人工智能醫療監管與治理創新：突破現行規范框架的思考

〔摘要〕隨著以深度學習和生成式人工智能為代表的人工智能應用的爆發式增長，人工智能技術已經進入醫療健康各個領域，包括臨床診療、醫院管理、科學研究、教育培訓和健康管理等，為患者帶來高效優質服務的同時，也涌現出一系列治理制度需要解決和探索的問題，尤其是在人工智能醫療產品監管方面。目前，各國監管機構大多以風險等級方式進行人工智能醫療產品監管，基本將人工智能產品定位為“輔助”性質，即需要醫師簽字確認自動判讀結果并承擔法律責任。世界衛生組織先后發布兩項人工智能指南，旨在對衛生健康領域人工智能技術的開發、提供和部署提供指導框架，并在肺結核這類特殊疾病診斷上提出突破性“獨立使用”的建議，美國監管機構也提出“軟件預認證”的突破性思路以縮短審批流程并創新監管方式。嘗試從技術治理制度創新的角度出發，借鑒國際相關經驗，結合中國技術發展與實踐情況，提出針對特定應用場景、風險程度較低人工智能產品逐步開放“獨立”應用，以及對于尚未納入監管的風險較高人工智能醫療產品進行“機構預認證”的治理思路，為制度創新提供一些可操作的路徑。

〔關鍵詞〕生成式人工智能；醫療器械；獨立軟件；計算機輔助檢測

〔中圖分類號〕R-052 〔文獻標志碼〕A 〔文章編號〕1001-8565（2024）09-1030-07

DOI： 10. 12026/j. issn. 1001-8565. 2024. 09. 03

Innovation in artificial intelligence medical regulatory and governance： thoughts on breaking through the current normative framework

CHEN Bingshu1， WANG Yue2

（1. Neusoft Medical Systems Co.， Ltd.， Shenyang 110179， China；2. School of Law， Xi’an Jiaotong University， Xi’an 710049， China）

Abstract： With the explosive growth of artificial intelligence（ AI） applications represented by deep learning and artificial intelligence generated content （AIGC）， AI technologies have deployed various fields of healthcare， including clinical diagnosis and treatment， hospital management， scientific research， education training， and health management. While bringing efficient and high-quality services to patients， it has also emerged a series of regulatory and governance issues that need to be resolved and explored， especially in the regulation of AI medical applications. Currently， regulatory agencies in various countries mostly regulate AI medical products based on risk levels， positioning AI products as“ aided” in nature， that is， physicians are required to sign to confirm the results of the automated interpretation and take legal responsibility. The World Health Organization has released two successive AI guidelines， aiming to provide a guiding framework for the development， provision， and deployment of AI technology in the field of health， and to propose breakthrough“independent use” recommendations for the diagnosis of special diseases such as tuberculosis. The United States regulators have also proposed a creative idea of “ software pre-certification” to shorten the approval process and innovate regulatory methods. Starting from the perspective of innovation in the technology governance systems， drawing on relevant international experiences， and combining them with China’s technological development and practice situation， this paper proposed a governance thinking of gradually opening up “independent” applications for AI products with specific application scenarios and lower risk levels，as well as conducting “institutional pre-certification” for high-risk AI medical products that have not yet included in regulation， so as to provide some operable paths for institutional innovation.

Keywords： artificial intelligence generated content； medical device； independent software； computer-aided detection

2017年7月，國務院印發《新一代人工智能發展規劃》，將人工智能發展上升到國家戰略層面，為智能醫療的發展指明了智慧醫院建設、手術機器人、智能診療、智能生理監測、影像識別、新藥研發、醫藥監管和流行病智能監測與防控等方向[1]。同時“十四五”規劃將人工智能納入優先發展領域，推動產業迎來新一輪發展。

