EN 18286:2026 與歐盟AI Act的實務考量初探（八之四）

   （續前篇）

醫療器材品質管理系統整合、風險治理及全生命週期合規初探

本文以網路搜集來的介紹文件及概要說明為參考基礎，並利用公開法規資料補充及核對，以人工智慧協助進行個人判斷，完成之介紹性文章，僅供一般資訊與個人持續教育用途，不構成法律意見、資訊服務或對任何產品符合特定法律之保證。引用請註明出處。文中如有引用疏漏，歡迎聯繫補正。
CC BY-NC-ND。非供AI模型訓練。

AI quality management system

4.2 Why ISO 13485 is a foundation, not a substitute｜為什麼 ISO 13485 是基礎，而非替代品？

ISO 13485 的價值在於醫療器材品質管理。對已有成熟 QMS 的製造商而言，設計開發控制、文件管理、供應商控制、不符合品處理、矯正措施、追溯及上市後活動等既有機制，通常可以支援 EN 18286 的部分實施工作。

但「可以支援」與「已經充分符合」是兩個不同的判斷。

例如：某企業的 ISO 13485 系統可能已經要求每次軟體更新都經過變更審查。然而，AI 系統的變更評估還可能需要回答：

• 模型權重或架構是否發生改變？
• 訓練、查證或測試資料是否變更？
• 預期用途、適用人群或使用環境是否改變？
• 原有性能證據是否仍適用？
• 是否需要重新執行部分或全部查證與確效？
• 是否構成 AI Act 所稱的重大修改？
• 是否影響既有符合性評估、技術文件或其他法規義務？

如果現有程序沒有充分處理這些問題，就應補充控制措施。

相反地，如果企業已經有完善的設計變更、風險管理及軟體版本控制程序，而且這些程序確實涵蓋 AI 模型、資料及法規符合性的相關問題，就沒有必要為了形式上的標準差異而重複建立完全相同的程序。

English principle: Reuse the control, but verify the coverage. A shared procedure is acceptable only when it demonstrably addresses the applicable requirements and produces adequate evidence.

4.3 Why ISO/IEC 42001 does not automatically establish product conformity｜為什麼 ISO/IEC 42001 不會自動證明產品符合性？

ISO/IEC 42001 著重組織如何建立、實施、維護及持續改進 AI 管理系統。這可以幫助企業建立政策、治理架構、角色分工、風險處理及管理審查機制。但在 AI Act 下，該標準並不具備特定符合性推定效力。

該標準提供組織導向的治理框架（企業如何負責任地管理 AI），引導組織層級運作的治理證據，並不必然等於特定產品的技術符合性證據。

例如：一家企業可能已建立完善的 AI 治理政策，要求所有模型開發活動遵守資料品質原則，並由跨部門委員會審查高風險應用。然而，若某一醫療 AI 產品缺少：

• 特定版本的模型識別與技術文件；
• 與預期用途相符的測試及確效結果；
• 對關鍵失效模式的風險控制證據；
• 資料集來源、處理及標注的追溯紀錄；
• 上市後監督的指標、門檻及處置程序；

則組織層級的治理成熟度，仍不足以證明該產品已符合所有適用要求。

這是 EN 18286 與 ISO/IEC 42001 整合時必須避免的盲點：組織有能力管理 AI，不代表每一個 AI 產品已經完成法規符合性證明。

4.4 Integration architecture｜建議的整合架構

實務上，可以建立三層管理架構。

A. Corporate management layer｜企業管理層

l   ISO/IEC 42001 的 AI 治理、組織政策、權責、資源、AI 影響評估及管理審查。

B. Regulatory quality layer｜法規品質層

l   EN 18286 的 AI 法規品質管理、合規策略、適用性判定、責任分配、記錄管理及上市後控制。

C. Medical-device product layer｜醫療器材產品層

l   ISO 13485 的品質控制與適用程序，結合 ISO 14971 風險管理、軟體生命週期控制、臨床或性能證據、資安控制及產品技術文件。

此處僅是建議的企業整合模型，並非三項標準規定的唯一架構。

三層可以共用文件控制、訓練、內部稽核、矯正措施及管理審查等流程，但應維持適當的追溯性，讓稽核者能夠從一項 AI Act 要求追蹤至具體控制措施，再追蹤至產品版本及相關證據。

