《npj Digital Medicine》：Toward global standards for SaMD: introducing a proposal for Good Digital Medicine Practices (GDMP)
编辑推荐：
【编辑推荐】为解决传统监管框架难以适应快速迭代、自学习的医疗软件（SaMD）这一挑战，本文提出了“良好数字医学实践”（GDMP）框架。该框架旨在建立一套全球协调的监管模式，涵盖持续验证、算法透明度、风险分级生命周期管理和国际趋同，为SaMD（特别是AI赋能系统）的安全、公平和可信发展提供可操作的治理蓝图。
想象一下，一个能够通过不断学习新数据、调整算法来优化诊断或治疗建议的医疗软件，这听起来像是未来医疗的蓝图。但现实是，当前全球的监管体系很大程度上还停留在“硬件时代”的思维——它们假定医疗器械的性能是出厂即固定、风险是可预测的。面对像软件即医疗器械（Software as a Medical Device, SaMD）这样具备快速演化、自适应潜力的“数字新物种”，传统的、静态的、事件性的评估模式正面临根本性挑战。这种脱节带来了监管的“移动靶”困境：软件性能可能在部署后因数据分布变化、算法再训练或与临床工作流交互而发生“漂移”，而现有的监管框架缺乏对这类动态变化的持续监督机制。为了弥合这一鸿沟，并为日益依赖人工智能（AI）和机器学习（ML）的数字医疗时代建立安全、公平且可信的治理基础，研究人员在《npj Digital Medicine》上提出了“良好数字医学实践”（Good Digital Medicine Practices, GDMP）框架。
本文提出的GDMP框架并非旨在推翻现有标准，而是作为一个结构化的参考模型，在综合了设计科学方法论、监管科学、软件工程原理和比较政策分析的基础上构建。其核心是通过整合并延伸现有国际监管与标准工具（如ISO 13485、IEC 62304、IMDRF原则及FDA的PCCP模型），构建一个能应对数字医学动态特性的治理体系。
该研究主要采用了概念框架构建与比较分析的方法。研究人员通过迭代合成监管科学、软件工程、临床验证范式及比较政策分析，以设计科学传统为方法论基础，提出了GDMP框架。研究还进行了深入的比较政策分析，梳理了新加坡、日本、巴西、美国及世界卫生组织（WHO）等主要监管辖区的现行做法，以定位GDMP在国际监管版图中的位置及其互补性。框架的论证结合了对现有监管标准（如ISO 13485、IEC 62304）和前瞻性倡议（如FDA的PCCP、IMDRF指南）的批判性审视，以识别治理差距。研究也参考了近期关于个性化医疗、人工智能整合及数字医学治理的学术文献，为框架的学术基础提供支撑。
研究结果：
1. 传统监管框架的局限与GDMP的提出动因
研究指出，欧盟医疗器械法规（MDR）、FDA质量体系法规以及ISO 13485等国际标准为医疗器械监管提供了基础，但它们本质上是为具有线性开发轨迹、固定性能特征的传统设备设计的。这些框架缺乏明确机制来管理自适应算法的持续变化、性能漂移以及跨亚组人群的风险演变。虽然FDA的软件预认证计划和IMDRF的SaMD临床评估指南等举措进行了有益探索，但尚未形成一个统一的、能够支持持续、与现实世界对齐的监管的全球框架。这凸显了对一个能反映数字医学独有特性（如快速演变、对数据来源的依赖、与临床环境的动态交互）的新型治理模型的迫切需求。
2. GDMP框架的核心组件
GDMP框架由五个相互依存的组件构成：
- •
质量体系整合：将动态治理要求嵌入到现有的质量管理体系（如基于ISO 13485）中，确保软件开发、变更控制与风险管理流程能适应持续迭代。
- •
临床验证协议：超越上市前单点验证，建立贯穿产品生命周期的持续临床评价方案，以监测和确保软件在真实世界使用中的安全性与有效性。
- •
自适应算法监督：为AI/ML赋能的SaMD建立透明、可追溯的算法变更管理机制。这包括预设变更控制计划，明确算法更新的边界、证据要求和验证路径。
- •
真实世界性能反馈：建立从实际临床应用场景中收集、分析性能数据（如校准漂移、受试者工作特征曲线下面积下降、亚组性能差异）的闭环系统，并将这些数据转化为触发监管行动（如重新验证、加强监测、回滚或标签更新）的定量指标。
- •
全球趋同层：旨在促进不同国家监管框架的互操作性与协调，通过提供一套通用的原则、词汇和操作期望，减少全球市场的碎片化，同时尊重各辖区的具体国情。
GDMP的生命周期模型（如原文图1所示）将这五个组件映射到SaMD的设计、验证、部署、上市后运营和迭代更新的全过程中，并通过动态反馈回路将它们连接起来，实现基于风险的持续监督。
3. 国际监管实践与GDMP的定位
研究通过分析多个司法管辖区的实践，展示了GDMP原则如何在现实中得到体现或需要补充：
- •
新加坡：其卫生科学局推出的机器学习赋能SaMD变更管理计划，清晰地阐述了如何在预先定义的边界内，通过透明的变更类别和现实世界监测义务来允许算法更新，是敏捷监管的试验田。
- •
日本：药品医疗器械综合机构通过“上市后变更管理协议”（PACMP）制度化了变更管理，为开发者预先协商自适应更新的条件提供了结构化环境，体现了在大型监管体系内将自适应监督制度化的路径。
- •
巴西：国家卫生监督局通过RDC 657/2022和RDC 751/2022为SaMD建立了清晰、风险匹配的监管路径，重点关注可扩展的监督和上市后监测，为监管资源多样的新兴市场提供了适应性范例。
- •
美国：FDA从“软件预认证”项目转向“预定的变更控制计划”（Predetermined Change Control Plan, PCCP），将其作为管理自适应算法的可扩展机制，体现了将适应性监督内置于监管架构的核心理念。
- •
世界卫生组织：其全球数字健康战略和人工智能伦理指南强调了公平、包容、透明和全球能力建设等常被国家监管体系忽视的维度，与GDMP全球趋同层对公平、可及和伦理基础的愿景强烈共鸣。
结论与讨论：
研究表明，数字医学正进入一个由持续演化、系统复杂性增加和全球相互依存定义的阶段。监管体系必须从静态的、以产品为中心的范式，转向动态的、证据驱动的治理模式。GDMP框架为应对这一转型提供了蓝图。它通过阐述持续验证、透明算法监督、基于风险比例的监测、真实世界证据整合和国际趋同等原则，为现代数字医学治理提供了一个可操作的基础架构。
该框架的重要意义在于，它并非取代现有标准，而是提供了一套通用的词汇、结构和操作预期，能够被不同国家和机构根据自身情况进行适配，同时为构建一个连贯的全球治理体系提供参考点。GDMP的最终目标是协调全球监管，减少市场准入的复杂性，并确保无论数字医疗技术如何快速演进，其安全性、有效性和公平性都能得到持续保障。实现这一愿景需要各方在机构能力、通用数据标准、协作性国际框架和共享的伦理承诺上进行投资。随着数字医学的扩展，其治理也必须相应地演进——积极主动、协调一致，并坚定不移地关注公众信任与公平。