人工智能指模擬、延伸、擴展和表現出人類智能（如推理和學習）的能力，其依靠計算機視覺、自然語言處理、機器學習或深度學習等計算機人工智能技術實現[2]。當前醫學領域人工智能技術應用場景廣泛，涵蓋臨床診療、醫院管理、科學研究、教育培訓和健康管理等。各國監管機構對人工智能醫療產品并沒有形成統一的定義，但是基本一致規定應用了各類人工智能算法的產品作為醫療器械進行管理（Software as a Medical Device， SaMD）[2-5]。

1998年，美國食品藥品監管局 （FDA）在《美國聯邦管理法規》第 21篇Code of Federal Regulations， article 21中首次提出計算機輔助檢測（computer assisted/aided detection，CAD）的概念 [2]。這也是全球法規體系中，首次將CAD軟件納入醫療器械管理的范疇。2019 年 2 月，FDA 發布了《人工智能醫療器械獨立軟件修正監管框架（討論稿）》（Proposed Regulatory Framework for Modifications to Artificial Intelligence/ Machine Learning 〈AI/ML〉-Based Software as a Medical Device Discussion Paper）[4]，再次確認將人工智能軟件作為醫療器械進行管理，在美國監管機制下，CAD（計算機輔助檢測）和SaMD（獨立軟件，軟件即醫療器械）是比較常見的對于此類產品使用的名詞。

目前中國監管部門提出了人工智能醫療器械產品定義，“基于‘醫療器械數據’，采用人工智能技術實現其預期用途的醫療器械或使用深度學習技術進行輔助決策的軟件”[2，6-9]。然而，這一定義相對范圍較窄，大量人工智能產品暫未納入人工智能醫療器械范疇，因此也未對其進行系統審評監管和規范臨床，包括基于其他醫療數據的智能醫學軟件（如智能處方審核軟件、智能導診分診機器人）、 基于大數據的輔助決策系統（Clinical Decision Support System，CDSS）、非醫療器械類的軟件、基于語義識別的電子病歷語音錄入系統、病情診治與監測系統、數字遠程會診平臺以及醫療機構自行研發的人工智能算法等，這些醫學人工智能產品多數缺乏統一操作指南和規范，對醫療質量構成潛在風險[2]。

1 基于風險分級的人工智能醫療器械監管模式

目前，世界各國的人工智能醫療器械監管模式，基本都是以風險等級為核心的監管模式，國際醫療器械監管機構論壇（IMDRF）作為推廣相關標準的國際組織，也推廣根據軟件所申明的用途和所針對疾病的嚴重性對其進行風險分類并進行管理[4-6]。

在中國，人工智能醫療器械作為醫療器械軟件的子集，同樣采用基于風險的全生命周期管理方法進行監管[6]。基于風險是指人工智能醫療器械的監管要求取決于其風險水平，風險水平越高監管要求越嚴，其風險水平采用軟件安全性級別進行表述，分為輕微、中等、嚴重三個級別，可結合人工智能醫療器械的預期用途、使用場景、核心功能進行綜合判定[6]。

值得注意的是，美國和中國在進行人工智能醫用軟件審批時，都會在審批文件中有如下描述：“供經培訓合格的醫師使用，不能單獨用作臨床診療決策依據”。也就是說，所有人工智能產品都不能獨立使用，無論軟件性能表現如何，都需要經過培訓合格的醫師簽字確認才能作為診斷的有效文件，相關軟件定位在作為醫師的“輔助”作用上，所以因其診斷所產生的法律責任也由確認簽字的醫師來承擔。