例如：

法規要求	整合流程	產品層級證據
AI Act第9條風險管理	風險管理程序與設計控制	產品風險分析、控制措施及查證結果
AI Act第10條資料治理	資料管理程序	資料來源、品質評估、標注及資料版本紀錄
AI Act第13條透明度	標示、使用說明及人因工程流程	使用說明、限制條件、使用者理解評估
AI Act第15條準確性、穩健性及網路安全	軟體查證、性能測試及資安程序	測試報告、性能指標、弱點及風險處置紀錄
AI Act 第72條上市後監督	PMS、投訴及事件管理	監督計畫、趨勢分析、事件調查及改進紀錄

表中的對應關係是實施規劃的示例，不應被當作 EN 18286 正式條款與 AI Act 之間的完整法規映射表。

5. AI risk management in medical devices｜醫療器材 AI 風險管理：從模型失效到患者傷害

5.1 The risk-management objective｜風險管理的真正目標

醫療器材 AI 的風險管理不能只問：「模型是否準確？」

更完整的問題是：「在預期用途及合理可預見的使用情境中，AI 系統的失效、錯誤輸出、性能限制或不當使用，可能對患者、使用者及其他受影響人員造成什麼傷害？企業如何識別、評估、控制並監督這些風險？」

這一觀點與醫療器材風險管理的基本邏輯一致，也有助於落實 AI Act 對高風險 AI 系統的風險管理要求。

對醫療器材企業而言，ISO 14971 提供了重要的風險管理基礎。實施時應注意，AI 系統的特性可能要求企業在既有危害分析之外，進一步考慮資料代表性、模型不確定性、分布變化、人機互動、第三方模型依賴及部署環境差異等因素。

以下案例說明，為何「準確率達標」不能取代完整的風險分析。

5.2 Worked example: AI-assisted radiology｜案例：AI 輔助放射影像分析

假設某製造商開發一套 AI 系統，用於輔助放射科醫師辨識胸部影像中的可疑病灶。

系統的預期用途不是完全取代醫師，而是標示可能需要進一步檢查的影像區域，供受過訓練的醫療人員覆核。

在開發階段，企業可能以靈敏度（sensitivity）、特異度（specificity）、陽性預測值（positive predictive value）、陰性預測值（negative predictive value）及其他適當指標評估模型。

但這些數據必須與預期用途、資料來源、患者族群、疾病盛行率及使用環境一起解讀。

例如：假設模型在某個測試集上達到預定的靈敏度，但測試資料主要來自少數大型醫學中心，且影像設備及患者族群的分布與實際部署醫院不同。即使整體測試結果良好，也不能直接推論模型在所有部署環境中都具有相同表現。

企業應建立從失效情境到控制措施的追溯鏈。

可能的失效情境	潛在傷害	可能的控制措施	應保存的證據
模型漏掉可疑病灶	延誤診斷或治療	適當的性能門檻、臨床覆核及風險溝通	分層性能測試、臨床評估及風險分析
輸入影像品質不足	錯誤輸出或不適當信任	輸入品質檢查、拒絕處理機制或警告	輸入限制測試、錯誤處理查證
部署環境與開發資料不同	性能下降	外部確證、適用範圍限制及上市後監督	外部測試、環境分析及監督計畫
醫師過度依賴 AI 輸出	未能獨立判斷或發現錯誤	人工監督設計、清楚的使用說明及適當訓練	人因工程或可用性評估、使用者研究
模型更新未經充分查證	新增或放大既有風險	變更控制、回歸測試及必要的重新確效	變更評估、版本差異及測試紀錄
第三方元件存在弱點	系統遭入侵或服務中斷	供應商控制、資安測試及弱點處理	供應商評估、弱點管理及資安測試

這些控制措施只是依案例提出的可能方案，是否足夠必須依產品的預期用途、風險及適用法規判定。

5.3 Statistical performance is not the same as clinical safety｜統計性能不等於臨床安全

模型評估經常使用準確率（accuracy），但在醫療器材情境中，單一指標通常不足以描述所有重要風險。

例如：當疾病盛行率很低時，即使模型具有不錯的整體準確率，仍可能產生大量偽陽性結果，增加後續檢查負擔。反之，在某些需要高度敏感的篩檢情境中，漏診可能比偽陽性更值得關注。

