解读国家药监局核查中心2026年11月发布的《人工智能医疗器械检查要点》,拆解14个风险环节中软件验证与确认、数据全生命周期留痕、网络与数据安全等要求,并给出AI软件类企业落地自查清单。
本文为行业实操解读,不替代官方法规原文,仅供药企内部合规参考,不能作为合规判定依据。
一、法规出台背景与适用范围
2026年11月9日,国家药监局药品审核查验中心(核查中心)发布《关于发布〈人工智能医疗器械检查要点〉的通告》,并同步在官网发布《人工智能医疗器械检查要点》(以下简称《检查要点》),供检查员及注册人、受托生产企业参考使用。人工智能医疗器械以数据、算法和软件研发为核心要素,具有数据依赖性强、算法迭代速度快、风险隐蔽性高的特点,传统以车间和设备为中心的质量体系检查方式难以覆盖其特有风险。
《检查要点》适用于对人工智能独立软件以及人工智能软件组件的质量管理体系检查,要求企业根据产品预期用途、算法类型、功能架构、运行模式及部署环境,建立覆盖设计开发、生产、质量控制与产品放行、销售与售后服务全生命周期的质量管理体系,并明确延伸至委托研发、委托生产、外协加工以及委托检验活动。文件建立在医疗器械生产质量管理规范及其独立软件附录之上,与注册审查指导原则形成“审评+检查”的衔接。
二、核心变化 / 重点条款拆解
《检查要点》梳理了14个风险环节:需求分析、数据采集、数据整理、数据标注、数据集构建、数据集质量控制、算法设计、算法选择、算法训练、算法性能评估、软件验证与确认、变更控制、网络与数据安全、软件交付。对从事计算机化系统验证(CSV)与计算机软件保障(CSA)工作的团队,以下三块最值得关注。
1. 软件验证与确认:验证逻辑向基于风险的方向靠拢
《检查要点》要求体系与产品风险相适应,验证与确认活动须覆盖算法输出对使用决策的影响。这与GAMP 5倡导的“基于风险的验证范围决策”一致:先定义预期用途与关键质量属性,再决定测试深度与记录形式。容易误解点:AI软件不能直接套用传统固定版本的IQ/OQ/PQ模板——数据集与训练过程构成算法的新“设计输出”,必须纳入可追溯的证据链。审计核查思路:核对数据集划分记录、测试集独立性证明与算法版本命名规则的对应关系。
2. 数据管理:全生命周期留痕是硬要求
数据采集、脱敏、标注、划分、训练等过程均须留痕;标注人员与仲裁人员的遴选、培训、考核要有记录,相关岗位不得兼任。数据投毒、模型后门攻击、模型窃取与逆向攻击、提示词注入、信息泄露、权限失控被明确列为需识别的特有算法安全与数据安全风险。审计核查思路:抽查数据来源许可与授权文件、数据集查重记录(确认测试集未参与训练与调优)、标注外包供方的质量协议与考核证据。
3. 网络与数据安全、软件交付
网络安全方面,漏洞扫描为必做项,源码审核、渗透测试、模糊测试等按风险选做;数据处理须在受控网络中进行,并建立网络安全事件应急响应程序。软件交付方面,网络交付场景下上传记录可作为生产记录、系统日志可视为记录,但须具备防篡改、身份认证与完整性校验,并提供重传、断点续传等异常处置机制;医疗器械唯一标识(UDI)须在软件界面以易读文本展示,无界面产品须能通过应用程序接口(API)发送。持续学习类产品发布前须确认自学习功能已关闭;算法更新须形成更新研究报告,重大变更依法申请变更注册,上市后还应定期评估算法稳定性与准确性。
三、药企落地高频痛点与常见缺陷
结合近期检查实践与客户咨询,企业常见缺陷集中在五类:
一是过程记录缺失。数据采集、脱敏、标注环节依赖口头约定或即时通讯工具,无原始记录留存,核查中“没有记录等于没做”。
二是权限与账号管理失控。算法开发环境与生产环境共用管理员账号、权限无定期复核,正对应《检查要点》列示的权限失控风险;这也是GxP计算机化系统检查中最经典的缺陷类型,与审计追踪不可关闭、唯一账号等通用要求同源。
三是变更控制与注册变更脱节。算法迭代频繁,企业内部验证通过即上线,未评估是否触发变更注册,缺少更新研究报告。
四是供方管理薄弱。标注外包、云算力、第三方数据提供方未纳入供方审计与质量协议,责任界面不清。
五是电子记录管理不到位。系统日志虽有留存,但无防篡改与完整性校验措施、无定期审核,难以满足数据完整性(DI)的可追溯与可归属性要求。
四、实施建议、自查清单、落地路线
建议按“先盘点、再补证、后固化”三步推进,以下自查清单需结合企业实际评估:
1. 在研与已上市AI软件是否建立覆盖数据、算法、软件三条链路的版本清单?
