作者群
- Glenn Cohen， Harvard Law School， Massachusetts， USA
- Timo Minssen， University of Copenhagen， Denmark
- W. Nicholson Price II， University of Michigan， Ann Arbor， USA
- Christopher Robertson， Boston University， USA
- Carmel Shachar， Harvard Law School， Massachusetts， USA
該文係「醫療器材法規的未來」(The Future of Medical Device Regulation)一書中的一部份，第11至46頁。該書由劍橋大學出版社於2022年出版。
註：此文係參考網路公開提供閱讀或擷取資料，未涵蓋該等資料全部事項，相關內容務須參閱各項資料、文獻最新版次。此處係閱讀隨筆，僅供個人學習，非供印刷或潛在意圖出版。引用時請予註明。
© All Rights reserved.
該文的內容分成三個子項目：
壹：美國食品暨藥物管理局(FDA)如何直接監督「人工智慧和機器學習型醫療器材的生命週期法規和評估中的人工智慧問題」
經由人工智慧驅動的軟體系統和包括軟體在內的既有醫療器材之間的關鍵區別，在於人工智慧驅動的軟體系統通常是可塑的：意即它們較易於定期地更改(或至少可以更改)軟體內容，以配合部署它們的背景環境的新資料和新資訊。
人工智慧(AI) / 機器學習(ML)軟體的醫療器材沒有單獨的監管途徑。FDA係採上市前審查機制(PMA)，510(k)或從新(de novo)審查機制。大多數配備人工智慧或機器學習軟體的醫療器材經由510(k)取證，但因審查過程未能保證安全性和有效性而飽受批評。例如510(k) 係宣稱實質相等於FDA已授證的醫療器材，惟該等器材或者不帶有人工智慧軟體，或者臨床資料未呈交人工智慧軟體，而危及製造商宣稱的實質等效性。
上市後器材的更改或修正按規定須申請FDA許可。若是人工智慧軟體係由臨床應用和經驗中持續學習或自動適應式演算法，可能會導致申請內容不同於法規批准之前最初審查的產出結果。
文中舉例說明帶有人工智慧軟體的醫療器材，如：
- Arterys Oncology DL肝癌和肺癌診斷器材的輔助軟體
- BriefCase放射計算機輔助的分類和告知型軟體
- AiCE高級智能清晰—IQ驅動引擎
- Illumeo圖像管理系統軟體
歐洲的醫療器材條例MDR 2017/745和IVDR 2017/746沒有專門針對基於人工智慧或機器學習軟體的醫療器材之明確審查基準或特定驗證要求。 歐盟並沒有能公眾全面檢索的醫療器材資料庫。僅部份成員國提供可查詢的資料庫，如：德國或法國，及英國(已退出歐盟)。
作者提出相關倡議事項，以供監管機構審查及授證予人工智慧或機器學習軟體的醫療器材，如：
- 在美國和歐洲皆已獲證的基於人工智慧或機器學習軟體的醫療器材目前都不需要新的臨床測試。宜在前瞻性臨床試驗中使用有意義和以患者為中心的終點評估該等涉及預測、診斷或治療的人工智慧或機器學習軟體的醫療器材。
- 基於人工智慧或機器學習軟體的醫療器材上市前審查須嚴格評估。
- 應用於臨床照護的基於人工智慧或機器學習軟體的醫療器材須達到特別高的標準。
- 臨床試驗的前提條件必須與基於人工智慧或機器學習軟體的醫療器材的風險協同一致。
- 美國與歐盟監管機構協調合作，處理上述醫療器材上市後的監管作業，如：基於人工智慧或機器學習軟體的醫療器材的容許變更及修改事項的合成清單。凡未列在清單事項的變更或修改，視為不在上述劃定範圍，須提交必要資料供新一輪審查。
- 使用正在進行的實施中的資料供評鑑，審查時採用目前確定且提交的結果，並安排既定期限的稽核。
- 在特定時限(例如：五年期限)之後自行啟動實施審查。
- 製造商定期向監管機構(如：FDA)報告其軟體更新現況。
- 上述軟體的透明性可通過臨床研究之可用性、安全性和品質呈現該等產品的成功和失敗，從而得以使監管機構、法規機構、研究人員和公司從中得知上述情況，促進對其信任。
- 基於人工智慧或機器學習軟體的醫療器材的功能及修改係安全要項，若是自動適應軟體尤為重要，故應提供公開訪視。製造商須提供由上述事項收集的資料和資訊于其公司年度報告。
- 製造商須主動更新基於人工智慧或機器學習軟體的醫療器材的演算法、輸入方式變更等，並與監管機構、使用者(如：臨床醫生、病患、一般使用者)積極溝通。
監管者只是產品生態系統的一個監督管理角色，侵權法則是隱藏型角色，通常僅在彌補產品造成傷害時且監管角色不足時發揮作用，彌補產品生態不足事項。FDA 的臨床決策支持型軟體指引將其納入監管，規範基因組生物資訊學軟體。