因此，性能評估應以預期用途及臨床決策為基礎，選擇適當的指標、門檻及分層分析方法。

必要時，還應考慮：

• 不同患者族群的性能差異；
• 不同設備、機構及使用環境的外部效度；
• 樣本量及統計不確定性；
• 資料標注品質與參考標準的可靠性；
• 缺失資料及輸入品質限制；
• 失效後果與剩餘風險；
• 模型性能與臨床工作流程的交互作用。

A performance metric is evidence about a defined evaluation question, not a universal guarantee of clinical safety. The evaluation design must reflect the intended purpose, the relevant population, the clinical context and the consequences of errors.

5.4 Risk controls must be verified for effectiveness｜風險控制必須查證其有效性

在醫療器材品質管理中，辨識風險及提出控制措施並不足夠；企業還需要確認控制措施是否已正確實施，以及是否達到預期效果。

以 AI 輔助影像分析為例，若企業決定在影像品質不足時禁止系統輸出診斷建議，至少需要確認：

1. 系統能否辨識預先定義的影像品質問題？
2. 品質判斷的測試資料是否涵蓋相關失效情境？
3. 系統是否會在不符合條件時仍產生看似可信的結果？
4. 使用者能否理解系統停止輸出或提出警告的原因？
5. 當品質檢查機制本身失效時，是否可能形成新的風險？
6. 相關控制是否會在軟體、模型或運行環境更新後繼續有效？

這些問題應反映在風險管理檔案、確證計畫及測試報告中。

企業也應避免把「已實施風險控制」與「風險已經消除」視為同一件事。控制措施可能降低風險，但仍留下需要接受、監督或進一步降低的剩餘風險。

因此，完整的風險管理證據應連結危害、可預見事件序列、危險情境、可能傷害、風險評估、控制措施及控制有效性查證，並依適用的風險管理程序判定剩餘風險是否可接受。

（見續篇）

易經卦象與AI治理原則與實務芻議（十之五）

 （續前篇）

從傳統變化智慧看2022-2026年人工智慧的文明邊界與永續路徑

適合一般讀者。此文僅供個人參考與資訊喚回，尚非正式或官方內容。內文引用人工智慧平臺提供資訊，經由整合篩選與文字調整。後續修訂請查閱索引官方網站。 CC BY-NC-ND。非供AI模型訓練。

5.4.2 AI暫停論的誕生背景與核心訴求

2023年3月22日，未來生命研究所（Future of Life Institute）發布〈暫停大型AI實驗公開信〉，要求全球所有AI實驗室立即暫停至少六個月訓練比GPT-4能力更強的前沿系統，在這段時間裡共同建立一套統一的AI安全治理框架。公開信同時明確強調，這不是要暫停所有AI研發活動，而是要停止那種一味追求模型更大、能力更強、結果更不可預測的黑箱競賽，把寶貴的資源轉向安全可控、可解釋、透明穩健、符合人類價值對齊與可信任的AI系統研發。這一「AI暫停論」事件的里程碑意義從來不在於六個月的暫停行動是否真的全面落地，不是要求人類永遠停止AI技術的發展，而在於它把產業界長久以來的核心問題，從「AI模型能做更多什麼」，徹底轉變為「AI模型什麼時候才具備合法的部署資格」。人類倫理認知引導吾人在通用人工智能的能力邊界完全失控之前，主動踩下剎車，停下腳步回頭審視我們走過的路，確保接下來的發展方向不會偏離人類的整體利益。AI安全不再是企業自己可以選擇要不要做的商業偏好，而是升級成為需要全社會共同討論的公共治理議題；當技術研發的速度已經遠遠超過風險測試速度、立法進度與責任配置速度的時候，速度本身就已經變成了最大的風險來源。這場運動的核心精神，完全對應了艮卦「時止則止」的古老智慧。

