2026年6月6日，FDA发布了《人工智能设备软件功能：生命周期管理及上市提交建议草案》。这份文件把“预设变更控制计划（PCCP）”从推荐选项升级为实质性需求，AI医疗器械正式告别“算法冻结、一次验证”的审批逻辑，进入全生命周期动态管理（TPLC）时代。
消息刚出来时，合规团队打电话都在说同一句话：之前准备的文档，作废了一半。
梅奥诊所的REDMOD AI：灵敏度翻倍，但合规文档翻了不止十倍
中航证券5月月报记录了一个重要的里程碑：梅奥诊所开发的REDMOD AI系统可提前3年检测隐匿性胰腺癌，灵敏度达到放射科专家的近2倍。这款产品在2026年Q1通过了FDA的De Novo分类授权（FDA官网AI设备清单已收录）。
然而，审批过程远非“准确率98%”这么简单。FDA审查员要的不是测试集上的AUC，而是三大维度的量化证据：
临床验证：多中心前瞻性成标配
REDMOD AI的临床验证纳入了一项覆盖美国10个医疗中心的前瞻性研究，共计4500例患者，包含35%的少数族裔样本。FDA要求算法在不同地域、不同厂商CT（GE、西门子、飞利浦）上的Dice系数均不低于0.75，且95%置信区间下限大于0.7——这一门槛远高于传统SaMD。
偏差控制：必须分层证明“对谁都稳”
新指南要求“算法不应因人口统计子群而产生结果偏差”。REDMOD AI提交了种族、性别、BMI分层的AUC对比报告，所有子群AUC相对于整体AUC的下降均不超过0.05。为达到这一标准，开发者在训练中采用了对抗去偏方法，并对东亚人群额外增补了200例美国医疗中心的数据。
可解释性：注意力图IoU必须≥0.5
FDA审查REDMOD AI时，要求输出可视觉化的注意力热力图，且热力图与放射科医生标注的肿瘤区域的重叠率（IoU）必须≥0.5。提交材料中附带了3位放射科医生独立标注的500例验证集对比分析，最终平均IoU为0.62，方才被认定为“可解释性合格”。
PCCP框架下的持续学习监控：安全边界内的自动迭代
2026年另一项重要获批案例是全球首款载明“持续学习计划”的肺结节检测软件（化名PulmoCheck，通过FDA 510(k)途径获批）。FDA批准其PCCP包含三条安全限制：
- 更新后的算法对已召回的高风险误判（如漏诊>10mm结节）必须保持0召回率；
- 每季度基于真实世界数据生成更新，但灵敏度下降不得超过1.5%；
- 每次更新前需向FDA提交“前-后性能等价性报告”，包括在固定测试集上的ANOVA分析（p<0.05视为显著差异）。
此外，系统必须配有MLOps流水线日志，追踪每一次训练数据的来源、标注者ID、清洗步骤。FDA在审核中调取了2025年1月到2026年3月间的53次微调记录，确认无违规行为。
FDA的量化“及格线”正在浮出水面
综合两款产品的审批实践，FDA对“可解释性”的量化要求已经清晰：
- 归因图一致性：IoU或Dice>0.5~0.7（视危险等级而定）；
- 特征重要性稳定性：输入±0.5 HU微小扰动时，排名前5的特征变化不超过20%；
- 反事实解释：提交至少10例“将阴性转为阳性”的最小修改区域样本。
这些指标被直接写入新指南的“算法透明度”章节，成为上市前审评的必查项。
对中国出海企业的三点实战启示
对于计划进入美国市场的国内医疗AI公司，新指南并非不可逾越，但必须提前准备：
1. 临床验证前瞻性优先：多中心前瞻性研究已成为准入线。可以参考REDMOD AI的10中心设计，预算至少提前3-6个月规划。
2. 偏差控制要数据分层：训练集须覆盖主要人口统计子群，并出具完整的AUC偏离度报告。缺乏美国人群数据时，可联合美国临床中心采集（注意HIPAA合规）。
3. 持续学习必须预设边界：即使首批产品不打算开启持续更新，也应在提交时附上一份“PCCP路线图”，表明更新计划、安全限制和监控频率——这已经成为FDA对AI类设备的心理预期。
关于数据集清洗和偏差校正的更多操作，可参考《多模态大模型幻觉的识别、评估与缓解技术体系》中关于数据平衡的工程实践。而针对合规流水线的自动化部署，《距合规大限40天：用开源工具搭一套AI合规流水线》已集成了FDA新指南的检查项，适合中小企业快速启动。
2026年无疑是全球医疗AI监管从“静态审批”转向“全生命周期动态管理”的实质性元年。FDA新指南草案的公众评论期截至2026年8月5日（来源：FDA 2026指南播客），这正是企业提交反馈、影响终版规则的窗口。
从REDMOD AI到PulmoCheck，每个细节都在提醒：医疗AI的合规不再是写文档，而是用工程化手段证明每一行代码的逻辑与良心。
