数据库进行(见后文)。

　　(4)验证和确认

　　软件验证和确认的过程与常规的非人工智能软件相同。软件验证的测试可以由预期用户基于用户需求或基于评估数据库在真实或模拟的使用场景中执行。

　　4.人工智能医疗器械临床评价要求

　　人工智能医疗器械的临床评价应以核心功能或算法为基础，结合预期用途和成熟度。非辅助决策功能应基于核心功能与同类医疗器械进行比较，新功能、算法和用途原则上应进行临床评估。辅助决策功能是基于核心算法对同一品种的医疗器械进行比较。同品种入选医疗器械的临床证据原则上应以临床试验(包括回顾性研究)为基础，新功能、算法和用途原则上应以临床试验为基础。

　　同时，对算法性能进行了对比分析。若各种测试场景(包括临床评估)的算法性能差异较大，则详细说明原因，并根据分析结果定义产品使用限制和必要的警示信息。

　　最后，基于算法训练、算法性能评估和临床评估的结果，对算法性能进行综合评估。针对训练样本量和测试样本量过小，测试结果明显低于算法设计目标，算法性能变异过大的情况，需要对产品的适用范围、使用场景和核心功能进行限定。5.人工智能医疗器械相关技术研究

　　1)移动计算和云计算

　　人工智能医疗器械使用移动计算、云计算等技术的，应当遵循相关指导原则。

　　人为因素和可用性

　　2)建议加强人工智能医疗器械的人因设计，以提高可用性，将用户误操作的风险降低到可接受的水平，尤其是软件用户界面。

　　3)压力测试

　　注册申请人需要根据产品的实际情况进行压力测试，以全面深入地评估算法的性能，必要时可以引入对抗样本进行对抗压力测试。未进行相应测试或者测试结果不佳的，应当限制产品的适用范围、使用场景和核心功能，并在说明书中载明产品使用限制和必要的警示信息。

　　4)对抗测试

　　建议注册申请人进行对抗测试，全面深入地评估算法性能。如果没有进行相应的检测或者检测结果不好，需要明确产品使用限制和必要的警示信息。

　　5)算法研究报告

　　人工智能算法或算法组合首次和再次发布时，应提交算法研究报告，包括算法基本信息、算法风险管理、算法需求规范、数据质量控制、算法训练、算法验证和确认、算法溯源分析、结论等。

　　6.人工智能医疗器械注册信息要求

　　1)算法研究数据(报告)

　　对于软件安全等级为中或重度的产品，新类型将提交软件研究材料中每个人工智能算法或算法组合的算法研究报告。成熟型：在软件研究资料中指定算法的基本信息即可，无需提供算法的研究资料。对于软件安全级别稍低的产品，在软件研究资料中注明算法的基本信息即可，无需提供算法的研究资料。

　　2)用户培训计划

　　对于软件安全等级为重度的产品，预计将由患者或基层医疗机构使用，原则上应提供单独的用户培训计划，包括用户培训计划、材料、方法、师资等。

　　3)产品技术要求

　　产品技术要求可以不包含基于评价数据库测试的性能指标，也可以包含。如果包含索引，则评价数据库的基本信息(如名称、型号规格、完整版本、责任方、主要文件登记号等。)应在附录中明确定义。

　　基于其他类型第三方数据库测试的性能指标原则上不需要在产品技术要求中体现。

　　4)说明

　　与其他软件产品相比，人工智能医疗器械的说明书需要增加以下内容：

　　1)对于决策型产品，说明书需要明确算法性能评估概要(测试集基本信息、评估指标和结果)、临床评估概要(临床数据基本信息、评估指标和结果)、决策指标定义(或提供决策指标定义所依据的临床指南、专家共识等参考资料)等信息。

       2)如果采用基于数据的人工智能算法，说明手册需要补充算法训练总结信息(训练集基本信息、训练指标和结果)。

　　3)产品采用人工智能黑盒算法的，需根据算法影响因素的分析报告，在说明书中明确产品使用限制和必要的警示信息。