中文字幕一级黄色A级片|免费特级毛片。性欧美日本|偷拍亚洲欧美1级片|成人黄色中文小说网|A级片视频在线观看|老司机网址在线观看|免费一级无码激情黄所|欧美三级片区精品网站999|日韩av超碰日本青青草成人|一区二区亚洲AV婷婷

摘  要  Abstract  

 

美國(guó)食品藥品監(jiān)督管理局（FDA）對(duì)藥品、醫(yī)療器械的監(jiān)管重點(diǎn)逐漸從傳統(tǒng)上重視上市前審批向上市后監(jiān)管轉(zhuǎn)移，覆蓋產(chǎn)品全生命周期，并顯示出逐漸從以還原論為中心向整體論優(yōu)勢(shì)轉(zhuǎn)型的趨勢(shì)。FDA 在美國(guó)聯(lián)邦機(jī)構(gòu)中率先嘗試應(yīng)用包括深度學(xué)習(xí)（DL）在內(nèi)的人工智能（AI）技術(shù)。在批準(zhǔn)越來(lái)越多采用AI 技術(shù)產(chǎn)品的同時(shí)，F(xiàn)DA 還嘗試將AI 用于監(jiān)管機(jī)構(gòu)內(nèi)部工作，包括從外部招聘專業(yè)人才、面向行業(yè)設(shè)立開放式挑戰(zhàn)項(xiàng)目與試點(diǎn)計(jì)劃，強(qiáng)化監(jiān)管機(jī)構(gòu)內(nèi)部AI 能力建設(shè)與專業(yè)知識(shí)水平提高。AI 的快速發(fā)展加快了FDA 監(jiān)管范式轉(zhuǎn)型。與AI 發(fā)展類似，醫(yī)藥產(chǎn)品監(jiān)管同樣面臨不確定性。本文基于FDA在相關(guān)領(lǐng)域的具體實(shí)踐，總結(jié)了AI 助力FDA 監(jiān)管范式轉(zhuǎn)型的作用與發(fā)展趨勢(shì)，以期為其他監(jiān)管機(jī)構(gòu)在相關(guān)領(lǐng)域的發(fā)展及相關(guān)技術(shù)的應(yīng)用提供有益的經(jīng)驗(yàn)。

 

The U.S. Food and Drug Administration’s (FDA) regulatory focus on pharmaceuticals and medical devices has gradually shifted from the traditional emphasis on pre-market approval to post-market supervision covering the entire product lifecycle. This shift shows a trend from a reductionist approach to the advantages of a holistic methodology. The FDA was the first federal agency to experiment with artificial intelligence (AI), including deep learning (DL). In recent years, while approving a growing number of products that incorporate AI, the FDA has also experimented with using AI for internal purposes—such as recruiting external experts, launching open challenge initiatives and pilot programs for the industry. The rapid development of AI has accelerated the FDA's regulatory paradigm transformation. Furthermore, the regulation of pharmaceuticals and medical devices also faces uncertainties, and the FDA's exploration in these areas can offer valuable insights for other government agencies seeking to apply similar technologies. This paper summarizes the role and development trends of AI-assisted regulatory paradigm transformation at the FDA, based on its specific practices, to provide references for other regulatory agencies in related fields.

 

關(guān)鍵詞 Key words 

 

人工智能；范式轉(zhuǎn)型；鎖定算法；內(nèi)部能力建設(shè)；不確定性；智慧數(shù)據(jù)

 

artificial intelligence; paradigm transformation; locked algorithms; internal capacity development; uncertainties;smart data

 

2017 年， 時(shí)任美國(guó)食品藥品監(jiān)督管理局（FDA）數(shù)字醫(yī)療部門負(fù)責(zé)人Bakul Patel 公開招募13 名工程師，其中包括軟件開發(fā)人員、人工智能（artificial intelligence，AI）與云計(jì)算專家等。Patel 希望借助依據(jù)《醫(yī)療器械行業(yè)付費(fèi)修正案》（Medical Device User Fee Amendments，MDUFA） 成立的數(shù)字醫(yī)療卓越中心，重組FDA 對(duì)數(shù)字醫(yī)療的監(jiān)管模式， 使得新的解決方案和技術(shù)更容易、更快進(jìn)入市場(chǎng)。其中一個(gè)設(shè)想是讓審批過(guò)程更類似于美國(guó)運(yùn)輸安全管理局（Transportation Security Administration，TSA）的安檢線，即值得信賴的公司接受更為寬松的監(jiān)管，而存在歷史不良記錄的公司將接受更徹底的審查。Patel 希望，相關(guān)聯(lián)邦法規(guī)不會(huì)阻礙與FDA 過(guò)去監(jiān)管的醫(yī)療器械截然不同的創(chuàng)新產(chǎn)品的發(fā)展[1]。盡管2022 年P(guān)atel 已從FDA 離職[2]，但在FDA 內(nèi)部，AI 正在徹底改變藥品開發(fā)、醫(yī)療診斷和醫(yī)療服務(wù)等的模式[1]。

 

在美國(guó)行政會(huì)議（Administrative Conference of United States，ACUS） 委托撰寫的題為《算法政府：聯(lián)邦行政機(jī)構(gòu)中的AI》（Government by Algorithm: Artificial Intelligence in Federal Administrative Agencies）報(bào)告中，展示了FDA 如何在多個(gè)政府機(jī)構(gòu)中率先嘗試使用包括深度學(xué)習(xí)（deep learning，DL）在內(nèi)的先進(jìn)AI 技術(shù)[3]。該報(bào)告預(yù)測(cè)，F(xiàn)DA 采用人工智能/ 機(jī)器學(xué)習(xí)（artificial  intelligence/machine learning，AI/ML） 工具將帶來(lái)從上市前審批向上市后監(jiān)督工作的更廣泛轉(zhuǎn)變。

 

1. FDA 處于公眾健康和安全領(lǐng)域AI 快速發(fā)展的前沿地位

 

FDA 正處于公眾健康和安全領(lǐng)域AI 快速發(fā)展的前沿地位，處于監(jiān)管范式轉(zhuǎn)型之中，AI 的飛速發(fā)展進(jìn)一步推動(dòng)了這一轉(zhuǎn)變。但由于近年來(lái)醫(yī)藥產(chǎn)品的安全性和有效性標(biāo)準(zhǔn)受到詬病， 公眾對(duì)FDA 的信任度下降，以及AI 技術(shù)對(duì)FDA 透明度、問(wèn)責(zé)制、客觀性和合法性造成的威脅等，AI 推動(dòng)的監(jiān)管范式轉(zhuǎn)型面臨諸多挑戰(zhàn)。FDA 通過(guò)在AI 監(jiān)管能力方面持續(xù)投入，利用AI 加快和擴(kuò)展藥品和醫(yī)療器械的使用，同時(shí)保持醫(yī)藥產(chǎn)品安全的“金標(biāo)準(zhǔn)”，逐步提高公眾健康和安全領(lǐng)域的變革潛力。