5.4.3 艮卦治理第一層：時止則止——為技術劃定不可逾越的紅線

艮卦的第一層核心內涵，就是為AI技術的發展劃定絕對不能越過的紅線，一旦技術的研發觸及這條紅線，就必須果斷停止。這條紅線包含三個絕對底線：第一，絕對不允許研發完全脫離人類控制的自主殺傷性AI武器，避免AI自主決定發動戰爭；第二，絕對不允許研發可以大規模操縱人類思想、完全控制人類行為的認知控制AI，避免人類徹底喪失自由意志；第三，絕對不允許研發可以自我複製、自我升級、完全脫離人類掌控的超級智能，避免人類文明的命運被技術徹底綁架。一旦任何研發活動觸及這三條紅線，全球必須聯合起來果斷叫停。

上述公開信發布之後，儘管全球還沒有形成一致的全面停訓制度，但是整個AI產業的進程已經發生了結構性的改變：安全評鑑從原來發布後附加的宣傳附錄，變成了模型開發生命週期當中必不可少的核心環節；紅隊測試從過去尋找一般輸出錯誤的常規操作，擴展到生物安全、網路安全、說服操縱、隱私侵犯、深度偽造生成與模型自主行為等高風險領域；系統部署也從過去一上線就全量開放的模式，轉變成受權限嚴格管控、全程實時監測、版本可回溯、事故可及時回報的分階段發布模式。此時所說的「時止」，早就不是按一次暫停鍵這麼簡單，而是把隨時停止的權力嵌入到研發、部署、運營的每一個決策閘門當中。

5.4.4 艮卦治理第二層：時行則行——在安全區間內穩步推進創新

艮卦的「止」從來不是全面禁止，而是在安全的邊界之內，鼓勵技術自由健康地發展。對於那些不觸及紅線、能夠增進人類福祉的AI技術，比如AI助力新藥研發、AI優化氣候治理、AI提升殘障人士的生活便利度，不僅不需要暫停，反而要大力支持，推動技術快速落地，讓更多普通人享受到技術的紅利。艮卦的治理從來不是一刀切的反技術，而是精確地把危險的部分停下來，把有益的部分釋放出來，做到該停的堅決停，該進的大膽進。

對應到法律層面，歐盟《人工智慧法案》裡明確列出的不可接受風險清單，就是把艮卦的「知止」理念直接轉化為可執行的禁止義務：有害操縱與欺騙技術、利用弱勢群體脆弱性的系統、社會評分系統、個人犯罪風險預測系統、無差別建立人臉資料庫的行為、工作場所與教育場景中的情緒識別系統、以生物特徵推斷受法律保護敏感特徵的技術、公共場所無差別即時遠端生物識別，以及生成非自願私密內容或兒童性虐待材料的AI系統，全部被明確禁止部署。而高風險AI系統則被要求必須完成全套風險評估與緩解，使用高品質訓練資料，保留完整活動記錄，建立齊全技術文件，向部署者提供足夠清晰的資訊，配置完善人類監督機制，並維持足夠的穩健性、資安水準與結果準確度。這套制度從來不是全面反對創新，而是把「止」精準放在不可接受的高危險用途，把「行」留給那些具備充分證據、完善監督與足夠補救能力的合法用途；同時直接阻止開發者用「模型只是工具」的藉口逃避用途相關責任，阻止部署者用「演算法只是給出建議」的幌子掩飾自己做出的實際決定。

5.4.5 艮卦治理第三層：動靜不失其時——把主動權永遠掌握在人類手中

艮卦最核心的智慧，是「動靜不失其時」，也就是所有技術發展的節奏，永遠由人類根據自身的整體利益來決定，而不是被技術的迭代速度、資本的盈利衝動裹挾著向前跑。過去很長一段時間，AI產業的發展節奏完全被「更快、更大、更強」的競賽驅動，沒有人停下來思考這項技術最終會把人類帶向哪裡。艮卦的治理告訴我們，人類永遠有權利按下暫停鍵，永遠是技術的主人，而不是技術的奴隸，技術的發展速度永遠要服從於人類文明的長遠利益。

其中自主武器系統就是最清晰的底線案例：聯合國公開資料指出，致命自主武器可以利用AI自動識別、選擇並消滅人類目標，完全不需要直接人類介入，會引發極其嚴重的倫理、法律與安全問題；同時訓練數據帶來的偏差效應還會直接影響誰被系統判定為戰鬥員或合法攻擊目標，嚴重衝擊國際人道法的區分原則。在這個場景裡，保留「有意義的人類控制」從來不是某種產品設計偏好，而是保障人的生命權、明確責任歸屬以及維繫國際法秩序的最低底線要求——人類絕對不能把選擇攻擊目標、使用暴力以及承擔後果的全部權限，一併外包給冰冷的演算法。