2. 数据集构建各环节(采集、脱敏、标注、划分)是否有可回溯记录,测试集独立性是否可证明?
3. 预训练模型与第三方数据库是否有清单、许可证与评估资料?
4. 标注外包、云算力等供方是否纳入供方管理并签订质量协议?
5. 是否区分重大与轻微算法更新,并与注册变更判定规则挂钩?
6. 系统日志与上传记录是否具备防篡改、完整性校验和定期审核机制?
落地路线:第一阶段(约1个月内)完成AI软件清单梳理与差距评估;第二阶段(1–3个月)补齐过程记录、修订SOP、开展漏洞扫描与权限复核;第三阶段(持续)将算法版本管理与变更控制、注册变更流程固化联动,并把数据完整性审核纳入体系内审与定期审核节奏。具体时间安排应结合产品风险等级与企业资源确定。
五、总结
《检查要点》标志着监管对AI软件类产品的核查从“查车间”扩展到“查数据和算法”。其内在逻辑与CSV/CSA基于风险的验证思路一致:以预期用途和风险决定控制深度,以可追溯记录证明过程受控。涉及AI独立软件、软件组件或嵌入算法产品的企业,建议由QA牵头,联合研发、注册与IT团队尽快对照14个风险环节开展差距评估,优先补齐数据链路记录与权限管控短板。【可在此处添加:CSV/CSA计算机化系统验证服务链接】【可在此处添加:数据完整性服务链接】
六、常见问题FAQ
Q:《检查要点》只适用于医疗器械企业吗?
A:直接适用对象是AI独立软件和AI软件组件的注册人及受托生产企业。但其体现的数据全生命周期留痕、权限管控、变更与注册联动的检查逻辑,与药品GxP计算机化系统监管方向一致,药品企业可参照自查。
Q:《检查要点》是强制性法规吗?
A:不是。它是供检查员和企业参考使用的检查指导文件,基于医疗器械生产质量管理规范及其独立软件附录制定;未完全满足要点不必然构成违规,但会显著增加检查风险,需结合企业实际评估。
Q:传统CSV的IQ/OQ/PQ能否直接用于AI算法验证?
A:不能直接套用。算法“版本”由数据集和训练过程共同决定,验证证据须覆盖数据集版本、测试集独立性与算法性能评估结果,建议参照CSA思路按风险确定测试深度与记录形式。
Q:持续学习(自学习)的AI产品还能上市吗?
A:《检查要点》要求此类产品发布前确认自学习功能已关闭,算法更新须走变更控制并评估是否需申请变更注册。具体合规路径需结合产品注册状态与监管部门沟通确定。
Q:系统日志可以直接当生产记录使用吗?
A:网络交付场景下,《检查要点》明确上传记录可作为生产记录、系统日志可视为记录,前提是具备防篡改、身份认证、完整性校验等控制措施,否则证据效力在核查中会被质疑。
【审核说明】本文由医药合规顾问审核,熟悉GAMP5、PIC/S、NMPA、FDA相关合规实践;本文AI辅助创作,后续人工复核法规原文。
