FDA关于AI设备软件功能（AI-DSF）的预定变更控制计划（PCCP）最终指南已经发布，取代了2023年4月发布的草案。虽然最终指南在很大程度上基于早期草案，但其引入了几项关键改进，旨在解决实际挑战并推进当前和未来AI驱动创新的监管框架。以下是关键更新的深入解读，从术语变化到透明度措施的扩展和监管期望的明确化。本文未涵盖许多从草案到最终指南中保持不变的重要PCCP概念和要求。
1. 术语更新：从ML-DSF到AI-DSF
最终指南中最明显的变化之一是术语更新，从机器学习设备软件功能（ML-DSF）改为AI-DSF。这一术语变化反映了FDA希望使指南具有前瞻性，确保其适用于当前、可预见甚至不可预见的AI技术进步，而不仅仅是机器学习。然而，大多数建议和示例仍针对基于机器学习算法的独特特性。这一术语更新表明FDA认识到AI技术的不断演变，同时保持对当前医疗保健中已使用技术的关注。
2. 组合产品范围的缩小
草案指南指出，指南和建议“适用于组合产品的设备组成部分”，包括任何组合产品的设备组成部分，无论其主要作用方式（PMOA）是设备、药物还是生物制品。然而，最终指南将其范围限制为“设备主导的组合产品”的设备组成部分。对于药物主导或生物制品主导的组合产品的设备组成部分，制造商应通过Q-Submission过程寻求个案具体的监管反馈。
3. 提交类型澄清
草案指南指出，指南适用于需进行510(k)、PMA或De Novo上市前提交的设备，但未具体说明适合PCCP提交的提交类型。最终指南提供了更多关于适合PCCP的提交类型的详细信息。
适合建立PCCP的提交类型
对于PMA设备：
- 原始PMA
- 模块化PMA（其中PCCP是一个审查模块）
- 180天PMA补充
- 面板轨道PMA补充
- 实时审查（RTR）补充
对于510(k)设备：
- 传统510(k)
- 简化510(k)
对于II类或I类设备（通过De Novo途径）：
- 原始De Novo请求
不适合建立PCCP的提交类型（尽管未在最终指南中具体列出）
对于PMA设备：
- 30天通知
- 变更生效（CBE）
- PMA年度报告
对于510(k)设备：
- 特殊510(k)
- CBE 510(k)
这些排除的提交类型要么不需要FDA的事先批准（CBE和PMA年度报告），要么是审查周期较短的通知（30天通知和特殊510(k)），因此不适合PCCP所需的全面审查。在允许的PMA补充类型中，RTR的审查周期最短（即90天）。最终指南指出，RTR仅适用于“PCCP涉及次要变更且制造商和FDA同意可以在实时环境中完成审查”的情况。值得注意的是，PMA设备的生产场地变更补充未特别列出，但也可以解释为属于180天补充。同样，如果制造商计划利用PCCP对药物主导或生物制品主导的组合产品的设备组成部分进行修改，并确定适当的NDA或BLA提交类型，他们应通过Q-Submission过程寻求个案具体的监管反馈。
4. 监管历史和QSR合规
最终指南强调，FDA“可能在某些个案情况下基于制造商的监管历史中发现的QSR合规失败而拒绝510(k)提交的PCCP”。尽管QSR合规或制造信息不是510(k)提交的要求，但FDA保留拒绝PCCP批准的权利，如果制造商的监管历史显示不合规。这突显了设备制造商需要建立强大的质量体系并保持良好的合规记录，以支持PCCP和设备的安全性和有效性。
5. 强调透明度
最终指南要求在设备标签和公共摘要中详细记录PCCP相关信息，包括PMA安全性和有效性总结文件（SSEDs）、510(k)摘要和De Novo决定摘要。这些要求确保利益相关者，特别是医疗保健提供者和患者，能够获得关于软件功能、实施更新和监管监督类型的关键信息。这种透明度尤其重要，当软件修改由自适应ML算法（也称为连续学习算法）自动进行时，一旦部署，该算法可以从新数据中学习并自行更新，无需人工干预。
6. 自适应学习算法的保护措施
迄今为止，FDA尚未批准任何包含自适应学习算法的设备。PCCP为获得此类算法的授权提供了一条理想路径，因为它允许FDA通过要求制造商在修改协议和影响评估部分提供详细信息来确保安全性和有效性。这些细节通常超过典型510(k)、De Novo或甚至PMA提交的要求，有助于机构对自适应算法在定义范围内操作的能力建立信心，同时遵守监管合规标准。事实上，最终指南强调了设置边界的重要性，指出制造商必须“在PCCP中明确界定自适应学习算法的自动更新范围”。这突显了在完全自动化软件更新和涉及人工测试和部署的方法之间明确区分流程的必要性。