 

FDA 在美國(guó)聯(lián)邦機(jī)構(gòu)中率先嘗試應(yīng)用包括DL在內(nèi)的AI工具[4]。具體用例包括基于AI 的重復(fù)數(shù)據(jù)刪除算法對(duì)重復(fù)報(bào)告進(jìn)行分類，該算法適用于FDA 不良事件報(bào)告系統(tǒng)（FDA Adverse Event Reporting System，F(xiàn)AERS）中的非公開數(shù)據(jù)， 用于識(shí)別確定重復(fù)報(bào)告。首先， 采用自然語(yǔ)言處理（natural language processing，NLP） 系統(tǒng)處理FAERS 自由文本敘述中的非結(jié)構(gòu)化數(shù)據(jù)， 提取相關(guān)的臨床特征；然后，將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)用于概率式記錄關(guān)聯(lián)方法（probabilistic record linkage），通過(guò)評(píng)估多個(gè)數(shù)據(jù)字段（datafield）和應(yīng)用每個(gè)字段的相對(duì)權(quán)重，對(duì)報(bào)告進(jìn)行評(píng)分。最后，可能重復(fù)報(bào)告的輸出結(jié)果將被進(jìn)一步分組，以便在病例系列評(píng)估過(guò)程中識(shí)別和確認(rèn)FAERS 報(bào)告，并認(rèn)定有必要加以關(guān)注的安全問(wèn)題。

 

2. AI 的快速發(fā)展正在影響FDA 監(jiān)管

 

AI 的快速發(fā)展正在以兩種方式影響FDA 監(jiān)管：一方面，越來(lái)越多的創(chuàng)新產(chǎn)品融合了AI 技術(shù)，給FDA 帶來(lái)了更多的監(jiān)管挑戰(zhàn)；另一方面，F(xiàn)DA 嘗試將AI 用于內(nèi)部工作。

 

2.1 AI 醫(yī)療設(shè)備監(jiān)管

 

AI 在醫(yī)療領(lǐng)域的應(yīng)用為醫(yī)療實(shí)踐帶來(lái)了革命性變化。AI 模式識(shí)別使AI 醫(yī)療設(shè)備能夠識(shí)別和確認(rèn)某些類型的傷害，有助于臨床診斷病癥，改善醫(yī)療成像質(zhì)量，并預(yù)測(cè)將來(lái)可能發(fā)生的不良醫(yī)療事件[5-7]。

 

在Viz.AI Contact（ 用于檢測(cè)卒中）、OsteoDetect（用于識(shí)別骨折）和IDx-DR（用于識(shí)別糖尿病視網(wǎng)膜病變）的制造商證明了具體的性能標(biāo)準(zhǔn)之后，F(xiàn)DA通過(guò)針對(duì)中風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)新型設(shè)備的替代審批通道——De Novo審評(píng)流程，批準(zhǔn)了這些設(shè)備上市。針對(duì)這些首次獲得批準(zhǔn)的AI 醫(yī)療設(shè)備，F(xiàn)DA 有必要尋求臨床決策支持產(chǎn)品相關(guān)的監(jiān)管框架和方案，進(jìn)而鼓勵(lì)開發(fā)者創(chuàng)建、調(diào)整和擴(kuò)展軟件的功能，輔助醫(yī)療機(jī)構(gòu)診斷和治療疾病。

 

下一代AI 醫(yī)療設(shè)備將帶來(lái)更多的監(jiān)管挑戰(zhàn)。迄今為止，獲得FDA 批準(zhǔn)的相關(guān)設(shè)備均為“鎖定（算法的）”設(shè)備，這些設(shè)備依賴于制造商更新，而非獨(dú)立地根據(jù)觀察到的新數(shù)據(jù)做出調(diào)整。FDA認(rèn)識(shí)到，除了在醫(yī)療保健領(lǐng)域應(yīng)用成熟的鎖定算法外，還應(yīng)有很多預(yù)期，使AI 模型能夠隨著時(shí)間推移而進(jìn)行動(dòng)態(tài)更新，有望解鎖更好的性能和更個(gè)體化的醫(yī)療保健服務(wù)[8-9]。2019 年，F(xiàn)DA率先在討論文件中提出“預(yù)定變更受控計(jì)劃”（predetermined change control plans，PCCP）的概念[10]。2021 年1 月，F(xiàn)DA發(fā)布《作為醫(yī)療器械的軟件（SaMD） 行動(dòng)計(jì)劃》[Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan， 以下簡(jiǎn)稱SaMD 計(jì)劃]，概述了PCCP流程，制造商可以通過(guò)該流程申請(qǐng)某些類型AI 醫(yī)療設(shè)備動(dòng)態(tài)更新的預(yù)先批準(zhǔn)[11]。預(yù)期FDA 將會(huì)嘗試批準(zhǔn)解鎖算法的動(dòng)態(tài)AI 設(shè)備。關(guān)鍵在于，F(xiàn)DA 在SaMD計(jì)劃中強(qiáng)調(diào)，需要在上市前開發(fā)到上市后的全過(guò)程監(jiān)控所有動(dòng)態(tài)AI 醫(yī)療設(shè)備性能[11]。

 

醫(yī)療器械行業(yè)游說(shuō)組織美國(guó)先進(jìn)醫(yī)療技術(shù)協(xié)會(huì)（Advanced Medical Technology Association，AdvaMed）建議，傳統(tǒng)上在臨床環(huán)境中使用的510(k) 醫(yī)療器械，如果變更用于居家使用，應(yīng)在專門的510(k) 通道下審查。此外，AdvaMed 還要求FDA 使用國(guó)會(huì)授予的PCCP 權(quán)限。AdvaMed表示，對(duì)于大多數(shù)經(jīng)FDA 批準(zhǔn)在臨床環(huán)境中使用的醫(yī)療器械，如果變更使用環(huán)境，就必須提出新的上市申請(qǐng)，這是一個(gè)耗時(shí)且成本高昂的過(guò)程。為促進(jìn)醫(yī)療器械及時(shí)擴(kuò)展到居家和其他非臨床環(huán)境使用，AdvaMed 建議， 對(duì)那些已經(jīng)獲得FDA 批準(zhǔn)在其他環(huán)境中使用的醫(yī)療器械，F(xiàn)DA 可采取更高效、簡(jiǎn)化的審查方法[12]。2024 年8 月，F(xiàn)DA 發(fā)布關(guān)于醫(yī)療器械PCCP 的指南草案，詳細(xì)說(shuō)明了FDA 認(rèn)為醫(yī)療器械的哪些變更適合PCCP，以及申辦方應(yīng)在其上市前批準(zhǔn)（premarket approval，PMA）、重新批準(zhǔn)或510（k）申請(qǐng)中提交的具體資料清單[13]。2024 年12 月，F(xiàn)DA發(fā)布PCCP 指南定稿， 詳細(xì)說(shuō)明針對(duì)AI 醫(yī)療設(shè)備使用PCCP的預(yù)期[14]。FDA 重申，ML 是AI 的一個(gè)子集。指南草案?jìng)?cè)重于針對(duì)ML 開發(fā)提供一種前瞻性思維方法，而指南定稿則采取了一種更廣泛的方法，并表示其目的是為更廣泛的AI 設(shè)備軟件功能（artificial intelligence-enabled device software functions，AIDSF）服務(wù)[14]。依據(jù)PCCP，制造商可以通過(guò)采集數(shù)據(jù)、重新訓(xùn)練AI 模型并開展測(cè)試，來(lái)證明誤報(bào)率已顯著降低；同時(shí)需更新設(shè)備的標(biāo)簽說(shuō)明，并向用戶傳達(dá)變更內(nèi)容。由于相關(guān)變更依據(jù)PCCP 進(jìn)行，制造商無(wú)需提交新的上市申請(qǐng)。然而，如果對(duì)AI 模型進(jìn)行修改，使其能夠在生理不穩(wěn)定（physiological instability）發(fā)生之前提前預(yù)測(cè)，而此前的版本無(wú)法做到這一點(diǎn)， 則不屬于PCCP 的范圍，針對(duì)相關(guān)變更需提交新的上市申請(qǐng)。

