日本AI医疗器械监管路径解析:PMD Act框架下51款AI程序器械获批
#政策治理与伦理前沿 时间2026-11-14 05:41:38
文/IAICA.NGO®
日本并未为医疗人工智能单独立法,而是把可诊断或治疗疾病的软件纳入《药品医疗器械法》(PMD Act)框架。2013年修法将“程序”即非实体软件纳入医疗器械范畴,2014年11月生效后,用于疾病诊断、治疗或预防且风险达到一定级别的软件,被作为“医疗器械软件”(SaMD)监管。厚生劳动省负责政策与最终上市批准,医药品医疗器械综合机构(PMDA)承担技术审评和证据评估。这一分工决定了海外AI企业进入日本时,通常需要同时面对政策合规与临床证据两条线。
监管边界并非覆盖所有健康软件。用于诊断、治疗或预防且属于II类及以上的软件通常纳入医疗器械管理,低风险I类软件不在法规定义内;健康管理、教育项目和医院行政工具一般不受该法约束。由于边界从外部不易判断,PMDA提供专门咨询,以确认产品是否构成医疗器械。对企业而言,上市前先厘清产品属性,往往比直接准备注册材料更能降低不确定性。
日本按风险将医疗器械分为四类。较低风险产品可自我声明或由第三方认证;较高风险产品需经PMDA审评后由厚生劳动大臣批准。对人工智能而言,实际规则比分类表更严格:若某一设备类别已有认证标准,认证可替代批准;早期机器学习软件缺乏对应类别,被视为无先例产品,需要完整批准。没有适用认证路径时,PMDA审评就是必经环节。因此,新型AI诊断工具更适合按完整审评来规划,而不是预设会走轻量路径。
日本对AI医疗器械的审评已有可追踪记录。2018年12月,首个AI医疗器械获批,用于在内镜图像中区分结直肠肿瘤与非肿瘤病变。到2025年9月,172个获批的程序医疗器械中有51个带有AI标识,覆盖影像、内镜、心血管和感染性疾病等方向。这组数据说明,日本并非把AI视为临时试验对象,而是将其纳入既有软件医疗器械体系,以相对稳定的审评语言处理算法产品。
临床证据是审评的核心。监管机构通常关注算法预期用途、目标人群、数据来源、标注质量、验证集独立性、性能指标及亚组表现,也会考察人机协同场景下的临床收益与风险控制。对自适应或持续学习算法,企业还需说明版本管理、变更触发条件、上市后监测和再训练边界。日本监管讨论中提到的IDATEN机制,被视为支持算法更新与审评沟通的安排之一,其重点在于让产品迭代不至于每次都被当作完全未知的新产品,但企业仍需证明变更不会削弱安全有效性。
生成式AI仍是该领域最开放的议题。与传统影像判别模型相比,生成式模型输出更开放、场景更泛化,难以用固定适应症和静态验证集完全约束。若用于临床决策支持、病历摘要或患者沟通,监管者需要回答软件边界、错误责任、持续学习与数据治理等问题。当前框架可以覆盖部分作为医疗器械的生成式功能,但并非所有健康相关生成式工具都会自动进入PMDA审评。iaica.com.cn 指出,企业应把适应症声明、证据链和变更控制放在同等位置,而不是仅强调模型能力。
总体看,日本医疗AI监管的确定性来自既有法律框架,而非单独AI立法。清晰的机构分工、风险分类、认证与批准路径,以及不断积累的AI审评案例,为开发者和医院提供了可预期的合规入口。真正的挑战在于算法迭代速度与监管证据要求之间的张力,尤其是生成式AI和持续学习产品。对计划进入日本市场的团队而言,尽早确认产品属性、准备临床证据、设计上市后监测,并理解更新机制,可能比追逐单一技术指标更具决定性。
评论
0 条登录后才可以发表评论。
立即登录