近日，北京市藥監(jiān)局發(fā)布《北京市人工智能醫(yī)療器械生產(chǎn)質(zhì)量管理規(guī)范檢查指南（2024版）》（以下簡稱《檢查指南》），我們將其中第四部分“設(shè)計開發(fā)”內(nèi)容轉(zhuǎn)載如下：

生產(chǎn)企業(yè)應(yīng)結(jié)合質(zhì)量管理體系要求，建立人工智能醫(yī)療器械生存周期過程，開展與軟件安全性級別相匹配的產(chǎn)品質(zhì)量保證工作，確定需求分析、數(shù)據(jù)收集、算法設(shè)計、驗證與確認(rèn)、部署運行、更新控制等活動要求，將風(fēng)險管理、可追溯分析（需包含算法和數(shù)據(jù)）貫穿于生存周期全程，形成記錄。

1. 需求分析應(yīng)當(dāng)以用戶需求與風(fēng)險為導(dǎo)向，結(jié)合產(chǎn)品的預(yù)期用途、使用場景、核心功能，綜合分析法律、法規(guī)、規(guī)章、標(biāo)準(zhǔn)、用戶、產(chǎn)品、功能、性能、接口、用戶界面、網(wǎng)絡(luò)安全、警示提示等需求，明確風(fēng)險管理、可追溯性分析、數(shù)據(jù)收集、算法性能、使用限制、現(xiàn)成軟件（現(xiàn)成算法）的驗證與確認(rèn)等活動要求，形成相應(yīng)文件。

2. 數(shù)據(jù)收集應(yīng)當(dāng)確保數(shù)據(jù)來源的合規(guī)性、充分性和多樣性，數(shù)據(jù)分布的科學(xué)性和合理性，數(shù)據(jù)質(zhì)控的充分性、有效性和準(zhǔn)確性。

3. 算法性能需結(jié)合醫(yī)療實際和產(chǎn)品定位，明確假陰性與假陽性、重復(fù)性與再現(xiàn)性、魯棒性/健壯性、實時性等性能指標(biāo)的適用性及其要求，并兼顧不同性能指標(biāo)的制約關(guān)系。

4. 使用限制需考慮產(chǎn)品禁用、慎用等場景，準(zhǔn)確表述產(chǎn)品使用場景，提供必要警示提示信息。

1. 數(shù)據(jù)采集

數(shù)據(jù)采集應(yīng)當(dāng)明確采集設(shè)備、采集過程、數(shù)據(jù)脫敏等質(zhì)控要求，并建立數(shù)據(jù)采集操作規(guī)范。若使用歷史數(shù)據(jù)，應(yīng)當(dāng)結(jié)合樣本規(guī)模、采集難度等影響因素合理選擇數(shù)據(jù)采集方式，明確數(shù)據(jù)篩選標(biāo)準(zhǔn)并對采集的數(shù)據(jù)進(jìn)行質(zhì)量評估。

采集的數(shù)據(jù)應(yīng)進(jìn)行數(shù)據(jù)脫敏以保護(hù)患者隱私，數(shù)據(jù)脫敏需明確脫敏的類型（靜態(tài)、動態(tài)）、規(guī)則、方法以及脫敏內(nèi)容的確定依據(jù)。如使用歷史數(shù)據(jù)，企業(yè)接收的數(shù)據(jù)應(yīng)為脫敏后的數(shù)據(jù)，不得有敏感數(shù)據(jù)流入企業(yè)。

2. 數(shù)據(jù)整理

數(shù)據(jù)整理應(yīng)基于原始數(shù)據(jù)庫明確數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理的質(zhì)控要求。數(shù)據(jù)清洗應(yīng)當(dāng)明確清洗的規(guī)則、方法、結(jié)果，數(shù)據(jù)預(yù)處理應(yīng)當(dāng)明確處理的方法（如濾波、增強(qiáng)、重采樣、尺寸裁剪、均一化等）、結(jié)果。數(shù)據(jù)經(jīng)整理后形成基礎(chǔ)數(shù)據(jù)庫，需明確樣本類型、樣本量、樣本分布等信息。