 

2.2 FDA 內(nèi)部AI 應(yīng)用與維護(hù)

 

FDA 科學(xué)家在科學(xué)研究和監(jiān)管決策中經(jīng)常使用建模和模擬的方法[15]。此外，F(xiàn)DA 還使用虛擬家庭和特定患者模型以及模擬臨床試驗(yàn)，以降低志愿者參與臨床試驗(yàn)的風(fēng)險(xiǎn)與成本[16-19]。除了針對(duì)受監(jiān)管產(chǎn)品開發(fā)與具體產(chǎn)品的相關(guān)用例外，F(xiàn)DA 利用AI 在日益復(fù)雜和高風(fēng)險(xiǎn)的監(jiān)管環(huán)境中更有效運(yùn)作的關(guān)鍵在于，F(xiàn)DA 需要將AI 付諸應(yīng)用，通過(guò)在日常監(jiān)管中采用AI 實(shí)現(xiàn)獲益。

 

FDA 采用AI 模型挖掘數(shù)據(jù)，用于認(rèn)定藥品與相關(guān)病癥之間的新關(guān)系，協(xié)助藥品安全相關(guān)的上市后監(jiān)管。FAERS 數(shù)據(jù)庫(kù)包含提交給FDA 的不良事件報(bào)告、用藥差錯(cuò)報(bào)告和導(dǎo)致不良事件的產(chǎn)品質(zhì)量投訴[20-22]，這些報(bào)告和投訴均為自由文本格式[23]。

 

FDA 主要通過(guò)510(k) 醫(yī)療器械許可流程監(jiān)管作為醫(yī)療器械的軟件。在管理和臨床環(huán)境中使用的AI 應(yīng)用程序必須遵守美國(guó)國(guó)家衛(wèi)生信息技術(shù)協(xié)調(diào)員辦公室（Office of the National Coordinator for Health Information Technology ，ONC）的規(guī)定，例如強(qiáng)制要求算法透明[23]。值得注意的是，直接面向消費(fèi)者的涉及醫(yī)療保健的AI工具，屬于消費(fèi)品的管轄范圍，這一新興領(lǐng)域幾乎沒(méi)有強(qiáng)制監(jiān)管。FDA 的醫(yī)療器械監(jiān)管始于1976年，主要目的在于監(jiān)管硬件設(shè)備，而不是針對(duì)依賴于訓(xùn)練數(shù)據(jù)且需要精細(xì)、持續(xù)性監(jiān)控的軟件。同時(shí)，1996 年發(fā)布的《醫(yī)療保險(xiǎn)可攜性與責(zé)任法案》（Health Insurance Portability and Accountability Act，HIPAA）在數(shù)字醫(yī)療信息爆炸式增長(zhǎng)之前制定，當(dāng)時(shí)難以預(yù)見到需要大量電子病歷來(lái)訓(xùn)練ML 算法[24]。因此，相關(guān)人士認(rèn)為，現(xiàn)行的監(jiān)管框架已經(jīng)過(guò)時(shí)。醫(yī)療保健領(lǐng)域的傳統(tǒng)監(jiān)管范式迫切需要適應(yīng)AI 快速發(fā)展。要想實(shí)現(xiàn)醫(yī)療保健領(lǐng)域AI 的有效治理，必須建立新的監(jiān)管框架或大幅改變現(xiàn)行的監(jiān)管框架[25]。

 

FDA 與斯坦福大學(xué)的數(shù)據(jù)科學(xué)家合作測(cè)試了不同的NLP 模型， 以預(yù)測(cè)FAERS 報(bào)告包含藥品安全問(wèn)題政策相關(guān)信息的概率[26-27]。根據(jù)世界衛(wèi)生組織- 烏普薩拉監(jiān)測(cè)中心（World Health Organization-Uppsala Monitoring Centre,WHO-UMC）的藥物報(bào)告訓(xùn)練模型，由FDA 安全評(píng)價(jià)員人工標(biāo)注報(bào)告，用于藥物因果關(guān)系評(píng)估。FDA 認(rèn)為，該試點(diǎn)項(xiàng)目可作為系統(tǒng)改進(jìn)的依據(jù)，有利于優(yōu)化監(jiān)管資源配置，識(shí)別并確定上市后安全問(wèn)題[4]。在第二個(gè)試點(diǎn)項(xiàng)目中，F(xiàn)DA 使用類似的NLP 技術(shù)將FAERS 的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，然后嘗試建立不同藥品與肝功能衰竭之間關(guān)系的模型。與FDA 和斯坦福大學(xué)合作試點(diǎn)項(xiàng)目相比，第二個(gè)試點(diǎn)項(xiàng)目在確定FAERS 審查的優(yōu)先次序方面沒(méi)有達(dá)到預(yù)期，未能證實(shí)或反駁FAERS 報(bào)告中涉及藥品與肝功能衰竭存在因果關(guān)系，也沒(méi)有產(chǎn)生足夠準(zhǔn)確的輸出結(jié)果。在這兩個(gè)試點(diǎn)項(xiàng)目中，F(xiàn)DA 比較了多個(gè)NLP 模型的性能，包括神經(jīng)網(wǎng)絡(luò)、邏輯回歸、隨機(jī)森林和支持向量機(jī)模型，優(yōu)化了模型參數(shù)，使得在某些情況下預(yù)測(cè)準(zhǔn)確率超過(guò)90%。

 

