隨著人工智能（AI）技術在醫療領域的深度融合與應用，AI醫用軟件產品的創新與監管成為行業關注的重點。為規范相關產品的管理，國家藥品監督管理局醫療器械技術審評中心發布了《人工智能醫用軟件產品分類界定指導原則》（以下簡稱《指導原則》），為產品的分類、注冊和監管提供了明確指引。本文將重點解讀《指導原則》中關于“人工智能基礎軟件開發”的相關內容及其行業意義。

一、 明確界定范圍：何謂“人工智能基礎軟件”？
根據《指導原則》，人工智能醫用軟件可分為兩大類：人工智能獨立軟件和人工智能軟件組件。而“人工智能基礎軟件開發”通常指為上述兩類軟件提供核心算法、模型框架、開發平臺或工具的關鍵底層技術開發活動。它不直接形成最終的醫療設備或診斷工具，而是為這些應用提供“大腦”和“骨架”，例如：

1. 專用醫療影像分割、分類、檢測算法的研發與優化。
2. 面向特定疾病預測、療效評估的機器學習/深度學習模型構建。
3. 醫療數據預處理、特征工程、模型訓練與測試平臺的開發。
4. 確保算法可解釋性、魯棒性及公平性的技術開發。

這類開發工作是AI醫用軟件的上游與核心，其質量直接決定了最終應用產品的性能與安全性。

二、 分類界定原則：開發活動如何對應管理類別？
《指導原則》的核心在于根據產品的預期用途、使用場景和風險程度進行分類（Ⅱ類或Ⅲ類醫療器械管理）。對于基礎軟件開發而言，其分類并非直接針對開發過程本身，而是針對基于該基礎技術所開發的最終醫用軟件產品。開發者需前瞻性地評估：

• 預期用途：所開發的基礎算法/平臺將用于輔助診斷、治療規劃、預后預測等何種醫療活動？不同用途風險各異。
• 決策重要性：軟件提供的信息是否作為臨床決策的主要依據？如果是，通常風險較高，可能歸為Ⅲ類。
• 數據與場景：處理的數據類型（如影像、病理、生理信號）、目標疾病（如惡性腫瘤、急重癥）及臨床場景（如篩查、監測、診斷）直接影響風險等級。

因此，從事基礎開發的企業或研究機構，在項目初期就應參照《指導原則》，對目標應用進行預分類，從而在數據合規、算法驗證、質量體系建立等方面提前布局，滿足相應監管要求。

三、 對基礎軟件開發的關鍵指導與挑戰
《指導原則》雖未直接規定開發流程，但其體現的監管思路對基礎軟件開發提出了明確要求：

1. 數據驅動的質量管控：強調訓練數據集的代表性、規范性和質量。基礎開發需建立嚴謹的數據采集、標注、管理與版本控制體系，確保數據來源合規、質量可控、隱私安全。
2. 全生命周期算法驗證：要求對算法的性能、安全性、魯棒性進行充分驗證。開發過程中需設計科學的驗證方案，包括數據集劃分、性能指標（如敏感性、特異性）、對抗測試、臨床意義評估等。
3. 可追溯與可解釋性：鼓勵提高算法的透明度和可解釋性。基礎開發需考慮記錄模型架構、參數、訓練歷程，并盡可能提供決策依據的可視化或邏輯解釋，這對復雜深度學習模型尤為重要。
4. 持續學習與更新機制：對于可能采用持續學習模式的軟件，《指導原則》要求明確更新機制并嚴格控制風險。這要求基礎開發在設計之初就考慮模型迭代、版本管理的安全架構。

面臨的挑戰包括：如何平衡算法創新與監管要求的確定性；如何構建跨機構、跨地域的高質量醫療數據集；如何建立適用于AI的工程化質量體系；以及如何應對技術快速迭代下的注冊審批節奏等。

四、 行業影響與發展建議
《指導原則》的出臺，標志著我國AI醫用軟件產業正從“野蠻生長”邁向“規范創新”的新階段。對于人工智能基礎軟件開發而言：

• 利好長期主義者：明確了監管路徑，降低了政策不確定性，有利于真正擁有核心算法能力、重視臨床價值和長期合規的企業脫穎而出。
• 促進產學研醫協同：強調了臨床需求導向和真實世界驗證，將推動基礎研發與醫療機構、醫學專家更緊密地結合。
• 提升國際競爭力：規范的監管環境有助于打造高質量、可信賴的AI醫療產品，為參與全球競爭奠定基礎。

對從事人工智能基礎軟件開發的機構建議：

1. “醫工結合”貫穿始終：從需求定義、數據準備到算法驗證，緊密協同臨床專家，確保解決真實臨床痛點。
2. 建立“法規意識先行”的研發體系：將質量管理體系（QMS）要求融入研發全流程，特別是數據管理和文檔控制。
3. 重視共性技術平臺建設：投資建設合規、高效的數據處理、模型訓練、測試驗證和部署平臺，提升研發效率與規范性。
4. 關注細分領域與差異化：在通用技術之外，深入特定病種、特定場景，開發具有深度臨床知識和數據壁壘的專用算法與模型。

《人工智能醫用軟件產品分類界定指導原則》為整個行業，特別是上游的基礎軟件開發，繪制了清晰的發展地圖和規則手冊。在監管的框架下推動技術創新，實現AI賦能醫療的安全、有效與可靠，是行業健康可持續發展的必由之路。