1. 1 美國人工智能醫療器械監管模式

美國人工智能醫療器械的審批，根據產品的功能與用途進行分類。依據1976 年美國在《醫療器械修正案》（Medical Device Amendments）[4]中提出關于對醫療器械上市前和上市后監管的理念，建立了以產品風險為依據的醫療器械分類管理制度，將醫療器械按照風險程度分為Ⅰ—Ⅲ類。FDA對Ⅰ類低風險產品實行一般控制，除極少數產品外，大多數Ⅰ類產品僅需備案管理，而不需要進行上市前通告即510（k）；Ⅱ類為中等風險產品，FDA對其實施特殊控制，需要進行510（k）審批，即將擬申報醫療器械與已上市的參照器械在功能、性能、技術等方面進行對比，通過實質等同證明申報器械的安全性和有效性，從而獲準上市；Ⅲ類是高風險醫療器械，FDA則要求更為嚴格的上市前審批（premar‐ket approval application， PMA），目前美國上市的人工智能醫療器械多數屬于Ⅱ類中等風險醫療器械[4]。

FDA將數字醫療器械軟件主要分為四類，即醫療器械獨立軟件、移動醫療應用程序、臨床決策支持軟件和醫療器械數據系統。前三種軟件涉及疾病檢測、監測、診斷、治療等功能，是目前運用人工智能技術的主要軟件類型[4]。而最后一類軟件功能以醫療數據的儲存、傳輸和管理為主，通常作為低風險軟件管理，不作為人工智能軟件監管的重點。

2022年，FDA公布了基于人工智能/機器學習的醫療器械清單，已有500多個基于人工智能技術的產品在美國獲批上市，其中包括近100個CAD（醫學影像輔助決策軟件）[3]，絕大部分都是Ⅱ類。FDA按照預期用途進一步將CAD（醫學影像輔助決策產品）分為輔助檢測（CADe）、輔助分診（CADt）、輔助診斷（CADx）、輔助檢測/診斷（CADe/x）等。CADt產品的預期用途通常是對患者就診順序進行優先級排序，沒有診療直接相關的信息輸出，故其臨床應用風險在CAD里相對較低。CADe類產品會影響專業醫療人士的臨床決策，其臨床應用風險相對較高。CADx產品能夠提供最終的診斷結果供專業醫療人士參考，對臨床決策的影響最大，臨床應用風險在CAD的幾類輔助決策產品中最高[3]。

因此，從審批實踐上來看，風險是美國人工智能醫療器械分類的最重要參考因素，目前獲批的CAD產品大多為II類，且進一步按照風險等級分為分診、檢測、診斷等。同時CAD（醫學影像輔助決策產品）還是將軟件定位在輔助功能上，都需要經過培訓合格的醫師簽字方能生效。

1. 2 中國人工智能醫療器械監管模式

2017年，中國國家藥品監督管理局成立人工智能工作組，相關工作主要包括人工智能醫療器械測評數據庫建立、算法評估、數據安全等，并重視產學研醫檢相結合和跨學科合作[5]。2019年7月，多部門發起的人工智能醫療器械創新合作平臺成立，以促進人工智能醫療器械監管研究；在全球率先發布《深度學習輔助決策醫療器械軟件審評要點》，明確人工智能醫療器械的關注重點在深度學習類的輔助決策醫療器械軟件。2022年3月，國家藥監局發布《人工智能醫療器械注冊審查指導原則》，指出深度學習是當前人工智能醫療器械的主流被監管的算法[9]。2020年以來，中國大力推進人工智能醫療器械監管研究，積極參與國際醫療器械監管機構論壇人工智能醫療器械工作組、國際電信聯盟/世界衛生組織醫學人工智能焦點組（ITU/WHO Focus Group on Artificial Intelligence for Health）等國際監管協調工作；先后制定和發布多項相關指導原則、審評要點和行業標準，標志著中國人工智能醫療器械監管研究已取得階段性成果[6-9]。