FDA 充分認(rèn)識(shí)到，相關(guān)領(lǐng)域的AI 模型需要長(zhǎng)期迭代、反復(fù)實(shí)驗(yàn)。2020 年初，precisionFDA啟動(dòng)“ 使用FDA 開放數(shù)據(jù)檢測(cè)不良事件異常值獲得新見解”（Gaining New Insights by Detecting Adverse Event Anomalies Using FDA Open Data） 挑戰(zhàn)， 要求參與者開發(fā)AI/ML 模型，以便更好地從FDA的FAERS 報(bào)告中檢測(cè)可能存在的安全問(wèn)題[28]。與濕性實(shí)驗(yàn)室科學(xué)挑戰(zhàn)相比，設(shè)立基于計(jì)算的挑戰(zhàn)的啟動(dòng)成本較低，因此這類相關(guān)的AI 模型創(chuàng)新更適合公眾參與。precisionFDA 挑戰(zhàn)中AI 模型創(chuàng)新相關(guān)項(xiàng)目[28-33] 見表1。

除了針對(duì)NLP 技術(shù)的投入外，F(xiàn)DA 還啟動(dòng)重組數(shù)據(jù)業(yè)務(wù)和重塑其技術(shù)數(shù)據(jù)基礎(chǔ)設(shè)施的計(jì)劃， 例如信息交換和數(shù)據(jù)轉(zhuǎn)換（INFORMED）計(jì)劃，該計(jì)劃責(zé)成具有醫(yī)學(xué)專業(yè)知識(shí)的常駐企業(yè)家、工程師和數(shù)據(jù)科學(xué)家制定戰(zhàn)略，確定FDA 應(yīng)如何在大數(shù)據(jù)分析能力方面投入[34-35]。該計(jì)劃的目標(biāo)包括繼續(xù)擴(kuò)展和維護(hù)數(shù)據(jù)科學(xué)和大數(shù)據(jù)分析的組織和技術(shù)基礎(chǔ)設(shè)施；支持腫瘤藥物監(jiān)管科學(xué)研究中的系統(tǒng)思維，制定新的解決方案，提高相關(guān)工作流的效率、可靠性和產(chǎn)出效率。

 

生物醫(yī)藥領(lǐng)域內(nèi)的大數(shù)據(jù)在數(shù)據(jù)量（數(shù)據(jù)大小）、變異性（數(shù)據(jù)類型）、真實(shí)性（數(shù)據(jù)噪聲和不確定性）和速度（數(shù)據(jù)流和處理）4 個(gè)維度的特點(diǎn)見圖1。目前，F(xiàn)DA 的審評(píng)審批決策通?；诜N類有限的數(shù)據(jù)，主要來(lái)自臨床試驗(yàn)和臨床前研究；這些數(shù)據(jù)大多是結(jié)構(gòu)化的；數(shù)據(jù)集的大小通常不超過(guò)幾千兆字節(jié)；作為注冊(cè)申請(qǐng)的一部分，不具備連續(xù)性。生物醫(yī)藥領(lǐng)域內(nèi)的大數(shù)據(jù)在4 個(gè)維度的擴(kuò)展要求持續(xù)提高技術(shù)能力和組織能力。預(yù)期未來(lái)將通過(guò)綜合考慮患者、疾病和具體的環(huán)境特征，將大數(shù)據(jù)轉(zhuǎn)化為智能數(shù)據(jù)，實(shí)現(xiàn)個(gè)體化治療。

 

3. FDA 監(jiān)管范式轉(zhuǎn)型：從上市前審批到上市后監(jiān)管

 

FDA 用于挖掘大數(shù)據(jù)的AI技術(shù)創(chuàng)新可能會(huì)推動(dòng)監(jiān)管范式轉(zhuǎn)型，即從投入大量資源和精力專注于嚴(yán)格的上市前審批，轉(zhuǎn)向更動(dòng)態(tài)、更嚴(yán)格的上市后監(jiān)管。這種轉(zhuǎn)變不僅在促進(jìn)創(chuàng)新方面大有可為，還在AI 支持的上市后監(jiān)管機(jī)制中有望實(shí)現(xiàn)更有效的機(jī)構(gòu)合作和監(jiān)管執(zhí)法。其主要優(yōu)勢(shì)體現(xiàn)在：① AI 技術(shù)有利于提高FDA決定對(duì)企業(yè)采取調(diào)查和整改行動(dòng)的速度。②有利于引導(dǎo)企業(yè)建立健全算法監(jiān)控系統(tǒng)，提高產(chǎn)品和制造質(zhì)量，進(jìn)而使公眾受益。

 

3.1 FDA 傳統(tǒng)監(jiān)管范式

 

FDA 傳統(tǒng)上屬于嚴(yán)格的事前監(jiān)管機(jī)構(gòu)。FDA 的傳統(tǒng)監(jiān)管框架對(duì)藥品和醫(yī)療器械實(shí)行嚴(yán)格的上市前審批，而上市后監(jiān)管相對(duì)有限。

 

以新藥為例，上市前審批程序的核心是新藥申請(qǐng)程序，要求申辦方開展3 期上市前臨床試驗(yàn)，證明相關(guān)藥品的安全性、有效性符合FDA 的要求。在傳統(tǒng)監(jiān)管范式中，作為確保藥品、醫(yī)療器械安全、有效、質(zhì)量可控的核心部門，F(xiàn)DA 一直非常重視最大限度減少“第一類”誤差（假陽(yáng)性）或批準(zhǔn)最終發(fā)現(xiàn)存在安全問(wèn)題的藥品，而以增加“第二類”（假陰性）誤差為代價(jià)，推遲或阻止實(shí)際上能為患者帶來(lái)凈獲益的藥品上市。部分人士認(rèn)為，這樣的傳統(tǒng)監(jiān)管范式使FDA 積累了巨大的聲譽(yù)資本。但隨著加快審批受到越來(lái)越多的關(guān)注，外界對(duì)近年來(lái)FDA 的聲譽(yù)資本受到侵蝕深表關(guān)切。

 

盡管FDA 要求分3 期開展臨床試驗(yàn)，但傳統(tǒng)的臨床試驗(yàn)?zāi)Ｊ街荒茉谙鄬?duì)較短的時(shí)間內(nèi)提供相對(duì)有限的人群信息，最有可能發(fā)生不良反應(yīng)的人群通常被排除在臨床試驗(yàn)之外。了解獲益與風(fēng)險(xiǎn)是一項(xiàng)持續(xù)過(guò)程，隨著上市后數(shù)據(jù)的積累，更新獲益- 風(fēng)險(xiǎn)評(píng)價(jià)面臨巨大挑戰(zhàn)（圖2）。在對(duì)利用AI 技術(shù)模擬臨床試驗(yàn)改善安全結(jié)果的可能性持開放態(tài)度的同時(shí)，應(yīng)該認(rèn)識(shí)到臨床試驗(yàn)有可能掩蓋的嚴(yán)重的安全風(fēng)險(xiǎn)。

 

