近日，FDA发布了一则指南草案“Marketing Submission Recommendations for a Predetermined Change Control Plan for Artificial Intelligence/Machine Learning (AI/ML)-Enabled Device Software Functions”。
FDA发布该指南草案的目的是为了进一步制定针对人工智能/机器学习(AI/ML)设备的监管方法，以增加患者对安全有效的AI/ML设备的使用，从而保护和促进公共健康。
该指南草案描述了一种负担最小的方法，用于支持机器学习的设备软件功能(ML-DSF)的迭代改进，同时继续确保其安全性和有效性（如FDA 2019年AI/ML讨论文件和2021年AI/ML行动计划中所述）。
该指南草案就预定变更控制计划(PCCP)中包含的信息提供了建议，该计划可能会在ML-DSF的上市前提交中提供。PCCP机制包括计划中的ML-DSF修改、实施和验证这些修改的相关方法以及对这些修改的影响的评估。
自从引入PCCP概念以来，人们对将这种机制用于支持人工智能/人工智能的医疗设备产生了浓厚的兴趣。FDA继续收到越来越多的人工智能/人工智能医疗设备的上市申请和预申请，这对医疗保健具有重大的积极影响，FDA预计这一数字将随着时间的推移而增加。
该指南基于FDA的长期承诺，即开发和应用创新方法来监管医疗设备软件和其他数字健康技术，以确保其安全性和有效性。
本指南草案适用于制造商打算随时修改的ML-DSF。这包括：
1、对ML模型的修改是自动实施的ML-DSF，即，其修改是由软件自动实施的，以及，
2、对ML模型的修改是手动实施的ML-DSF(即，涉及需要人工输入、行动、审查和/或决策的步骤)。
当器械组成部分包括ML-DSF时，本指南中的建议适用于组合产品的器械组成部分，如药物器械和生物器械组合产品。
FDA鼓励就提议的PCCP与审查ML-DSF的部门进行早期介入，这可能对某些ML-DSF特别有帮助，包括组合产品和高风险、维持生命、支持生命的或可植入设备。
FDA鼓励制造商利用Q-Submission流程获得FDA对ML-DSF的PCCP提案的反馈。
本指南草案并不打算提供ML-DSF上市申请中可能需要包含的内容的完整描述。也不打算描述机构认为在PCCP中可接受的修改类型。然而，描述了关于修改类型的一些考虑事项，包括以下问题的制造商应在修改协议中提出的考虑事项的示例(见附录A) ，以及可能使用PCCP的不同ML-DSF方案的说明(见附录B)。对接受审查的器械有权限的FDA审查部门将决定提议的PCCP的可接受性。也就是说，FDA审查部门将决定修改的范围是否适合包括在PCCP中，以及需要什么样的证据和信息来支持上市申请中提出的修改。
【背景】
2019年4月，FDA公布了对基于人工智能/机器学习(AI/ML)的软件作为医疗设备(SaMD)进行修改的拟议监管框架-讨论文件和反馈请求(“2019年讨论文件”)。
2019年讨论文件描述了FDA对AI/ML驱动的软件修改进行上市前审查的潜在方法的基础。2019年讨论文件中描述的想法利用了FDA当前上市前计划的实践，并依赖于国际医疗器械监管机构论坛的风险分类原则，FDA的效益风险框架，软件修改指南中描述的风险管理原则，以及数字医疗软件预认证(Pre-Cert)试点中设想的整个产品生命周期方法。
ML可以允许软件通过数据进行学习，而无需显式编程来执行任务。ML最大的潜在好处之一在于能够通过迭代修改，包括通过从真实世界的数据中学习，来改进ML模型的性能。为了支持ML-DSF的迭代开发，并作为2019年讨论文件中提出的拟议框架的一部分，FDA描述了一个“预定变更控制计划”，该计划可包含在ML-DSF器械的上市申请中。