中國對人工智能醫療器械管理較為嚴格，從算法種類、預期用途（是否為輔助決策）和數據來源（來自醫療器械）進行界定，并嚴格按照風險等級管理。根據2017年發布的新版醫療器械目錄以及人工智能醫用軟件產品分類界定指導原則[8]，人工智能醫用軟件是指基于醫療器械數據、采用人工智能技術實現其醫療用途的獨立軟件，分為治療計劃軟件、影像處理軟件、數據處理軟件、決策支持軟件、體外診斷軟件和其他軟件[7]。對于算法在醫療應用中成熟度低（指未上市或安全有效性尚未得到充分證實）的人工智能醫用軟件，若用于輔助決策，如提供病灶特征識別、病變性質判定、用藥指導、治療計劃制定等臨床診療建議，按照第三類醫療器械管理；若用于非輔助決策，如進行數據處理和測量等提供臨床參考信息，按照第二類醫療器械管理[8]。基于上述界定規則，人工智能醫用軟件的數據來源為醫療器械數據，風險高的按照三類管理，風險低的按照二類管理[8]。由于醫學知識的真偽優劣評判不屬于醫療器械監管范圍，故基于知識管理的醫學人工智能軟件不是人工智能獨立軟件，其代表產品是采用自然語言處理（NLP）技術對電子病歷的文本信息進行處理分析，生成知識圖譜或量表并以此為基礎向用戶提供醫療決策建議[6]。根據中國藥監機構目前的分類界定原則，臨床輔助決策系統（CDSS）以及生成式人工智能應用，都不屬于人工智能醫療器械監管范疇。

根據國家藥監局數據庫數據，自2019年1月1日到2024年6月30日的5年間（三類醫療器械證有效期內），藥監局共批準183款三類醫療器械軟件上市，其中明確有深度學習算法的軟件有77款，創新通道有19款產品，主要包括糖尿病視網膜病變眼底圖像、肺結節CT、 FFR-CT、骨折和顱內腫瘤磁共振成像等醫學影像輔助診斷場景。采用深度學習技術的醫療器械是當前人工智能醫療器械監管的重點產品類別[6]。從使用場景上，呈現出以分診、檢測和評估的分類作為審批的方向，在已經獲批的種類內，以分診為審批類別的，包括肺炎CT影像輔助分診與評估軟件、顱內出血CT影像輔助分診軟件、胸部骨折CT圖像輔助分診軟件、顱內動脈瘤CT血管造影圖像輔助分診軟件、肝臟局灶性病變MR圖像輔助分診軟件。

在有關亞分類上，中美兩國的審批規則逐漸趨同，中國基本上分為檢測、診斷和分診三類，這個跟美國FDA的CADe、CADx和CADt比較類似，也能體現出來在基于風險的分類上更細致地分類，兩個監管機構在CADe（檢測）、CADx（診斷）上的審評要求都更高。

1. 3 人工智能醫療監管和治理面臨的挑戰

1. 3. 1 人工智能的技術特性對治理和監管體系提出更高要求

以獨立軟件為代表的人工智能醫療器械在使用過程中會根據真實世界數據和反饋不斷自我學習與進化，對人工智能醫用軟件的初始評估結論的一致性可能存在一些監管瑕疵，也就是說無法完全對軟件進行動態監管，沒有識別到監管漏洞，但是存在一些可能的風險。算法在一定程度上存在可解釋性較差的現象。相比于傳統醫療器械，單一部門的資源及技術能力不足以對其產業形成及時有效的監管和治理，隨著人工智能大模型和生成式人工智能技術在各領域的迅速傳播，如何在醫學人工智能領域平衡好人機合作的風險與收益，放大效率提升、能力延伸的益處，規避信息混雜、數字鴻溝帶來的弊端，將成為各部門在聯合監管及治理過程中持續面對的問題[10]。