傳統(tǒng)臨床試驗(yàn)通常在與臨床或居家環(huán)境不同的特定人群和專業(yè)環(huán)境中開展。這些試驗(yàn)可能會(huì)采取一系列旨在控制變異性并確保其產(chǎn)生的數(shù)據(jù)質(zhì)量的措施，例如制定入組標(biāo)準(zhǔn)，使用與普通病歷分列的詳細(xì)病例報(bào)告表，詳細(xì)定義研究流程，以及監(jiān)測(cè)專業(yè)研究人員，確保其遵守研究方案，確保數(shù)據(jù)采集的準(zhǔn)確性等。

 

現(xiàn)階段隨機(jī)對(duì)照試驗(yàn)仍然是建立醫(yī)藥產(chǎn)品安全性、有效性科學(xué)證據(jù)的有力工具，同時(shí)能讓研究者和監(jiān)管機(jī)構(gòu)了解相關(guān)產(chǎn)品的治療作用所涉及生物學(xué)機(jī)制。臨床試驗(yàn)可為醫(yī)藥產(chǎn)品的上市前評(píng)估提供證據(jù)以證明相關(guān)療法可能有效，但其存在以下局限：①傳統(tǒng)臨床試驗(yàn)有嚴(yán)格的入組標(biāo)準(zhǔn)，參與臨床研究的人群可能與真實(shí)世界中使用醫(yī)藥產(chǎn)品的人群存在差異，因此通過(guò)這些臨床試驗(yàn)獲得有效性數(shù)據(jù)，通常以更多受眾在實(shí)際使用中的不確定性為代價(jià)。②傳統(tǒng)臨床試驗(yàn)的數(shù)據(jù)采集往往出于滿足研究需要的目的，可能很少有伴隨疾病和治療相互作用的數(shù)據(jù)。③基于傳統(tǒng)臨床試驗(yàn)獲得的證據(jù)可能在及時(shí)性與相關(guān)性方面存在欠缺，不足以彌補(bǔ)很多證據(jù)缺陷，可能降低相關(guān)證據(jù)在真實(shí)世界決策中的可推廣性。④多年來(lái)，開展大型傳統(tǒng)臨床試驗(yàn)的費(fèi)用一直在穩(wěn)步增長(zhǎng)。近期估算表明，傳統(tǒng)臨床試驗(yàn)的實(shí)際成本軌跡可能會(huì)急劇增長(zhǎng)，但支持醫(yī)療照護(hù)決策的證據(jù)數(shù)量并沒(méi)有相應(yīng)增加[36-37]，如圖3 所示。⑤與產(chǎn)品開發(fā)階段和上市后的隨機(jī)對(duì)照試驗(yàn)相比，上市后監(jiān)測(cè)與觀察性研究采集的數(shù)據(jù)量更多[38]，如圖4 所示。

由于隨機(jī)對(duì)照試驗(yàn)的樣本量相對(duì)較小，以及在招募研究參與者時(shí)存在選擇偏倚，對(duì)于少數(shù)族裔和邊緣化社區(qū)人群，風(fēng)險(xiǎn)尤其高。如果不加以注意， 使用AI可能會(huì)加劇這類偏倚。模擬試驗(yàn)可以作為隨機(jī)對(duì)照試驗(yàn)的補(bǔ)充（而非替代），允許重復(fù)開展試驗(yàn)，或降低非代表性臨床試驗(yàn)中固有的種族差異風(fēng)險(xiǎn)。開展模擬試驗(yàn)的科學(xué)家可以主動(dòng)在與其模型互動(dòng)的虛擬隊(duì)列中建立代表性。此外，通過(guò)新藥創(chuàng)新科技方法（Innovative Science and Technology Approaches for New Drugs，ISTAND）試點(diǎn)計(jì)劃，以及作為FDA 模型引導(dǎo)的藥物開發(fā)配對(duì)會(huì)議計(jì)劃（Model-Informed Drug Development Paired Meeting Program，MIDD）的一部分，利用基于AI的模型彌合某些未研究的患者亞群或使用場(chǎng)景的有效性和安全性后，有望實(shí)現(xiàn)更有效地采集臨床試驗(yàn)數(shù)據(jù)，同時(shí)更好地代表不同的患者群體。

 

除了FDA 現(xiàn)行上市前審批成本高昂和可能不具代表性外，這種嚴(yán)格的事前監(jiān)管方法還可能會(huì)延長(zhǎng)創(chuàng)新藥品和醫(yī)療器械產(chǎn)品的上市時(shí)間[39]。迄今為止，F(xiàn)DA 仍在“第一類”和“第二類”誤差之間權(quán)衡，不可能在減少一種誤差的同時(shí)不增加另一種誤差。即使是態(tài)度最為堅(jiān)定的批評(píng)人士也認(rèn)識(shí)到，如果FDA 將關(guān)注的重點(diǎn)從嚴(yán)格的上市前標(biāo)準(zhǔn)轉(zhuǎn)移至上市后監(jiān)管，就需相應(yīng)增加用于上市后監(jiān)管的資源[40]。近年來(lái)，F(xiàn)DA一直在逐步完善上市后監(jiān)管制度，而AI 領(lǐng)域的快速發(fā)展有望帶來(lái)更具變革性的轉(zhuǎn)變。

 

3.2 AI 加速FDA 向上市后監(jiān)管轉(zhuǎn)型

 

AI 技術(shù)的快速發(fā)展極大推動(dòng)了FDA 的監(jiān)管范式向上市后監(jiān)管轉(zhuǎn)型。在過(guò)去幾年里，F(xiàn)DA 對(duì)上市前測(cè)試的嚴(yán)格要求有所放寬，實(shí)際上逐步將審查資源從上市前向上市后傾斜[41-42]。

 

2007 年頒布的《食品藥品管理法修正案》（Food and Drug Administration Amendments Act，F(xiàn)DAAA）授權(quán)FDA 監(jiān)測(cè)已獲批藥品的安全風(fēng)險(xiǎn)，同時(shí)要求制藥企業(yè)開展上市后安全研究[43]。近年來(lái)，為保證加速審評(píng)通道的正常發(fā)展，多位國(guó)會(huì)議員要求FDA改革加速審評(píng)通道，增加上市后監(jiān)測(cè)資源配置。

 

FDA 持續(xù)探索使用AI 工具提高大規(guī)模評(píng)價(jià)上市后數(shù)據(jù)的能力。自2000 年以來(lái)，F(xiàn)DA 已逐步將來(lái)自制藥企業(yè)的大量數(shù)據(jù)全部匯集到不良事件報(bào)告數(shù)據(jù)庫(kù)（包括FAERS）中，為上市后監(jiān)管提供信息。在極少數(shù)情況下，F(xiàn)DA 甚至?xí)鶕?jù)對(duì)上市后監(jiān)測(cè)數(shù)據(jù)的深入了解來(lái)重新評(píng)價(jià)上市前的審批決定[44]。

 