在本指南草案中，FDA提供了关于PCCP上市申请内容的建议，通常包括:
1) 具体的、计划的器械修改的详细说明；
2)相关的方法学，以确保装置在相关患者群体中的持续安全性和有效性的方式开发、验证和实施这些修改，称为“修改方案”；
3)影响评估，描述对计划修改和风险缓解的益处和风险的评估。
2019年讨论文件收到了来自利益攸关方的大量反馈。收到了一般性意见以及对18个问题的具体答复。此外，同行评审期刊中的大量文章讨论或引用了2019年讨论文件中提出的框架。
FDA还就人工智能/人工智能主题召开了多次公开会议和研讨会。2020年2月25日至26日，FDA举办了一场关于“人工智能在放射成像中的不断发展的作用”的公开研讨会，讨论AI在放射成像的新兴应用，包括旨在实现放射诊断工作流程自动化以及引导图像采集的人工智能设备。在本次研讨会上，该机构与感兴趣的利益相关方(包括患者)合作，以确定在放射成像中使用人工智能的相关益处和风险，并讨论全自动放射成像软件和图像采集设备验证的最佳实践。
2020年10月22日，FDA召开了一次关于“医疗设备中的人工智能和机器学习”的患者参与咨询委员会会议，以进一步征求不同患者群体对AI/ML技术的意见。该委员会提供了关于AI/ML-enabled医疗器械以及如何培养患者对它们的信任的建议，考虑到它们正在和将要被使用的不同人群。
2021年10月14日，FDA为患者、护理人员和提供者举办了“人工智能/支持机器学习的医疗设备的透明度”公开研讨会。
该研讨会的目的是：
1)为AI/ML医疗设备的用户确定实现透明度的独特考虑因素，以及透明度可能增强这些设备的安全性和有效性的方式；
2)从各种利益相关者收集关于信息类型的输入，这些信息类型将有助于制造商AI/ML医疗设备的标签和面向公众的信息，以及其他潜在机制。
FDA继续收到越来越多的利用ML技术的设备的上市申请和预申请，FDA预计这将随着时间的推移而增加。此外，自2019年讨论文件发布以来，人们对将PCCPs用于支持人工智能/人工智能的医疗设备产生了浓厚的兴趣。
鉴于公共卫生需要促进ML-DSF的创新，同时为其提供适当的监管，2021年1月12日，CDRH数字健康卓越中心卓越发布了FDA基于人工智能/机器学习(AI/ML)的软件作为医疗器械行动计划(“行动计划”)。该行动计划描述了FDA以整体、协作和多学科的方式解决AI/ML医疗器械问题的策略。该行动计划的一个重要支柱是进一步推进2019年讨论文件中提出的ML-enabled医疗器械的定制监管框架。
此外，2022年10月4日，白宫发布了人工智能权利法案的蓝图，概述了应指导自动化系统的设计、使用和部署的五项原则。这五个原则讨论了:
安全有效的系统；
算法歧视保护；
数据隐私；
通知和说明；以及
人类替代、考虑和回退fallback。
该指南草案符合并促进了《人工智能权利法案》蓝图中描述的原则。
此外，2022年食品和药品综合改革法案第3308节，2023年统一拨款法案第III篇，第1000条。2022年12月29日颁布的第117-328号法律(“FDORA”)在《FD&C法案》中增加了第515C节“设备的预定变更控制计划”。第515C条明确授权FDA批准或批准PCCPs用于需要上市前批准或上市前通知的器械。例如，第515C节规定，如果变更与美国食品和药物管理局之前批准或批准的PCCP相一致，则不需要对需要上市前批准补充文件或新上市前通知的器械变更进行补充申请(第515C(a)节)和新上市前通知(第515C(b)节)。第515C节还规定，FDA可能要求PCCP包括安全有效使用器械的标签，因为器械根据此类计划进行了变更，如果器械没有按照此类计划的预期功能，通知要求，以及根据计划进行变更的性能要求。在本指南草案中，FDA提供了关于PCCP的营销提交内容的建议，这些建议基于法规和通过我们与利益相关方的各种互动获得的反馈。
