人工智能（AI）正在深刻重塑制药研发与药品监管体系。无论是在药物发现、临床试验设计，还是上市后药物警戒（PMS/Pharmacovigilance）领域，AI技术都在重构传统流程。然而与此同时，AI的不确定性——算法偏倚、数据质量、模型透明性——也给监管机构带来了前所未有的挑战。
全球药品监管体系正从“技术适配”转向“系统性监管”。以垂直行业政策为核心、以横向数据治理与伦理框架为支撑的AI制药应用全生命周期治理体系正在加速构建。
FDA无疑是全球AI制药监管的先行者，其监管逻辑体现了从“探索性指南”向“制度化框架”的演进。
自2019年起，FDA在《拟议监管框架：对基于人工智能/机器学习（AI/ML）的医疗器械软件（SaMD）修改的监管框架》中首次提出“预先指定变更控制计划（Pre-Specified Change Control Plan）”概念。该机制允许制造商在获批前申报AI模型的学习范围与更新策略，实现可控学习。随后，FDA与MHRA、加拿大卫生部（Health Canada）于2021年联合发布《医疗器械开发良好机器学习实践：指导原则（Good Machine Learning Practice, GMLP）》，成为全球AI医疗器械审评的共同参考。
上述原则强调数据多样性、模型可解释性、性能监测与临床再验证，建立了可重复、可追溯的AI医疗产品审评标准。
2024年，FDA在CDER内设立AI指导委员会（AI Steering Committee），统筹AI在药物研发、审评、生产与药物警戒中的应用。同年发布的《人工智能用于支持药品与生物制品监管决策的考量（Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making for Drug and Biological Products）》首次提出监管机构自身如何使用AI开展风险识别与决策支持。
2025年，FDA进一步发布两份关键指南草案：
要求AI模型具备可追溯的训练数据、验证流程及性能评价机制。
要求定期对AI模型进行再验证，并建立风险控制文件。
FDA不仅监管AI，也在积极应用AI。
用于不良事件分析的AI可自动识别不良反应报告中的潜在信号，提高药品预警效率。
审评辅助自然语言处理（NLP）模型帮助审评人员快速解析说明书与申报资料。
在FRAME项目中，AI被视为先进制造技术核心，用于生产监管中的智能质量控制与预测性维护。
美国AI医疗监管体系正由“技术指南”向“法律框架”演进，呈现出高度适应性与跨部门协同的监管范式。
欧盟AI监管以伦理与风险为导向，形成横向与纵向相结合的完整体系。
将于2024年生效的《人工智能法案（AI Act）》将医疗与医药相关AI系统划分为“高风险类别”。这意味着所有相关产品必须：
AI医疗产品需满足与医疗器械相同的合规要求。制造商必须在欧盟数据库中完成注册，并接受ECHA与EMA的联合监管。
2024年，EMA发布《人工智能（AI）在药品全生命周期中的应用反思文件（Reflection Paper on the Use of Artificial Intelligence (AI) in the Medicinal Product Lifecycle）》，系统阐述AI在药物研发、生产、审评与上市后监管中的应用原则。
文件强调：
此外，EMA内部已部署“Scientific Explorer”AI系统，用于文献检索审查与技术对比，从而提升监管效率。
欧盟通过IMDRF、ICMRA等多边平台积极推动AI监管国际趋同。例如，在IMDRF框架下参与AI医疗器械术语标准化，并在ICMRA框架下推动药品AI风险评估方法的协同开发。
欧盟监管以“风险等级+伦理优先”为核心，形成从立法到执行层面的闭环治理体系。
MHRA自2024年起运行AI-Airlock，允许企业在受监管环境中使用真实世界数据（RWD）测试AI医疗器械。沙盒机制降低了创新企业准入门槛，也帮助监管方积累AI产品风险数据。同时，MHRA设立“数字技术组（Digital Technology Group）”，探索AI在药物警戒与欺诈识别中的应用。
日本将AI医疗纳入“社会5.0（Society 5.0）”国家战略。监管主要依赖指南与行业自律，例如《以人为本AI社会原则（Social Principles of Human-Centric AI）》与《AI/ML赋能医疗器械指南（Guidelines for AI/ML-Enabled Medical Devices）》。
日本厚生劳动省（MHLW）明确AI辅助诊断系统属于医疗器械范畴，并对算法更新、验证频次及医生责任边界提出要求。
英国与日本均采取“创新友好型”监管模式，通过受控试点与动态评价实现灵活管理。
中国AI医疗监管体系呈现“政策前瞻、标准引领、数字化监管”的特点。
近年来，国家药监局（NMPA）发布了一系列关键政策：
提出算法标注、训练数据质量与模型更新等要求。
列出药品监管中15个AI典型应用场景，包括智能审评、远程监管与药品预警等。
明确算法内容、数据安全与伦理边界。
上述文件构成覆盖AI医药“研发—注册—监管”的政策闭环。
中国率先建立AI医疗器械标准体系：
该系列标准不仅为监管提供技术依据，也为企业提供合规指引。
国家药监局器审中心（CMDE）牵头成立“人工智能医疗器械创新合作平台”，汇聚企业、科研机构与监管专家，共同开展算法验证与真实世界数据应用研究。
同时，监管部门也在推进“智能审评”“智慧监管”体系建设，旨在将AI用于审批流程与风险监测。
中国已初步建立以“标准先行、政策支撑、数字化监管”为特征的AI医疗治理体系，并逐步与国际标准接轨。
总体而言，全球AI医疗监管呈现三大趋势。
AI医疗产品普遍被归类为高风险类别，监管重点从上市前审批扩展至上市后监测。
各国普遍要求企业披露训练数据来源、算法逻辑与性能验证情况。
各监管机构正在利用AI辅助审评与监测，实现“以AI监管AI”的目标。
免责声明：以上内容基于现有公开信息整理，仅供参考。
Proregulations持续跟踪并深度解析FDA、欧盟EMA、NMPA等全球监管机构最新指南，深入理解AI对药品与医疗器械带来的独特监管与合规挑战。我们致力于将前瞻性合规要求无缝融入客户产品全生命周期，从算法设计、产品开发、临床验证到上市后监管。
Proregulations擅长监测全球监管趋势并预判审评方向，为客户提供专业、快速响应与战略支持，帮助其创新产品持续满足目标市场监管要求。如需了解我们的服务，请联系我们。
相关服务