1. 3. 2 基于不同場景的價值和技術評估體系共識尚缺乏

人工智能對傳統醫療衛生診治模式和思維形成沖擊挑戰，醫療衛生監管未能及時形成人工智能臨床應用場景和功能的統一認知，造成技術治理理念滯后于新技術發展，未來將繼續對人工智能臨床應用場景進行深入定義和分析，形成既能體現技術本身分類特點，又能反映臨床診治規律的人工智能醫療技術分類標準，為科學治理政策制定奠定理論基礎[11]。目前的監管是根據風險等級進行，但是在同一等級中，不同的軟件應用場景可分為分診、評估、檢測等，存在一些場景差異，同時人工智能作為特殊軟件，在三甲醫院以及基層醫療機構的使用場景也會完全產生不同效果并面臨不同風險，甚至在診斷評估不同種類疾病，例如傳染病和慢性病，所產生的價值也會有差異。另外，有關應用場景的劃分，還可能影響產品質量評價結果，例如有些人工智能醫療器械預期在基層醫療機構使用，由于基層醫療機構不具備醫療器械臨床試驗機構的備案條件，故這些產品難以在真實臨床場景下開展臨床試驗進行算法確認，就會影響產品質量評價結果[10-11]。因此包括政府在內的政策監管方、醫療決策者、醫院管理者和服務提供者需要價值和技術的評估工具，識別高價值創新產品，推動其在適宜臨床場景下合理應用，實現預期臨床價值。

1. 3. 3 現行法規治理框架和實踐有待突破

人工智能的應用在疾病漏診、誤診等醫療事故中增添了機器系統這一角色使得責任的判定更加復雜，目前現行法律法規還不足以解決醫療人工智能帶來的各種問題，針對人工智能軟件和手術機器人等人工智能技術在醫療活動中造成的醫療事故責任判定需要盡快建立適應人工智能應用現狀的相關規范、標準與法律法規，并隨著人工智能的發展不斷完善，明確各方責任[12]。在目前法律法規體系中，盡管有部分臨床證據已經表明某些人工智能醫用軟件已有比較好的臨床表現，但仍需要符合條件的醫師確認相關結果。

2 國際醫學人工智能監管新動向及其借鑒

全球圍繞醫學人工智能的治理展開了廣泛討論，世界衛生組織（WHO）也提出了針對開發、提供和部署環節的人工智能倫理治理框架，希望將這些原則作為各國政府、技術開發者、企業、民間社會和政府間組織采用以符合倫理要求的方式適當使用人工智能技術的基礎。世界衛生組織也在COVID-19以及肺結核等特殊疾病防治過程中，建議在特殊場景下人工智能可以發揮更大作用甚至獨立使用。另外，美國FDA也在進行相關軟件預認證的試點工作，這也是將監管從產品審評轉向機構管理的一種方式[4]。

2. 1 基于設計開發、提供和部署的價值鏈管理思路

世界衛生組織分別于2021年6月和2024年1月發布《醫療衛生中人工智能的倫理治理》指南和《衛生領域人工智能的倫理與治理：多模態大模型指南》，提出了六項原則，分別是：保護自主權，促進人類福祉、人類安全和公共利益，確保透明性、“可解釋性”和可理解性，促進責任和問責制，確保包容性和公平性，促進具有響應性和可持續性的人工智能發展[13-14]。在多模態大模型指南中，提出“各國政府應該沿著LMM（大型多模態模型）和應用程序的設計開發、提供和部署的價值鏈確立責任，以確保損害受害者能夠要求賠償”，這個提法不僅區分了LMM相關的上下游的關系，確定了三種形態，同時也提出價值鏈的方式確定責任，為生成式人工智能的責任確立提供了一種全新視角。

針對開發者，該指南建議可以對程序員進行倫理認證或者培訓，促進他們符合醫療行業要求，開發者通過“事前剖析”和“紅隊”減少相應的風險。針對提供者和部署者，該指南建議政府應該頒布法律和政策，在人工智能的整個生命周期內對LMM和應用程序進行影響評估，應涉及倫理、人權、安全和數據保護，相關評估應該由獨立第三方進行。