3. 數(shù)據(jù)標(biāo)注

數(shù)據(jù)標(biāo)注應(yīng)當(dāng)明確標(biāo)注資源管理、標(biāo)注過程質(zhì)控、標(biāo)注質(zhì)量評估等要求，并建立數(shù)據(jù)標(biāo)注操作規(guī)范。標(biāo)注過程質(zhì)控包括人員職責(zé)（如人員資質(zhì)、人員數(shù)量、職責(zé)分工）、標(biāo)注規(guī)則（如臨床指南、專家共識、專家評議、文獻(xiàn)分析）、標(biāo)注流程（如標(biāo)注對象、標(biāo)注形式、標(biāo)注輪次、標(biāo)注步驟、結(jié)果審核）、分歧處理（如仲裁人員、仲裁方式）、可追溯性（如數(shù)據(jù)、操作）等要求。數(shù)據(jù)經(jīng)標(biāo)注后形成標(biāo)注數(shù)據(jù)庫，樣本類型可分為數(shù)據(jù)塊（如圖像區(qū)域、數(shù)據(jù)片段）、單一數(shù)據(jù)（由多個數(shù)據(jù)塊組成）、數(shù)據(jù)序列（由多個單一數(shù)據(jù)組成）。標(biāo)注數(shù)據(jù)庫的樣本量、樣本分布等要求及風(fēng)險考量與基礎(chǔ)數(shù)據(jù)庫相同。

數(shù)據(jù)標(biāo)注若使用自動標(biāo)注軟件，結(jié)果不得直接使用，應(yīng)由標(biāo)注人員審核后方可使用。

4. 數(shù)據(jù)集構(gòu)建

基于標(biāo)注數(shù)據(jù)庫構(gòu)建訓(xùn)練集、調(diào)優(yōu)集（若有）、測試集，應(yīng)當(dāng)明確訓(xùn)練集、調(diào)優(yōu)集、測試集的劃分方法、劃分依據(jù)、數(shù)據(jù)分配比例。訓(xùn)練集原則上需保證樣本分布具有均衡性，測試集、調(diào)優(yōu)集原則上需保證樣本分布符合真實情況，訓(xùn)練集、調(diào)優(yōu)集、測試集的樣本應(yīng)兩兩無交集并通過查重予以驗證。

數(shù)據(jù)擴(kuò)增（若有）應(yīng)當(dāng)明確擴(kuò)增的對象、范圍、方式（離線、在線）、方法（如翻轉(zhuǎn)、旋轉(zhuǎn)、鏡像、平移、縮放、濾波、生成對抗網(wǎng)絡(luò)等）、倍數(shù)，在線擴(kuò)增亦需予以記錄，擴(kuò)增需考慮數(shù)據(jù)偏倚的影響及風(fēng)險。原則上不得對測試集進(jìn)行數(shù)據(jù)擴(kuò)增，對抗測試除外。

數(shù)據(jù)經(jīng)擴(kuò)增后應(yīng)當(dāng)形成擴(kuò)增數(shù)據(jù)庫，需列表對比擴(kuò)增數(shù)據(jù)庫與標(biāo)注數(shù)據(jù)庫在樣本量、樣本分布（注明擴(kuò)增倍數(shù)）等差異，以證實擴(kuò)增數(shù)據(jù)庫樣本量的充分性以及樣本分布的合理性。

1. 算法選擇

算法選擇應(yīng)當(dāng)提供所用算法的名稱、類型（如有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)，基于模型、基于數(shù)據(jù)，白盒、黑盒）、結(jié)構(gòu)（如層數(shù)、參數(shù)規(guī)模）、輸入輸出數(shù)據(jù)類型、流程圖、算法編程框架、運行環(huán)境等基本信息，并明確算法選用依據(jù)，包括選用的理由和基本原則。若組合使用集成學(xué)習(xí)、遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等，需提供算法基本信息以及算法選用依據(jù)。