在將AI 應(yīng)用于上市后監(jiān)測(cè)制度以后，2018 年，時(shí)任FDA 局長(zhǎng)Scott Gottlieb 宣布在處理積壓的上市后監(jiān)測(cè)分析工作方面取得了顯著進(jìn)展[45]。FDA 在其歷史上的大部分時(shí)間里都專注于上市前審查，現(xiàn)階段已逐漸將上市后監(jiān)測(cè)作為一個(gè)越來(lái)越重要的優(yōu)先事項(xiàng)，并且認(rèn)識(shí)到這種持續(xù)的審查是FDA 職責(zé)的關(guān)鍵部分[46-48]。盡管使用NLP 模型分析FAERS 數(shù)據(jù)成為FDA 迄今為止在上市后監(jiān)測(cè)方面的主要嘗試，但FDA 更加關(guān)注上市后監(jiān)測(cè)的監(jiān)管范式轉(zhuǎn)型，未來(lái)可能擴(kuò)展到更多的數(shù)據(jù)源，并利用包括大型語(yǔ)言模型在內(nèi)的其他AI 技術(shù)[49-52]。

 

3.3 對(duì)監(jiān)管范式轉(zhuǎn)型的初步評(píng)估

 

隨著新一代包含動(dòng)態(tài)AI 的醫(yī)療設(shè)備的出現(xiàn)，其帶來(lái)的監(jiān)管挑戰(zhàn)使得FDA 監(jiān)管范式向上市后監(jiān)管的轉(zhuǎn)變成為實(shí)際需要。FDA關(guān)于新型AI 醫(yī)療設(shè)備的監(jiān)管指南強(qiáng)調(diào)了AI 模型上市后監(jiān)測(cè)的必要性。2021 年10 月，F(xiàn)DA、加拿大衛(wèi)生部（Health Canada）和英國(guó)藥品和健康產(chǎn)品管理局（Medicines and Healthcare Products Regulatory Agency，MHRA）共同發(fā)布《醫(yī)療器械開發(fā)機(jī)器學(xué)習(xí)規(guī)范》（Good Machine Learning Practice for Medical Device Development: Guiding Principles），上市后監(jiān)測(cè)成為其關(guān)鍵原則之一[53]。

 

FDA 加強(qiáng)上市后監(jiān)管為實(shí)現(xiàn)更精簡(jiǎn)、更寬松的上市前安全審查提供了可能，有利于保持甚至提高整體安全性。例如，在應(yīng)用AI 軟件的醫(yī)療器械監(jiān)管領(lǐng)域，F(xiàn)DA 正在嘗試制定更為精簡(jiǎn)的上市前審查方案，同時(shí)持續(xù)加強(qiáng)上市后監(jiān)管。FDA 放寬上市前臨床試驗(yàn)研究的事前要求，允許AI 驅(qū)動(dòng)的模擬模型，雖然可能會(huì)導(dǎo)致藥品審批中的“錯(cuò)誤結(jié)論”（即前文所述“第一類”誤差）[54-55]，但在FDA 同時(shí)加強(qiáng)上市后監(jiān)管的背景下，預(yù)期能夠緩解相關(guān)風(fēng)險(xiǎn)。

 

監(jiān)管機(jī)構(gòu)應(yīng)該考慮放寬上市前監(jiān)管要求能在多大程度上降低“第二類”誤差，在促進(jìn)創(chuàng)新的同時(shí)盡量縮短上市周期，避免因?yàn)樵黾由鲜泻蟊O(jiān)管資源配置而犧牲整體安全性（即“第一類”誤差）。FDA 正在嘗試在上市后監(jiān)管期間采集和評(píng)價(jià)真實(shí)世界證據(jù)，以發(fā)現(xiàn)臨床試驗(yàn)或其他上市前測(cè)試程序可能遺漏的風(fēng)險(xiǎn)證據(jù)。FDA 已啟動(dòng)多個(gè)真實(shí)世界數(shù)據(jù)采集計(jì)劃，例如國(guó)家衛(wèi)生技術(shù)評(píng)估系統(tǒng)（National Evaluation System for Health Technology,NEST）[56]，如圖5 所示，幫助提高真實(shí)世界證據(jù)質(zhì)量，利用這些證據(jù)迅速發(fā)現(xiàn)新出現(xiàn)的安全信號(hào)并采取適當(dāng)行動(dòng)[57] ；或者借助MyStudies 應(yīng)用程序，通過(guò)患者的移動(dòng)設(shè)備促進(jìn)真實(shí)世界證據(jù)采集，幫助制藥企業(yè)設(shè)計(jì)新的醫(yī)療解決方案，同時(shí)遵守FDA 關(guān)于數(shù)據(jù)真實(shí)性、完整性和保密性的規(guī)定和指南[58]。通過(guò)分析所采集的真實(shí)世界證據(jù)，更快地識(shí)別確定范圍更為廣泛的安全信號(hào)，從而更快地為患者和醫(yī)療機(jī)構(gòu)提供更精準(zhǔn)的服務(wù)。

 

4. 強(qiáng)化內(nèi)部AI 能力建設(shè)成為FDA 實(shí)現(xiàn)AI 前景、減少相關(guān)風(fēng)險(xiǎn)的關(guān)鍵

 

成功建立內(nèi)部AI 體系的能力成為FDA 實(shí)現(xiàn)AI 前景并減少其風(fēng)險(xiǎn)的關(guān)鍵[3]。近年來(lái)，F(xiàn)DA 建立了強(qiáng)大的AI 嵌入式專業(yè)知識(shí)體系，通過(guò)重組數(shù)據(jù)運(yùn)營(yíng)并采用依賴于量身定制技術(shù)的數(shù)據(jù)基礎(chǔ)設(shè)施，從醫(yī)藥產(chǎn)品監(jiān)管機(jī)構(gòu)逐漸發(fā)展為知識(shí)產(chǎn)出機(jī)構(gòu)，成為AI 化的信息機(jī)構(gòu)。

 

4.1 強(qiáng)化監(jiān)管機(jī)構(gòu)內(nèi)部AI能力建設(shè)

 

美國(guó)聯(lián)邦機(jī)構(gòu)通常缺乏監(jiān)管新型AI 產(chǎn)品或在內(nèi)部構(gòu)建AI 工具所需的技術(shù)能力，缺乏自行設(shè)計(jì)或評(píng)估算法系統(tǒng)的專業(yè)技術(shù)知識(shí)[59]。但FDA 屬于例外，其投入了大量資源發(fā)展內(nèi)部AI 能力，包括：投資于技術(shù)和數(shù)據(jù)基礎(chǔ)設(shè)施；培養(yǎng)內(nèi)部人才；開發(fā)并產(chǎn)出在技術(shù)層面可用、在法律和政策層面合規(guī)的AI 工具；制定全面和靈活的AI 戰(zhàn)略，使FDA 能夠從失敗中戰(zhàn)略性地學(xué)習(xí)和發(fā)展[60-61]。

 

