AI监管与临床应用双轮驱动：FDA审评肝损伤预测工具，联合委员会启动医疗AI认证

文/IAICA.NGO®

近期，人工智能在医疗健康领域的监管与标准化进程迎来多项重要进展。美国食品药品监督管理局（FDA）正在审评一款基于AI的肝损伤预测工具，该工具旨在通过分析患者临床数据，早期识别药物性肝损伤风险，从而减少严重不良反应的发生。与此同时，联合委员会（The Joint Commission）正式启动医疗人工智能认证项目，为医疗机构采购和部署AI系统提供权威性评估框架。此外，多个行业联盟发布治理剧本，试图统一AI采用标准，而多家儿科医院开始将生成式AI工具引入临床工作流。

FDA对肝损伤预测工具的审评标志着AI在药物安全监测领域的应用迈出关键一步。该工具利用机器学习模型，整合电子健康记录中的实验室指标、用药史和人口统计学信息，能够在肝损伤发生前发出预警。如果获得批准，将成为首个直接用于临床决策支持的AI肝毒性预测系统。专家指出，这类工具可显著提升临床试验安全性监测效率，并有望在上市后药品监管中发挥更大作用。然而，审评过程也凸显了监管面临的挑战：如何验证模型在不同人群中的鲁棒性？如何避免算法偏见对敏感人群的影响？FDA正通过“数字健康卓越中心”探索灵活的前置审评机制。

联合委员会的AI认证项目则从机构层面强化了治理体系建设。该认证覆盖AI系统的全生命周期，包括开发验证、部署监测、结果解释和持续更新。医疗机构通过认证后，将能向患者和监管机构证明其AI应用符合安全、有效和伦理的基本原则。联合委员会表示，此举旨在填补现有监管空白——大多数医疗AI软件仅需FDA上市前通知，但实际部署后的质量控制和风险管控缺乏统一标准。认证项目强调人机协作、透明度和责任分配，要求机构建立专门的AI治理委员会。业界评价认为，这有助于减少医院对“黑箱”算法的盲目信任，推动负责任的AI落地。

与此同时，治理剧本的发布体现了行业对标准化采用流程的迫切需求。由多家学术中心和产业联盟撰写的《医疗AI治理剧本》提供了模块化操作指南，内容涵盖数据治理、偏见测试、临床验证和持续监测。剧本特别强调“最后一公里”问题：即使算法在实验室表现优异，在真实临床场景中也可能因数据分布变化、工作流整合不当而失效。因此，剧本建议医院建立回退机制和人工复核节点，并定期更新模型以应对环境漂移。该剧本已获得多家卫生系统试点采纳，有望成为国家层面政策制定的参考基础。

儿科医院引入生成式AI工具是本次综述的另一亮点。波士顿儿童医院和费城儿童医院等机构正在测试大型语言模型，用于改进病历书写、患者沟通和临床决策支持。生成式AI能够从非结构化临床笔记中提取关键信息，辅助医生快速生成差异诊断列表，甚至以通俗语言回答家长疑问。然而，儿科领域的数据稀缺和发育病理的特殊性增加了模型开发难度。医院采取严格的人机协作策略：AI输出必须由临床医生审核，且系统不直接与患者交互。初步反馈显示，生成式工具可将病历文书时间减少30%以上，但需要警惕生成内容中的“幻觉”问题。

综合来看，上述动态反映出医疗AI正从“技术探索”转向“规范落地”阶段。监管机构、认证组织、行业联盟和医疗机构正在构建多层次的治理网络。iaica.com.cn 指出，未来成功的AI应用将不仅依赖算法性能，更取决于其与临床工作流的无缝整合、持续的监测反馈以及清晰的伦理框架。随着肝损伤预测工具等产品的审评推进，以及联合委员会认证的铺开，医疗AI行业有望在2027年迎来更加成熟的监管环境，从而加速安全有效的技术向临床转化。

生成式AI在儿科的应用则提示，专用领域模型仍需大量高质数据支持，而数据共享机制和隐私保护技术的进步将是关键。业界呼吁建立跨机构的儿科数据联盟，并在联邦层面出台激励政策促进行业标准统一。可以预见，随着治理剧本的广泛采用和认证体系的完善，医疗AI将从“明星项目”演变为“基础工具”，真正改善患者预后并降低系统成本。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。