2. 算法訓(xùn)練

算法訓(xùn)練應(yīng)當(dāng)基于訓(xùn)練集、調(diào)優(yōu)集進(jìn)行訓(xùn)練和調(diào)優(yōu)，考慮評估指標(biāo)、訓(xùn)練方式、訓(xùn)練目標(biāo)、調(diào)優(yōu)方式、訓(xùn)練數(shù)據(jù)量—評估指標(biāo)曲線等要求。

3. 算法性能評估

算法性能評估應(yīng)當(dāng)基于測試集對算法設(shè)計結(jié)果進(jìn)行評估，綜合評估假陰性與假陽性、重復(fù)性與再現(xiàn)性、魯棒性/健壯性、實時性等適用性，以證實算法性能滿足算法設(shè)計目標(biāo)，并作為軟件驗證、軟件確認(rèn)的基礎(chǔ)。若使用第三方數(shù)據(jù)庫開展算法性能評估，應(yīng)當(dāng)提供第三方數(shù)據(jù)庫的基本信息（如名稱、創(chuàng)建者、數(shù)據(jù)總量等）和使用情況（如測試數(shù)據(jù)樣本量、評估指標(biāo)、評估結(jié)果等）。

對于黑盒算法，應(yīng)開展算法性能影響因素分析，并提供算法性能影響因素分析報告，明確影響算法性能的主要因素及其影響程度，以及產(chǎn)品使用限制和必要警示提示信息。

1. 軟件驗證

軟件驗證應(yīng)當(dāng)基于軟件需求予以開展，保證軟件的安全有效性，并作為軟件確認(rèn)的基礎(chǔ)。

2. 軟件確認(rèn)

軟件確認(rèn)測試應(yīng)當(dāng)基于用戶需求，由預(yù)期用戶在真實或模擬使用場景下予以開展，涵蓋現(xiàn)成軟件、網(wǎng)絡(luò)安全的測試要求，確定缺陷管理、風(fēng)險管理、可追溯性分析、評審等活動要求，形成用戶測試記錄、測試報告以及評審記錄并經(jīng)批準(zhǔn)，適時更新并經(jīng)批準(zhǔn)。可追溯性分析此時應(yīng)當(dāng)分析用戶測試與用戶需求、用戶測試與風(fēng)險管理的關(guān)系。同時，開展算法性能比較分析，若各類測試場景（含臨床評價）算法性能變異度較大，詳述原因并基于分析結(jié)果明確產(chǎn)品使用限制和必要警示提示信息。最后，結(jié)合算法訓(xùn)練、算法性能評估、臨床評價等結(jié)果開展算法性能綜合評價，針對訓(xùn)練樣本量和測試樣本量過少、測試結(jié)果明顯低于算法設(shè)計目標(biāo)、算法性能變異度過大等情況，對產(chǎn)品的適用范圍、使用場景、核心功能進(jìn)行必要限制。

基于測評數(shù)據(jù)庫開展的，除滿足數(shù)據(jù)庫通用要求（如數(shù)據(jù)管理、網(wǎng)絡(luò)安全與數(shù)據(jù)安全、可擴(kuò)展性）外，還應(yīng)滿足權(quán)威性、科學(xué)性、規(guī)范性、多樣性、封閉性和動態(tài)性要求。不應(yīng)使用公開數(shù)據(jù)庫作為測評數(shù)據(jù)庫。

算法發(fā)布和更新時應(yīng)在相關(guān)文件列明算法關(guān)鍵模塊的功能、接口、版本、存儲形式（如pt、pth、bin、onnx、pb、keras、ckpt、pkl等）；主要功能組件模塊及相互依賴和接口關(guān)系；軟件的前后端部署方式；對基礎(chǔ)軟件和硬件的依賴和兼容性要求等。

人工智能醫(yī)療器械若發(fā)生算法更新、軟件更新，均應(yīng)當(dāng)按照質(zhì)量管理體系的要求，開展與算法更新、軟件更新的類型、內(nèi)容和程度相適宜的驗證與確認(rèn)活動，將風(fēng)險管理、可追溯分析貫穿于更新全程，形成記錄。此外，算法更新、軟件更新均需考慮引入回滾機(jī)制，以保證醫(yī)療業(yè)務(wù)的連續(xù)性，特別是對風(fēng)險較高的軟件。