作為美國(guó)公眾健康的守護(hù)者，F(xiàn)DA 必須做好準(zhǔn)備，使用與其所監(jiān)管行業(yè)復(fù)雜程度相一致的工具和流程來(lái)應(yīng)對(duì)未來(lái)的公共衛(wèi)生突發(fā)事件。在與AI 相關(guān)的人力資源和專業(yè)知識(shí)體系的投資建設(shè)方面，從2017 年開始，F(xiàn)DA 陸續(xù)招聘數(shù)十名技術(shù)人員，包括云計(jì)算專家、AI 專家和工程師，幫助FDA 適應(yīng)AI 技術(shù)的發(fā)展[1]。同年，F(xiàn)DA 創(chuàng)建“常駐企業(yè)家計(jì)劃”（Entrepreneurs in Residence Program）[62]。FDA 下屬機(jī)構(gòu)器械與放射衛(wèi)生中心（Center for Devices and Radiological Health，CDRH）希望通過(guò)“常駐企業(yè)家計(jì)劃”，為監(jiān)管機(jī)構(gòu)的相關(guān)流程提供來(lái)自創(chuàng)業(yè)公司的新思路，這也是FDA 更廣泛地切實(shí)推動(dòng)創(chuàng)新舉措的一部分。2021 年，美國(guó)衛(wèi)生與公眾服務(wù)部任命首位首席AI 官。同年首席AI 官辦公室發(fā)布AI 戰(zhàn)略，為在政府內(nèi)部開發(fā)可信賴的AI 制定框架[63-64]。

 

FDA 充分發(fā)揮具備AI 專業(yè)知識(shí)的人才優(yōu)勢(shì)，通過(guò)試驗(yàn)監(jiān)管沙盒和建立伙伴關(guān)系來(lái)提高監(jiān)管機(jī)構(gòu)內(nèi)部AI 能力，開發(fā)制定靈活迭代的方法來(lái)監(jiān)管基于AI 的醫(yī)藥產(chǎn)品[65]。監(jiān)管沙盒為監(jiān)管AI等快速發(fā)展的新興技術(shù)提供了巨大的支持，使監(jiān)管機(jī)構(gòu)能夠降低失敗風(fēng)險(xiǎn)和相對(duì)安全地實(shí)施早期去風(fēng)險(xiǎn)項(xiàng)目，定義衡量成功的指標(biāo)，同時(shí)迭代技術(shù)和基礎(chǔ)設(shè)施，高效開展監(jiān)管分析。FDA 嘗試與制藥企業(yè)、私營(yíng)組織合作，將INFORMED 計(jì)劃作為監(jiān)管沙盒，聚焦于AI 驅(qū)動(dòng)的腫瘤藥物創(chuàng)新[35]。INFORMED 計(jì)劃創(chuàng)建了一個(gè)獨(dú)特的AI 監(jiān)管沙盒，用于技術(shù)和組織資源的網(wǎng)絡(luò)、構(gòu)思和共享，為項(xiàng)目團(tuán)隊(duì)成功開發(fā)新型數(shù)據(jù)科學(xué)解決方案提供了所需工具。AI 監(jiān)管沙盒使FDA 能夠通過(guò)采取必要措施，在不危及公眾安全的情況下開發(fā)功能更強(qiáng)的獨(dú)立AI 工具。

 

依賴第三方開發(fā)人員構(gòu)建AI工具的機(jī)構(gòu)承擔(dān)著允許受監(jiān)管行業(yè)訪問(wèn)同一開發(fā)者的風(fēng)險(xiǎn)，從而可能損害相關(guān)工具。對(duì)此，F(xiàn)DA應(yīng)采取措施，確保不依賴私營(yíng)公司建立的“黑箱”專有AI 技術(shù)，避免不適當(dāng)?shù)赜欣谶@些公司的監(jiān)管目標(biāo)。《算法政府：聯(lián)邦行政機(jī)構(gòu)中的AI》強(qiáng)烈鼓勵(lì)各機(jī)構(gòu)在AI 開發(fā)和維護(hù)方面構(gòu)建內(nèi)部專業(yè)知識(shí)體系[3]。

 

FDA 還通過(guò)與其他機(jī)構(gòu)建立合作伙伴關(guān)系、鼓勵(lì)公眾參與相關(guān)科學(xué)挑戰(zhàn)等增強(qiáng)FDA 內(nèi)部技術(shù)能力。例如，2016 年FDA 與國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所（National Institute of Standards and Technology，NIST） 建立合作關(guān)系，NIST 在制定評(píng)估AI 工具的風(fēng)險(xiǎn)和可信度水平的標(biāo)準(zhǔn)方面發(fā)揮了積極作用[66]。自2014年以來(lái)，F(xiàn)DA 通過(guò)向公眾開放precisionFDA 挑戰(zhàn)， 征求外部AI 專家的意見，幫助解決技術(shù)難題。該計(jì)劃提供了安全的云端平臺(tái)，參與者可以訪問(wèn)和共享數(shù)據(jù)集、數(shù)據(jù)管道和生物信息學(xué)工具；同時(shí)為社區(qū)成員提供了一個(gè)安全、獨(dú)立的工作區(qū)，成員可自行決定在此使用相關(guān)生物信息學(xué)工具或數(shù)據(jù)，以便為其方法設(shè)定基準(zhǔn)并推動(dòng)監(jiān)管科學(xué)的發(fā)展[67]。

 

如何加強(qiáng)技術(shù)數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，成為FDA 在內(nèi)部能力建設(shè)領(lǐng)域面臨的最大挑戰(zhàn)。盡管FDA已經(jīng)采取了多項(xiàng)舉措來(lái)增加其AI工作可用的數(shù)據(jù)范圍，并重點(diǎn)關(guān)注真實(shí)世界數(shù)據(jù)，但在將大數(shù)據(jù)轉(zhuǎn)化為智能數(shù)據(jù)（smart data）方面仍存在諸多障礙[68]。FDA傳統(tǒng)的上市前審評(píng)只基于制藥企業(yè)提交的隨機(jī)對(duì)照試驗(yàn)中的有限數(shù)據(jù)，這些數(shù)據(jù)涉及樣本量小，采集時(shí)斷時(shí)續(xù)，存儲(chǔ)格式高度結(jié)構(gòu)化。相比之下，F(xiàn)DA 的AI 上市后監(jiān)測(cè)計(jì)劃要求從各種來(lái)源采集數(shù)據(jù)，包括直接從患者處大量、持續(xù)采集真實(shí)世界數(shù)據(jù)。

 

4.2 AI 推動(dòng)FDA 作為信息機(jī)構(gòu)的崛起

 