FDA監管的醫療器材，包括某些帶有「臨床決策支持(CDS)」軟體，但對於包含人工智慧或機器學習技術的「臨床決策支持(CDS)」軟體，則尚未確定是否由其監管。SaMD係獨立的醫療軟體，用於移動手機、筆記本電腦或雲端伺服器等各種跨平台運行，這些載具和平台就構成了法規定義的醫療器材。當軟體旨在用於診斷、治療或預防疾病時，該軟體本身就是一種醫療器材，而且其作為器材的狀態並非取決於是否被置入特定的硬體內。
FDA對軟體視為醫療器材的規定，可能會增加美國各州的法院將其視為受到嚴格的產品責任侵權制度約束的產品的可能性。法院表示不願對軟體承擔產品責任，無論是因為其無形性質似乎與產品的概念不符，還是因為軟體更宜視為服務。如果將其歸類為服務，則專業瀆職或普通過失制度將適用之。如果歸類為產品，則軟體供應商可能面臨產品責任(其中包括過失和嚴格過失責任及索賠事項)。
例如增強乳房X光射線照片得以突出可疑疾病區域的軟體。FDA將之視為主要增強器材性能，而不是增強使用該器材的人員性能，則該軟體實際上是器材附件，故受到FDA監管。
如果提出建議的「臨床決策支持(CDS)」對使用該軟體的醫療保健專業人員不透明，則該類提出建議的CDS軟體屬於FDA的監管管轄範圍。若其足夠透明，以供醫療保健專業人員能夠理解其建議並挑戰它們，則其不屬於FDA的監管範圍。
通常涉及醫療軟體開發的合約慣例包含的條款關於過失訴訟對軟體開發人員的影響。通常是通過將責任轉移到(或要求使用其軟體的)醫療保健提供者進行賠償的許可條款，以保護軟體開發人員免於承擔過失責任。合約可能尚包括替代性爭議解決程序和緘默條款。這些條款扼殺了公開披露軟體安全問題。
關於視為醫療器材的可解釋軟體，監管機構尚無相應的檢驗程序及方式，如：器材製造商的預期使用方式檢驗程序如何運用在人工智慧或機器學習技術的軟體開發人員、如何準確地評估軟體開發人員是否打算對其軟體進行解釋?是否通過描述支持CDS軟體為醫療可解釋人工智慧軟體(XAI)的推斷的演算法功能，或者是要求執行臨床測試過程，從而由醫生使用該軟體並調查他們是否了解其中的決策依據。所謂的產品缺陷不宜視為資訊本身，而是在依賴於資訊的軟體產品的設計中。最好將人工智慧或機器學習訓練資料庫中的資訊視為軟體的設計功能，而不是產品本身。
包含人工智慧或機器學習醫療器材由於沒有代表性的資料庫，或者由於供應商和開發商拒絕允許他人審查其商品，因此可能缺乏可重複性。
FDA規範某些臨床決策支持型軟體的法規有助於將所涉及的軟體定義為「產品」，因此受到監管機關的審查，從而巧妙地解決了對軟體負有侵權責任的產品訴求的區別。為產品責任訴訟敞開大門，亦為侵權法提供了新的可能性，監管機構得以強制執行對人工智慧驅動的軟體系統的要求。
參：監管機構將監督產品的重點擴大，是否宜於納入歸類為「電子健康記錄的醫療器材」。
在個人層級，醫療專業人員使用電子健康記錄(EHR)來照顧特定患者。他們查找患者的病史，過去的醫療狀況，治療方法等。他們可以使用收集來的資料及衡量可能後果，再制定治療患者策略，以確保避開治療藥物的不良相互作用。
在系統層級內，許多EHR的連接方式允許將它們接觸的資料匯總在一起並進行分析，以得出有關治療和醫療程序的安全性和有效性的結論，其中涉及對大量資料進行清理，整理和分析，基於當前知識實時計算哪些干預措施最為有效，從而將演算法推演出的資料再予輸入到EHR軟體系統中，而後者又再用於改進迭代反饋迴路中未來對其他患者的干預程序的結果。
目前狀況，FDA將EHR視為醫療器材而監管，或是由國家健康資訊技術(NHS)協調辦公室的子機構(ONC)專注於健康資料監管。而電子健康記錄(EHR)的認可情況，如果EHR是由醫療保健專業人員創建，存儲，轉移或審查的，則它們不是醫療器材。但如果特定的「軟體功能可能會對健康造成嚴重不利影響」，則可能被NHS祕書排除在管轄範圍之外，而可以歸屬在FDA的監管範圍。
醫療器材係根據器材支持或維持人類生命或存在受傷害風險的程度，將其分類為I至III類。I類器材不支持或維持生命，並且不會無故引致傷害；II類器材位於中間，因為它們支持或維持人類生命並帶有較高的風險；III類器材存在甚高的危害風險。I類器材受「一般控制零件」的約束，例如：禁止標籤錯誤。II類器材受一些其他的各項法規要求所管制。III類器材需要獲得FDA的上市前批准，除非適用某些豁免的條款。
作者建議更普遍地考慮對電子健康記錄( EHRs )的適當規定。作者嘗試將臨床決策支持軟體和其他產品嵌入軟體收集的健康記錄，以及將衛生系統的不同部分連接起來的軟體，探討監管機構是否得以在此等產品得以成功監管。此等夾縫間技術監管項目對於監督機構形成持續挑戰的一個目標，因為不同參與者皆有不同的專業知識和歸屬的管轄權責機構。
（本篇竟）
沒有留言:
張貼留言