軟件版本控制應(yīng)當(dāng)基于合規(guī)性要求確定軟件版本命名規(guī)則，涵蓋自研軟件、現(xiàn)成軟件、算法（算法驅(qū)動型更新或數(shù)據(jù)驅(qū)動型更新）網(wǎng)絡(luò)安全的全部軟件更新類型，明確并區(qū)分重大軟件更新和輕微軟件更新，并符合軟件版本命名規(guī)則的要求。

對數(shù)據(jù)集進(jìn)行用途（如訓(xùn)練、調(diào)優(yōu)、測試、驗證等）的變更，應(yīng)按照數(shù)據(jù)集管理體系的要求進(jìn)行確認(rèn)形成記錄。高控制等級的數(shù)據(jù)集停用后數(shù)據(jù)可流入低控制等級的數(shù)據(jù)集，不允許低控制等級的數(shù)據(jù)集向高控制等級流動（測試集數(shù)據(jù)可變更為訓(xùn)練和調(diào)優(yōu)使用，不可將訓(xùn)練集、調(diào)優(yōu)集的數(shù)據(jù)變更為測試使用）。數(shù)據(jù)集數(shù)據(jù)的變更，應(yīng)按照建立數(shù)據(jù)集過程相同的質(zhì)量體系進(jìn)行管理，并記錄更新內(nèi)容和版本變更。

人工智能醫(yī)療器械全生命周期過程中應(yīng)當(dāng)考慮網(wǎng)絡(luò)安全與數(shù)據(jù)安全問題，對網(wǎng)絡(luò)與數(shù)據(jù)安全過程的控制要求形成文件，包括數(shù)據(jù)轉(zhuǎn)移要求，數(shù)據(jù)整理、數(shù)據(jù)集構(gòu)建、算法訓(xùn)練等內(nèi)部活動開展過程中的數(shù)據(jù)污染防護(hù)措施，以及數(shù)據(jù)標(biāo)注、軟件確認(rèn)等涉及外部活動開展過程中的數(shù)據(jù)污染防護(hù)措施及數(shù)據(jù)接口要求。

各數(shù)據(jù)庫（集）均需進(jìn)行數(shù)據(jù)備份，明確備份的方法、頻次、數(shù)據(jù)恢復(fù)方法。

數(shù)據(jù)庫和數(shù)據(jù)集訪問應(yīng)明確授權(quán)訪問管理要求，形成文件及記錄。

人工智能醫(yī)療器械軟件應(yīng)明確算法的軟件安全性級別（輕微、中等、嚴(yán)重）并詳述判定理由。應(yīng)形成算法風(fēng)險管理資料，明確過擬合與欠擬合、假陰性與假陽性、數(shù)據(jù)污染與數(shù)據(jù)偏倚（如數(shù)據(jù)擴(kuò)增引入的偏倚）、中外差異等風(fēng)險的控制措施。

可追溯性分析應(yīng)當(dāng)建立控制程序，涵蓋軟件、現(xiàn)成軟件、算法及數(shù)據(jù)、網(wǎng)絡(luò)安全的控制要求，形成軟件及算法的可追溯性分析報告。使用可追溯性分析工具保證軟件開發(fā)、軟件更新過程滿足可追溯性要求，并貫穿于軟件生存周期全過程。提供算法可追溯性分析報告等相關(guān)文件及記錄，即追溯算法需求、算法設(shè)計、算法實現(xiàn)、算法驗證與確認(rèn)、風(fēng)險管理、數(shù)據(jù)集的管理。若無單獨文檔可提供軟件可追溯性分析報告，并注明算法可追溯性分析所在位置。

以上僅對《檢查指南》部分內(nèi)容進(jìn)行轉(zhuǎn)載，如需查看全文，請點擊“閱讀原文”

排版整理：金飛鷹藥械