2. 2 軟件研發機構預認證模式

美國FDA于2017年啟動了軟件預認證試點項目，提出將嘗試建立基于制造商質量與組織卓越文化（culture of quality and organizational excellence，CQOE）的審批模式，作為完全基于產品的傳統審批模式的選擇性補充。2017年FDA已從100家制造商中選出9家參與首期項目，其中包括蘋果、羅氏、Fitbit、強生等，并著手進行更多制造商的評選，經認可的制造商也將被分為兩級，具有卓越文化且軟件監管經驗較多的制造商被評為二級，其低風險和中等風險產品不再需進行FDA上市審批[4，6]。

在世界衛生組織人工智能指南里也提出：政府監管機構應激勵開發者在產品設計和開發過程中識別、檢測和解決相關的安全和人權問題，并應納入相關預認證計劃[13-14]。

機構預認證可能會成為新技術監管的一種創新制度設計，即從產品認證走向機構預認證。

2. 3 醫用人工智能軟件的獨立使用

2021年3月，世界衛生組織更新了《結核病綜合指南，模塊2：結核病的系統篩查》，其進行的17項更新中包括了CAD軟件可獨立使用的重要更新。在指南推薦需進行篩查的15歲及以上人群中，計算機輔助診斷軟件（CAD）可替代人類閱片師（human reader）對胸部X光片進行解讀，以實現該人群的結核病篩查和分診的任務[15]。

該更新也是首次在世界衛生組織的疾病防治指南中推薦CAD可以獨立使用，無需經過人類醫師簽字確認，但是指南嚴格界定了應用場景，即在篩查和分診場景下，軟件可以獨立使用。該條款目前還是“有條件推薦”的更新，需要更多證據。指南專家組也認為，與人工閱片相比，CAD軟件的結論可以被視為準確的[15]。

世界衛生組織此更新為人工智能醫療產品的使用提供了新思路，即在低風險、特定場景下，可以逐步獨立使用人工智能產品。

3 醫療人工智能監管與治理制度創新和突破

人工智能發展過程中難免沖擊現有法律規范、社會秩序、倫理道德，但人工智能技術在醫療領域應用具有十分美好的前景和巨大的需求，因此，應當在保障安全底線的前提下，采取風險分級、審慎包容的監管策略，避免過度限制技術發展，實現規范約束與創新發展平衡。世界衛生組織及相關國家監管機構開展了一些有益的探索，基于已經獲取的經驗，結合中國醫療監管的現有架構及機制，本文針對人工智能監管和治理提出以下建議：

3. 1 建立全鏈條創新激勵型監管體制

為了保障人工智能的安全創新，須全生命周期的動態和創新的監管體系，一方面，需要建立敏捷的系統協調法規監管部門、臨床管理部門和醫保物價部門的協同，使新技術的商業閉環能盡快實現；另一方面，還要推進產業技術部門和行業監管部門協同，使新技術能迅速產品化，加速上市前審批和加強上市后監管，促進新技術的安全使用和升級迭代。

3. 1. 1 建立敏捷的全鏈條創新監管體系

在三醫聯動（醫藥、醫療和醫保）的基礎上，推動人工智能醫療器械的全鏈條監管模式，將藥監、衛健、醫保、科技、工信、發改等相關行業監管和科技產業創新部門納入機制，可考慮由工信作為牽頭部門推動相關產品的研發、產品化、注冊、上市、醫保等快速實現，以重大專項、首臺套目錄、政府集團采購、創新支付專項基金等工具為抓手，推動醫療人工智能產品的應用，形成激勵產業發展商業閉環，從而塑造更好的創新環境。

3. 1. 2 建立政府支持的公共服務平臺

建議借鑒世界衛生組織提出的獨立第三方審計和評估機制，搭建醫學人工智能應用評估平臺，基于研發、使用、監管等各利益相關方的實際需求，形成規范、透明的信息共享及交換平臺。平臺還可執行相關價值評估、產品測評、紅隊對抗、檢測、價值對齊規范制定等相關職能，對不同風險產品實施分類管理，確保低風險產品的標準統一，以及高風險產品檢測手段的實施。