把艮卦的卦義做兩層抽象升維之後，第一級提升是把「止」的內涵，從單純的產品管制升級為不可逆權力的事前審查機制：真正需要果斷停止的從來不是某一個特定名稱的AI模型，而是任何一旦出錯就會造成傷害不可逆、後果無法補救、責任難以明確確定的部署方式。深度偽造詐騙會直接侵蝕個人的身份權與公共社會的信任基礎，無人監督的自主武器剝離了生死決定環節的人類責任，沒有經過充分正當程序的自動福利或招聘決策會直接侵蝕社會平等與人民的救濟權利——這三類技術看起來差異很大，背後的治理原理卻完全一致：凡是傷害不可逆，或者事後救濟成本極其高昂的場景，就必須大幅提高事前准入門檻，並且永遠保留人工否決的權力。第二級提升則是把「時行」的內涵，從「技術已經可用」的淺層標準。

5.4.6 艮卦治理的常見誤區與矯正路徑

很多人對艮卦式治理存在兩種極端誤解：一種是認為「停止就是反創新」，主張一切技術進步都應該不受限制地推進，把暫停機制當成產業發展的絆腳石，會讓發展中國家永遠落後於發達國家；另一種是認為「停止就是全面禁止」，主張所有前沿AI研究都應該被凍結，完全否定技術帶來的公共價值。這兩種誤解都偏離了艮卦「動靜不失其時」的核心智慧。艮卦的「時止則止」從來不是只針對某一個國家的禁令，而是面向全球所有國家的共同約定：所有國家的前沿AI研發，在觸及共同的文明紅線時，都必須主動暫停，這反而避免了少數強國憑藉技術優勢壟斷危險技術，讓所有國家都獲得了平等的安全保障。暫停不是為了讓技術停止進步，而是為了讓所有國家都有時間跟上治理的腳步，避免技術的飛速發展把多數人遠遠甩在身後。

5.4.7 真實案例：暫停帶來的正向產業效應

在2023年的暫停呼籲之後，全球AI產業不僅沒有出現停滯，反而迎來了更高質量的發展：過去瘋狂比拼參數規模的「大模型軍備競賽」逐步降溫，越來越多的企業把研發重點從「把模型做更大」轉向「把模型做更安全、更高效、更接地氣」，大量面向實體經濟的垂直AI應用如雨後春筍般湧現。短暫的「止」，換來了整個產業更健康、更可持續的長遠發展，這正是艮卦「止而不滯，行而不盲」的最佳體現。

艮卦治理的三層實施邊界

艮卦的「止」從來不是一刀切的全面禁止，而是在不同技術層級上建立分層的停止機制。第一層是模型開發階段的「預警停止」：當訓練過程中出現未預期的能力湧現、安全測試無法通過、對齊失效風險超出可控邊際時，開發團隊必須啟動預設的暫停程序，不得繼續擴大訓練規模。這一層的核心不是否定技術進步，而是把「先驗證再擴張」變成強制性的開發流程，避免在未知風險中盲目衝刺。

第二層是部署階段的「場景停止」：對於高風險場景，只要未完成完整的衝擊評估、人類監督機制未到位、責任追溯鏈條不完整，就必須停止上線流程。比如自主武器系統、大規模社會信用評分、全自動化司法裁決這類直接觸及生命、尊嚴與基本權利的場景，哪怕技術上已經實現，只要制度層面的防護網沒有建立，就不能投入使用。這一層的「止」，是把技術能力鎖定在人類可掌控的邊界之內，不讓效率衝破正義的底線。

第三層是運行階段的「動態停止」：已經上線的AI系統，在運行過程中一旦出現大規模偏見輸出、隱私大規模洩漏、被惡意劫持用於詐騙或操縱選舉等嚴重事件，必須具備一鍵全域停止的能力，且停止權不能完全掌握在商業企業手中，必須有獨立監管機構的介入權。艮卦所說的「止其所止」，正是這三層邊界的疊加：開發時有預警閥值，部署時有場景紅線，運行時有緊急制動，讓AI的每一步擴張都處於可控制的節奏之中。

