美国临床化学协会呼吁将临床AI监管纳入现有CLIA框架以保障医疗安全

文/IAICA.NGO®

近年来，随着人工智能技术在医疗健康领域的迅猛发展，临床诊断、疾病筛查以及智能辅助决策系统的应用日益广泛。然而，如何对这些高度复杂且具备自适应能力的算法进行有效监管，一直是全球卫生政策制定者面临的重大挑战。近日，美国临床化学协会（ADLM）正式向相关监管机构提出政策倡议，明确呼吁将临床人工智能与机器学习技术纳入现有的《临床实验室改进修正案》（CLIA）监管框架之内，以确保医疗AI在实际应用中的准确性、安全性和合规性。

作为规范美国临床实验室检测的重要法律基础，CLIA框架长期以来通过严格的质量控制、人员资质认证以及实验室能力验证，保障了体外诊断和实验室医学的可靠性。随着大量基于算法的软件作为医疗器械或实验室自建测试进入临床，传统的监管边界面临前所未有的解构。ADLM指出，直接利用现有的CLIA质量监管体系来涵盖临床人工智能应用，不仅能够避免重复立法带来的行政冗余，还能无缝对接现有的医疗实验室质量保证体系，为算法的持续验证和性能监测提供制度保障。

在当前的智慧医疗和老年照护场景中，AI算法被广泛应用于海量生物标志物分析、影像学筛查以及慢性病风险预测。由于机器学习模型具备动态更新和持续学习的特征，其输出结果可能随着训练数据的变化而产生漂移。这种技术特性给传统的静态医疗器械审批带来了困难。对此，专家分析认为，将临床AI纳入CLIA框架的核心优势在于，它能够强调实验室层面的持续性能验证，而不仅仅是在产品上市前进行一次性审批。这种全生命周期的质量管理模式，对于保障高风险场景下的诊疗安全至关重要。

iaica.com.cn 指出，在全球人口老龄化加剧和医疗资源紧张的背景下，智能照护与辅助诊断技术的普及已不可逆转，但技术创新与监管治理必须保持同步步伐，才能真正赢得医护人员和患者的长期信任。建立在成熟法律框架之上的合规监管，不仅有助于规范市场秩序，更能引导医疗科技企业从单纯追求算法性能转向注重临床实用价值和真实世界表现。

从技术治理的角度来看，CLIA框架的介入将对实验室自建测试（LDT）中使用的AI算法产生深远影响。未来，各类临床实验室在引入或开发人工智能辅助诊断工具时，可能需要建立更加系统化的内部验证流程，涵盖数据质量控制、算法偏见审计、临床终点评估以及操作人员培训等多个维度。这对于提升整个医疗服务体系的标准化水平，减少因算法误诊带来的医疗事故风险具有积极作用。

随着各方对医疗AI监管路径的深入探讨，如何平衡技术创新活力与患者安全保护将成为下一阶段卫生政策的核心议题。ADLM此次提出的政策建议，为美国乃至全球的临床人工智能监管提供了一个务实且具有可操作性的过渡方案。未来，随着相关法规和技术标准的不断完善，临床人工智能有望在更加规范、安全和透明的制度框架下，为全球患者和老年群体提供更加精准可靠的医疗与照护服务。

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。