7. 对使用指示修改的柔和立场
指南在对待使用指示修改的态度上出现了明显的语气转变：
- 草案指南：“目前，FDA认为PCCP中包含的修改应使设备保持在其使用指示范围内。与预期用途的修改一样，FDA认为使用指示的修改将无法使设备保持安全有效。”
- 最终指南：FDA仍然认为任何改变设备预期用途的修改都不适合PCCP。然而，它在使用指示修改方面软化了语气：“一般来说，FDA认为PCCP中包含的修改应使设备保持在其使用指示范围内。与预期用途的修改一样，FDA认为PCCP中包含的大多数使用指示修改难以前瞻性地评估，以确定设备是否仍然安全有效。然而，某些使用指示的修改（例如，某些使用指示的更改以指定设备与额外设备或组件一起使用）可能适合纳入PCCP。”
这种细致入微的方法为制造商在定义参数内扩展设备的实用性提供了更大的灵活性。制造商应通过Q-Submission计划与FDA接洽，以规划在PCCP中包含使用指示修改。这一步骤可以帮助澄清机构的期望并简化提交过程。
8. 验证和验证协议
最终指南要求制造商指明验证和验证协议是否与先前批准的版本不同。例如，如果修改协议涉及某些修改的临床验证，PCCP应具体说明研究类型、协议（包括验证过程）和性能接受标准与FDA先前批准的临床验证研究相比是否有任何差异。此外，制造商必须提供任何偏差的理由。这一步骤确保一致性，同时促进设备性能评估的持续改进，确保具有这些修改的设备维持或提高安全性和有效性。
9. 性能测试指导
一般来说，反复测试ML算法直到成功是不合适的，因为存在过拟合和确认偏差的担忧。最终指南中的一条有用注释澄清，如果失败的根本原因分析显示失败与PCCP的具体方面无关，则“失败不应被视为无法解决，可以重新进行性能测试”。这一添加支持了设备测试和验证的实际方法。然而，是否可以在重新测试中完全或部分重用相同的测试数据集必须逐案仔细评估。
10. 组合产品的影响评估
最终指南中的影响评估部分明确要求制造商评估每个设备组成部分的个别修改如何影响：
- 药物或生物制品组成部分
- 整个组合产品
这种整体方法确保对设备组成部分的任何修改都不会损害组合产品的安全性和有效性。通过考虑所有组成部分之间的相互作用，制造商可以解决潜在风险并维护产品的整体完整性和预期功能。
11. 加强上市后监测
最终指南正式化了草案指南的建议，即作为修改协议的一部分，更新程序应包括“上市后监测计划和程序”，如真实世界监测和用户通知要求。此外，最终指南在附录A中增加了以下问题供考虑：“是否会有标准和/或计划回滚更新以恢复到以前的版本，如适用？”这些措施与FDA确保设备在真实世界环境中持续安全有效的重点一致。
12. UDI要求
在附录A的更新程序部分，最终指南提到了唯一设备标识符（UDI）要求，指出“对于需要在标签上标注UDI的新版本和/或型号，以及新的设备包装，需要新的唯一设备标识符（UDIs）”。然而，确定每次软件更新是否都需要新的设备标识符（DI）并不总是黑白分明的。这一决定取决于更新的性质和范围及其对设备预期用途和/或功能的潜在影响。制造商应遵循其质量系统程序评估UDI要求。如果存在不确定性，制造商可以考虑咨询外部UDI专家以确保合规。
13. 附录B中的新示例
最终指南的附录B现在包括示例#6，“与成像药物共包装的光学成像系统”，专门针对设备主导的组合产品。这个新示例和授权后的修改场景帮助制造商管理其组合产品的上市后变更。
最后的话
FDA关于AI-DSF的最终PCCP指南标志着在将监管实践与医疗保健中AI的快速发展对齐方面迈出的重要一步。通过解决利益相关者的反馈并完善其建议，该指南为应对复杂且不断变化的监管环境提供了更清晰的框架。尽管最终指南与2023年的草案版本非常相似，但它与CDRH在过去两年中的实际PCCP审查经验高度一致。该指南的设计旨在涵盖各种风险分类的所有设备类型，建议和要求足够全面，以涵盖高风险PMA设备修改的PCCP。制造商应始终遵循最简便的方法，将此指南用作有用的工具，而不是僵化地遵守每一条要求。对于PCCP新手或有经验的制造商处理新的设备类型或修改类型，通过Q-Submission过程与FDA接洽是高度推荐的。最后，尽管此最终指南适用于AI设备软件功能，但其原则可以扩展到其他设备类型。制造商可以参考此最终指南和2024年8月的草案指南《医疗器械的PCCP》，以指导其非AI-DSF修改的PCCP准备。随着AI领域的不断发展，此指南既是一个里程碑，也是未来监管创新的基础。
(全文结束)