5.4.8 艮卦的終極守護：永遠守住人類的主體性

正確的矯正路徑是建立「風險-許可」對應機制：對於低風險的通用場景，比如文書輔助、圖像修復、普通教育工具，完全放開創新空間，鼓勵產業快速迭代；對於中風險場景，比如普通商業推薦、非敏感的自動化客服，要求建立基礎的用戶告知與糾錯機制，在監管的寬鬆邊界內運行；對於高風險場景，則嚴格執行艮卦的停止規則，未達標絕不允許進入現實社會。這種模式既不會扼殺創新活力，也不會放任風險無限擴散，真正實現「時行則行，時止則止」的動態平衡。

艮卦最終的意義，是為人類文明守住最後的主體性底線。無論AI技術發展到多麼強大的程度，人類永遠不能放棄自己作為文明主人的尊嚴，永遠不能讓技術替人類做出最終的價值選擇。「時止則止，時行則行」的古老智慧，就像兩座堅定的大山，擋在人類文明的前方，不讓我們因為一時的貪婪與衝動，衝破那條永遠無法回頭的文明紅線，讓人類永遠掌握自己的命運。

（見續篇）

EN 18286:2026 與歐盟AI Act的實務考量初探（八之三）

  （續前篇）

醫療器材品質管理系統整合、風險治理及全生命週期合規初探

本文以網路搜集來的介紹文件及概要說明為參考基礎，並利用公開法規資料補充及核對，以人工智慧協助進行個人判斷，完成之介紹性文章，僅供一般資訊與個人持續教育用途，不構成法律意見、資訊服務或對任何產品符合特定法律之保證。引用請註明出處。文中如有引用疏漏，歡迎聯繫補正。
CC BY-NC-ND。非供AI模型訓練。

2.2 The relationship between Article 17 and the other AI Act requirements｜第 17 條與其他 AI Act 要求的關係

AI Act 第 17 條要求高風險 AI 系統提供者建立品質管理系統，並以文件化政策、程序及指示等方式，系統性地記錄其管理安排。

依據歐盟官網資訊，第 17 條第 1 款涉及的核心項目包括：

• 合規策略及符合性評估程序。
• 設計、設計控制及設計查證。
• 開發、品質控制及品質保證。
• 檢查、測試及查證程序與執行頻率。
• 技術規範及未被相關標準涵蓋部分的處理方式。
• 資料管理系統。
• 第 9 條風險管理系統。
• 第 72 條上市後監督。
• 第 73 條嚴重事件通報。
• 與主管機關、公告機構、客戶及其他相關方的溝通。
• 文件與資訊的保存。
• 資源管理，包括供應安全相關措施。
• 管理階層及工作人員的問責架構。

這些要求不應被視為互不相關的文件清單。它們共同構成一個管理閉環：

也就是：

法規要求 → 風險分析 → 控制措施 → 查證 → 放行 → 上市後回饋。

上市後發現的問題，應重新進入風險分析、設計變更及控制措施評估；而新的法規解釋、技術標準或產品用途變更，也應能回溯至相關系統及文件。

因此，第 17 條的品質管理系統不是額外加在產品開發流程之外的行政層，而是確保各種技術及管理活動能夠一致運作的治理機制。

2.3 Medical devices are not automatically high-risk AI systems｜醫療器材中的 AI 不一定自動屬於高風險 AI

這是醫療器材企業進行適用性分析時最重要的第一道判斷。

AI Act 第 6 條區分不同的高風險 AI 分類路徑。其中，與醫療器材特別相關的是第 6 條第 1 款：當 AI 系統本身屬於附件 I 所列產品的安全性組件，或本身就是該類產品，並且依法需要第三方符合性評估時，便須進一步分析其是否屬於該款所規定的高風險 AI 系統。

MDR 與 IVDR 所涵蓋的部分產品，可能落入這一分類路徑。

但企業不能僅因產品使用機器學習、深度學習或生成式 AI，就直接得出高風險結論；也不能僅因 AI 被描述為「輔助工具」，就認定其不屬於高風險。

正確判斷至少需要檢查：

1. 系統是否符合 AI Act 的 AI 系統定義。
2. 系統的預期用途及實際功能。
3. 系統是否屬於附件 I 或附件 III 所規定的適用類別。
4. 相關醫療器材是否需要第三方符合性評估。
5. AI 功能在整體產品安全及預期用途中的角色。
6. 是否存在其他適用的 AI Act 義務，即使該系統不屬於高風險類別。

Medical-device status and high-risk AI classification are related but distinct legal determinations. A manufacturer should document the reasoning, evidence and applicable statutory provisions supporting its classification, rather than relying on the presence or absence of an AI label.