3. 2 深化“人工智能開發、提供和部署價值鏈”的法律責任確定

法律關系確認、責任歸屬判定和商業化閉環形成，一直是人工智能在醫學領域應用需要解決的難題。根據世界衛生組織所提倡“價值鏈”的方法論，建議國家科技倫理委員會下設醫學人工智能倫理法律政策顧問與咨詢機構，由醫學專家、倫理專家、法律專家、技術專家共同組成，按照設計開發、提供和部署的價值鏈評估的原則，深入研究人工智能的責任歸屬等復雜問題，充分挖掘現有法律制度資源，厘清法律關系和責任歸屬，給出醫療人工智能產品的中國法律關系和責任設計框架。

3. 3 推動監管模式分層級的突破和創新

隨著人工智能技術進步，采用自動技術的人工智能應用會越來越多，需要逐步考慮突破現行法律倫理框架進行進一步探索，以制定與技術進步相適應的法律和治理體系，可以考慮借鑒自動駕駛領域的分級監管，以推動治理框架能夠適配新的技術。

3. 3. 1 風險較低的人工智能產品可逐步推進獨立使用

針對特定應用場景、風險程度較低和技術成熟度較高的產品，可嘗試進行“獨立使用”的管理模式，即不再進行醫師簽字確認，例如前文提到的肺結核CAD產品，以及國內藥監局審批的相關的分診產品（如骨折、腦出血、肺炎等）。因為風險等級較低，可根據“獨立性能評估”和“臨床試驗”的有效結果，相關醫療責任由相關注冊證持有企業/機構承擔。

3. 3. 2 風險程度較高的輔助檢測類產品

風險程度較高的輔助檢測類產品可依然采用目前監管策略，即將輔助檢測類產品按照三類管理，需要進行較嚴格的臨床試驗驗證，證明產品的安全性和有效性，且高于現行技術，并繼續要求由醫生簽字確定責任，以及實行上市后全流程監管。3. 3. 3 CDSS和GPT等風險較高且還未納入監管的產品推動“機構監管”模式

對于NLP類的輔助決策系統和生成式人工智能產品，目前并不符合納入人工智能醫療器械管理的范疇，在監管上存在風險和漏洞，目前業界也沒有達成一致如何進行監管。建議針對風險程度較高和不確定產品推動機構監管模式，開展軟件機構預認證模式的試點，由第三方機構進行相關倫理、安全、人員等方面的認證，通過對機構的認證，減少相關風險，同時可促進加快相關產品研發和使用。

4 結語

人工智能激烈國際競爭的背后，一方面比拼的是技術本身，另一方面，還包含了政策立法環境為技術發展提供土壤的優渥程度的較量。中國可大膽進行醫療領域人工智能治理模式的創新，如果創新和實施得當，中國實現引導醫療領域人工智能高質量創新發展和高水平安全的良性互動，還可望形成國際示范效應，為國際人工智能治理提供“中國經驗”，作出“中國貢獻”。

〔參考文獻〕

[1]國務院關于印發新一代人工智能發展規劃的通知[EB/OL].（2017-07-20）[2024-03-05].https：//www.gov.cn/zhengce/content/2017-07/20/content_5211996. html， State Council： Notice on AI Development Plan.

[2]邱英鵬，吳迪，肖月，等. 我國人工智能醫療技術定義和分類思考 [J]. 醫學信息學雜志， 2023，44 （10）： 11-15. QIU Y P， WU D， XIAO Y ，et al. Consideration on the definition and classification of artificial intelli‐gence medical technology in China[J]. Journal of Medical Intelligence， 2023，44（10）：11-15.

[3]盛恒松，郭佳瑩，王澤華. AI醫學影像輔助決策軟件FDA臨床要求淺析[J].中國數字醫學，2023， 18 （5）： 8-12. SHENG S H， GUO J Y，WANG Z H， et al. Analysis of FDA’s clinical requirements for AI medical image-assisted decision-making software[J]. China Digital Medicine， 2023， 18（5）： 8-12.