現(xiàn)階段FDA 通過(guò)FAERS和其他上市后監(jiān)測(cè)相關(guān)數(shù)據(jù)庫(kù)不斷采集大量數(shù)據(jù)，未來(lái)是繼續(xù)沿著以非結(jié)構(gòu)化格式采集連續(xù)數(shù)據(jù)流的傳統(tǒng)道路前進(jìn)還是另辟蹊徑，還有待進(jìn)一步探討。FDA 要想充分發(fā)揮作為信息機(jī)構(gòu)的潛力，就必須開辟一條新的道路，即利用AI 技術(shù)，使用數(shù)據(jù)、內(nèi)容和格式經(jīng)過(guò)優(yōu)化的量身定制的數(shù)據(jù)，以支持監(jiān)管決策。其中不只是利用大數(shù)據(jù)，還需利用智能數(shù)據(jù)。FDA 應(yīng)調(diào)整數(shù)據(jù)采集規(guī)程，首先采集結(jié)構(gòu)化、量身定制的數(shù)據(jù)，而不只是局限于在建立基于NLP的工具后，從現(xiàn)有不良事件報(bào)告等非結(jié)構(gòu)化文本中提取結(jié)構(gòu)化數(shù)據(jù)。

 

FDA 目前對(duì)上市后監(jiān)測(cè)的監(jiān)管分析所采用的數(shù)據(jù)和AI 方法，完全依賴于應(yīng)用于FAERS 等數(shù)據(jù)庫(kù)的非結(jié)構(gòu)化文本數(shù)據(jù)的NLP模型，這引發(fā)了相關(guān)人士對(duì)因果關(guān)系分析和數(shù)據(jù)互操作性的關(guān)切。盡管FAERS 試點(diǎn)計(jì)劃在優(yōu)先考慮使用者對(duì)上市后不良事件報(bào)告的審查以及發(fā)現(xiàn)藥品和患者病情之間的新關(guān)系方面取得了一定的積極成果，但在嘗試根據(jù)不具代表性的數(shù)據(jù)進(jìn)行因果推斷時(shí)，成功率較低。

 

一方面，F(xiàn)DA 并不要求證明產(chǎn)品與事件之間的因果關(guān)系，同時(shí)報(bào)告并不總是包含足夠的細(xì)節(jié)用于正確評(píng)估事件[69]。另一方面，F(xiàn)AERS 報(bào)告還存在質(zhì)量問(wèn)題（數(shù)據(jù)重復(fù)）、完整性問(wèn)題（數(shù)據(jù)缺失）和可靠性問(wèn)題（數(shù)據(jù)未經(jīng)核實(shí)）等[70]。

 

模型和模擬并非直接觀察臨床效果的替代物，而是因果關(guān)系證據(jù)的替代物。因此，模型和模擬可能比傳統(tǒng)的替代物更不可靠。AI 的預(yù)測(cè)分析能力不能替代傳統(tǒng)的因果推斷，如果過(guò)度依賴計(jì)算機(jī)模型，可能會(huì)導(dǎo)致因果分析存在缺陷。FDA 目前對(duì)非結(jié)構(gòu)化數(shù)據(jù)的依賴加劇了在因果推斷方面的挑戰(zhàn)。盡管精度在評(píng)估藥物和不良健康狀況之間的因果關(guān)系方面發(fā)揮著至關(guān)重要的作用，但在將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為可操作的數(shù)據(jù)標(biāo)記（例如藥品名稱或病癥）的第一步就留下了不小的誤差空間。由于很難合并包含非結(jié)構(gòu)化數(shù)據(jù)的不同數(shù)據(jù)源，因此對(duì)非結(jié)構(gòu)化數(shù)據(jù)的依賴使得數(shù)據(jù)互操作性的實(shí)現(xiàn)面臨重大挑戰(zhàn)。

 

在量身定制的數(shù)據(jù)上訓(xùn)練和使用AI 模型，能在一定程度上減輕FDA 在因果推斷和數(shù)據(jù)互操作性方面的難度。結(jié)構(gòu)化數(shù)據(jù)標(biāo)記將使驗(yàn)證和執(zhí)行數(shù)據(jù)質(zhì)量、完整性和可靠性變得更加容易?！禙DA技術(shù)現(xiàn)代化行動(dòng)計(jì)劃》（FDA'sTechnology Modernization Action Plan，TMAP）強(qiáng)調(diào)多個(gè)數(shù)據(jù)源之間以及FDA 與外部利益相關(guān)方之間的互操作性，同時(shí)強(qiáng)調(diào)結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)并用[65]。

 

FDA 有能力將其采集的大部分?jǐn)?shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。95%的FAERS 報(bào)告來(lái)自于可以按FDA 要求提交結(jié)構(gòu)化數(shù)據(jù)的制造商。根據(jù)2018 年FDA 時(shí)任局長(zhǎng)Scott Gottlieb 的披露，《真實(shí)世界數(shù)據(jù)企業(yè)方案》（Real World Data Enterprise Proposal）提出了1 億美元的預(yù)算，用于擴(kuò)展FDA采集的真實(shí)世界數(shù)據(jù)的數(shù)量和種類，協(xié)助上市后監(jiān)管[71]。盡管在短期內(nèi)需要更多的投入，但從長(zhǎng)遠(yuǎn)來(lái)看，量身定制的數(shù)據(jù)為強(qiáng)大的監(jiān)管分析用例提供了廣闊的前景。繼續(xù)保持或增加投入，有利于加強(qiáng)FDA 作為信息機(jī)構(gòu)的監(jiān)管作用。

 

5. 小結(jié)

 

AI 不僅為私營(yíng)企業(yè)， 也為監(jiān)管機(jī)構(gòu)帶來(lái)了巨大的發(fā)展前景。監(jiān)管機(jī)構(gòu)面臨的問(wèn)題并非在于是否采用AI，而是在哪些領(lǐng)域以及如何采用AI 來(lái)實(shí)現(xiàn)監(jiān)管目的。FDA 已經(jīng)有效地建立了內(nèi)部AI 能力體系，積極主動(dòng)勾勒出了一個(gè)以動(dòng)態(tài)AI 為特色、為新型AI 醫(yī)療設(shè)備量身定制的監(jiān)管框架，并在使用NLP 分析FAERS數(shù)據(jù)庫(kù)中關(guān)于上市后不良安全事件數(shù)據(jù)方面取得具體進(jìn)展。AI 技術(shù)的應(yīng)用有利于加強(qiáng)上市后監(jiān)管，加速監(jiān)管范式轉(zhuǎn)型。醫(yī)藥產(chǎn)品存在不確定性，與AI 有類似之處。作為醫(yī)藥產(chǎn)品的監(jiān)管機(jī)構(gòu)和率先探索AI 應(yīng)用的政府機(jī)構(gòu)，F(xiàn)DA針對(duì)AI 的監(jiān)管經(jīng)驗(yàn)、對(duì)數(shù)據(jù)驅(qū)動(dòng)監(jiān)管方法的進(jìn)一步完善，以及對(duì)量身定制的數(shù)據(jù)的應(yīng)用等，可為AI 在行政管理領(lǐng)域的未來(lái)應(yīng)用場(chǎng)景提供示范，同時(shí)有望為其他機(jī)構(gòu)提供有益的借鑒。

 

引用本文

 

姚立新.人工智能快速發(fā)展加速美國(guó)FDA 監(jiān)管范式轉(zhuǎn)型[J].中國(guó)食品藥品監(jiān)管.2025.2（253）：22-35.