2.4 Application dates and regulatory planning｜適用日期與合規規劃

截至 2026 年 10 月 22 日，歐盟公開資料顯示，AI Act 的適用時程已經過後續修訂。依據現行公開時程，AI Act附件 III 獨立高風險 AI 系統（如：信用評分、就業管理等）的相關規定預定自 2027 年 12 月 2 日起適用；附件 I 所涵蓋的新方法（New Approach）受到法律管制產品。其品質管理系統（第 17 條）列為相關高風險 AI 系統符合義務的相關規定預定自 2028 年 8 月 2 日起適用。

前述啟動日期不應被誤解為企業可以在此之前完全不進行準備。法規適用時程、標準引用日期及企業實際完成系統建置所需時間，是三個不同的管理變數。

對醫療器材企業而言，應特別區分：

• 標準可用性（Standard availability）：可否取得正式標準並依據其內容建立程序。
• 法規適用日期（Date of application）：特定法定義務何時開始適用。
• 產品上市規劃（Market-entry planning）：特定產品何時完成設計、查證、技術文件及適用的符合性評估。
• 既有產品及過渡安排（Transitional provisions）： 是否有特定過渡條款或其他例外適用於個別產品。

不能僅根據標準已公布，就認定某一產品已符合上市要求；也不能僅根據法規義務尚未全面適用，就忽略設計開發期間建立完整證據的必要性。

3. EN 18286:2026 的管理邏輯｜從品質管理系統到 AI 全生命週期控制

3.1 What the standard is designed to achieve｜標準要解決什麼問題？

依據提供文件及公開標準資訊，EN 18286:2026 是產品/法規導向的品質系統標準，要求必須針對「每一個具體高風險 AI 產品及其特定版本」建立技術文件、變更控制與符合性證據。其主要對象是將高風險 AI 系統投放市場或投入使用的提供者，並不限定於醫療器材產業。該標準涵蓋品質管理系統、領導作用、規劃、支援、AI 系統實現、運作與控制、績效評估及改進等管理環節。

AI quality management system 人工智慧品質管理系統

它並非一份規定所有 AI 系統必須使用同一種演算法的技術規格，也不是單純要求企業撰寫 AI 政策。

其目的在於使企業能夠回答下列問題：

• 誰負責判斷 AI 系統適用哪些法規？
• 誰決定品質目標、風險可接受準則及必要資源？
• 如何控制需求、設計、資料、模型及軟體版本？
• 如何證明查證與確效活動適當且完整？
• 如何管理供應商、第三方模型及外部資料？
• 如何判斷系統變更是否影響既有符合性？
• 如何調查上市後事件並決定矯正措施？
• 如何證明品質管理系統本身持續有效？

這些問題的共同點是：企業必須建立可重複執行的程序，並且保留足以支持決策的客觀證據。

3.2 Organisational risk and product risk must be distinguished｜組織風險與產品風險必須區分

品質管理系統本身可能面臨資源不足、職責不清、文件失控、供應商中斷或管理程序失效等風險。

AI 系統則可能對患者、使用者或其他受影響人員造成不同性質的傷害，例如誤診、漏診、錯誤治療建議、資訊隱私侵害或不當差別待遇。

這兩類風險彼此相關，但不能混為一談。

例如：模型查證資源不足是組織管理上的問題；如果因此未能發現模型在特定患者族群中存在較高的漏診率，則可能進一步形成產品層級的健康風險。

有效的管理系統應同時處理兩個層次：

管理層次	分析對象	示例
QMS risk	品質管理系統的運作	查證資源不足、審查延誤、職責衝突
AI system risk	AI 系統的輸出及使用後果	漏診、錯誤分類、不適當建議
Interface risk	管理失效如何轉化為產品風險	未經評估的模型更新、資料偏差未被發現