[4]嚴舒，徐東紫，歐陽昭連.美國人工智能醫療器械監管與應用分析[J].中國醫療設備， 2021，36 （2）： 117-122. YAN S， XU D Z， OUYANG Z L. Analysis on the regulation and application of United States ar‐tificial intelligence medical device[J]. China Medical Devices， 2021， 36 （2）： 117-122.

[5]肖非易，李雪，李睿，等. 醫療人工智能技術評估與監管的國際經驗及啟示[J].中國衛生質量管理， 2023， 30 （7）： 58-62. XIAO F Y， LI X，LI R， et al. International experience and implications of medical artificial intelligence technology evaluation and regulation[J]. Chinese Health Quality Management，2023， 30（7）： 58-62.

[6]彭亮，孫磊. 人工智能醫療器械監管研究進展[J].中國食品藥品監管， 2022 （2）： 30-35. PENG L， SUN L.Progress in regulatory research of artificial intelligence medical devices[J]. China Food Drug Administration，2022 （2）： 30-35.

[7]食品藥品監管總局.總局關于發布醫療器械分類目錄的公告（2017年第104號）[EB/OL] .（2017-09-04）[2024-03-05]. https：//www.nmpa.gov.cn/ xxgk/ggtg/ylqxggtg/ylqxqtggtg/20170904150301406. html.

[8]國家藥監局關于發布人工智能醫用軟件產品分類界定指導原則的通告（2021年第47號） [EB/ OL] .（2021-07-08）[2024-03-05]. https：//www. nmpa. gov. cn/ylqx/ylqxggtg/20210708111147171. html.

[9]國家藥監局器審中心.關于發布人工智能醫療器械注冊審查指導原則的通告（2022年第8號）[EB/ OL] .（2022-03-09）[2024-03-05]. https：//www. cmde.org.cn/flfg/zdyz/fbg/fbgyy/20220309090800158. html.

[10]游茂，任平，田雪晴，等. 我國醫學人工智能發展監管現狀及政策建議[J].醫學信息學雜志，2023， 44 （10）： 1-10. YOU M， REN P，TIAN X Q， et al， Regulatory status and policy recommendations for the develop‐ment of medical artificial intelligence in China[J]. Journal of Medical Intelligence，2023， 44 （10）：1-10.

[11]劉克軍，肖月，邱英鵬，等. 我國人工智能醫療技術臨床應用評估指南研究與應用[J].醫學信息學雜志， 2023， 44 （10）： 16-21. LIU K J， XIAO Y， QIU Y P，et al， Study and application of the clinical application evaluation guideline for artificial intelligence medical technol‐ogy in China[J].Journal of Medical Intelligence，2023， 44 （10）： 16-21.

[12]王笛，趙靖，金明超，等. 人工智能在醫療領域的應用與思考[J].中國醫院管理， 2021， 41 （6）：71-74. WANG D， ZHAO J， JIN M C，et al. Application and thinking of medical artificial intelligence[J].Chi‐nese Hospital Management，2021， 41 （6）： 71-74.

[13]王玥，宋雅鑫，王藝霏，等.衛生領域人工智能的倫理與治理：多模態大模型指南 [J/OL].《中國醫學倫理學》：1-58[2024-03-14].http：//kns.cnki.net/ kcms/detail/61.1203.R.20240304.1833.002.html.

[14]WHO. Ethics and governance of artificial intelli‐gence for health： WHO guidance[EB/OL]. [2024-03-14].https：//www.who.int/publications/i/item/ 9789240029200.

[15]WHO. World Health Organization consolidated guidelines on tuberculosis： module 2： screening：systematic screening for tuberculosis disease[EB/ OL].[2024-03-05]. https：//www.who.int/pub‐lications/i/item/9789240022676.