FDA放行1357款医疗AI，仅3款验证患者获益

文/IAICA.NGO®

医学人工智能已经进入医院，但大量设备并未经过患者结局层面的验证。一项新的证据普查显示，在FDA放行用于患者照护的1357款AI医疗器械中，只有3款曾被研究是否能令患者活得更长或生活得更好。当放射科医生打开一份乳腺X线影像时，软件可能早已标出值得复查的位置；然而，这类工具进入美国医院的主要路径，并不是证明患者最终获益，而是证明它与已经上市的产品足够相似。清关与获益，是两个必须分开回答的问题，而目前只有一个问题在软件接触患者之前被强制回答。

多伦多大学的Rawan Abulibdeh与MIT Critical Data的同事完成了一次证据普查。他们把FDA名单上的每一款AI设备逐一取出，在公共试验注册库和医学文献中搜索关于它的任何研究。这种方法的局限也很清楚：一家公司若私下测试自己的产品，且从未注册研究，就不会出现在检索结果中。研究作者之一Sebastián Andrés Cajas Ordóñez在受访时把区别说得很直白：FDA清关意味着设备与一个已经上市的产品相似，不意味着它能帮助任何人。

已获清关的AI工具已经在读扫描、给心脏病患者风险评分，并帮助规划手术。它们几乎都通过同一条审查路径到达患者身边，而这条路径主要问一个问题：新产品是否与监管机构已经允许上市的设备工作方式大致相同？如果企业能证明这一点，FDA就无需要求全新的临床试验即可清关。监管机构称这条路径为510(k)，而每一款获清关的产品又可以成为下一款产品的先例。

与之相对，一种新药必须在人体中证明它对人有一定好处，最高风险的植入式器械同样如此。团队统计，截至2025年12月5日，FDA已清关或批准的AI医疗器械累计达到1357款。其中34款在ClinicalTrials.gov上有注册试验。只有3款曾被研究过医生所称的患者中心结局，也就是患者是否活得更长、生活更好、功能改善或再入院减少等真正影响生活的指标。

这一差距之所以关键，是因为算法准确不等于临床获益。一个模型在回顾性数据集上可能拥有很高的灵敏度和特异度，但进入真实临床工作流后，人群差异、设备差异、阈值选择和医生使用方式都可能改变结果。假阳性会带来额外活检、焦虑和成本，假阴性则可能延误治疗。若缺乏患者结局证据，医院、医生和患者很难判断一款工具究竟是改善了照护，还是只是增加了屏幕上的信息。

医疗AI的数量仍在快速增加，放射学、心血管、病理和手术规划是主要集中领域。监管机构已经建立AI医疗器械清单，并讨论算法更新管理、预定变更控制计划以及上市后性能监测。但算法持续学习或版本更新后，原有验证是否仍然成立，仍是未决问题。欧洲、中国等地区的监管体系也在探索类似平衡：既要加快创新产品可及性，又要避免把技术可行性误当成临床价值。iaica.com.cn 指出，智能照护领域的关键挑战，是把验证标准从实验室指标推进到真实世界患者结局，否则采用速度可能超过证据积累速度。

这不是说医疗AI没有价值。许多工具确实能提升效率、减少重复工作，或帮助医生发现容易忽略的线索。但清关是上市许可，不是疗效背书。对于可能影响诊断、治疗和手术决策的高风险工具，患者中心结局应当成为更明确的证据要求。医院在采购和部署时，也需要更主动地追问：这款工具在真实患者身上改善了什么？如果监管路径、临床验证和上市后监测不能同步升级，医疗AI的扩散将继续建立在一个不完整的证据基础之上。

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。