企業若只維護傳統的企業風險登記簿，而沒有另外識別 AI 系統對人的健康、安全及基本權利可能造成的傷害，就可能無法充分支援 AI Act 的風險管理要求。

反過來說，若企業只建立產品風險清單，卻沒有處理造成風險管理程序失效的組織原因，也難以確保系統持續有效。

3.3 The seven management functions｜七項管理功能

為便於實施，可將 EN 18286 的管理邏輯歸納為七項功能。這是本文的分析性整理，而非標準正式章節名稱。

1. 法規識別與適用性判定（Regulatory identification and applicability）

確定提供者角色、產品範圍、適用法規、適用條款、符合性評估路徑及相關時程。

2. 管理階層領導作用與問責（Leadership and accountability）

建立品質方針、權責分配、資源承諾、跨部門協作及升級通報機制。

3. 風險與品質目標規劃（Risk and quality planning）

將法規義務、患者安全、基本權利及系統有效性轉化為可評估的管理目標。

4. 能力與資源保障（Competence and resources）

確保臨床、工程、資料科學、品質、法規及資安人員具備適當能力與資源。

5. AI 全生命週期實現（AI lifecycle realisation）

控制需求、設計、資料、模型、查證、確效、識別、版本及退役。

6. 運作控制與上市後管理（Operational control and post-market management）

管理上市、供應鏈、支援服務、變更、不符合事項、嚴重事件及市場監督。

7. 績效評估與持續改進（Performance evaluation and continual improvement）

透過監督、內部稽核、管理審查、矯正措施及有效性檢查，確認管理系統持續適用。

這七項功能應共同運作，而不是由不同部門分別建立互不相連的程序。

例如：資料管理程序所發現的族群代表性不足，不應只形成資料部門的改進事項；它還應觸發風險管理評估、模型查證策略檢討、產品文件更新，以及必要時對上市後監督計畫的調整。

同樣地，上市後發現的性能退化，不應只由客服或臨床支援部門處理，而應能回到品質管理系統，進行問題原因分析、風險重新評估及變更控制。

這種跨流程的回饋能力，是整合式管理系統與單純文件集合之間的重要差別。

4. EN 18286、ISO 13485 與 ISO/IEC 42001｜三種管理系統如何整合而不混淆

4.1 The fundamental differences｜三者的根本差異

對已經建立醫療器材品質管理系統的企業而言，最實際的問題通常不是「要不要再建立一套系統」，而是「現有系統哪些部分可以共用，哪些要求仍需補充」。

三者的管理重點不同。

比較項目	EN 18286:2026	ISO 13485:2016	ISO/IEC 42001:2023
核心目的	支援 AI Act 法規主管機關目的下的品質管理系統	醫療器材品質管理	組織層級的 AI 管理系統
主要關注	AI 法規義務及相關管理控制	醫療器材品質與適用法規要求	AI 管理的政策、風險、影響及治理
主要管理對象	提供高風險 AI 系統的組織及其相關生命週期活動	醫療器材及相關品質流程	組織的 AI 管理活動
產品層級證據	需要與具體 AI 系統及其版本建立適當連結	依適用要求建立醫療器材品質及技術證據	可支援治理及管理證據，但不等於產品符合性證據
法律效果	在適用範圍內支援 AI Act 第 17 條符合性推定	依其適用方式及相關法律架構發揮作用	本身不產生 EN 18286 的特定符合性推定
整合策略	作為 AI 法規品質控制的重要框架	保留醫療器材品質及法規控制	支援組織 AI 治理及跨產品管理

說明：ISO 13485 與 ISO/IEC 42001 的實際適用程度，仍取決於企業活動、適用法規及系統範圍。上表比較的是主要功能，不代表三者的條款可以逐條互換。

EN 18286 的公開標準資訊列出與 EN ISO 9001 及 EN ISO/IEC 42001 的條款映射附錄；網路搜尋得到資訊亦說明了相關條款對照關係。這些條款對照關係可協助企業尋找既有程序與新要求之間的關聯，但不能直接證明兩項要求完全等價。

（見續篇）