深度学习辅助决策医疗器械软件审评要点.pdfVIP

深度学习辅助决策医疗器械软件审评要点.pdf

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

深度学习辅助决策医疗器械软件审评要点--第1页

深度学习辅助决策医疗器械软件审评要点

一、适用范围

本审评要点适用于深度学习辅助决策医疗器械软件(含独立

软件、软件组件)的注册申报。深度学习辅助决策医疗器械软件

(以下简称软件)即基于医疗器械数据(医疗器械所生成的医学

图像、医学数据,以下统称数据),使用深度学习技术进行辅助

决策的软件。其中,“基于医疗器械数据”是指单独使用医疗器

械数据,或者联合使用医疗器械数据与非医疗器械数据;“辅助

决策”是指通过提供诊疗活动建议辅助医务人员进行临床决策。

使用深度学习技术进行前处理(如成像质量改善、成像速度

提升、图像重建)、流程优化(如一键操作)、常规后处理(如

图像分割、数据测量)等非辅助决策的软件可参考使用本审评要

点。使用传统机器学习技术的软件亦可参考使用本审评要点。

本审评要点遵循《医疗器械软件注册技术审查指导原则》(以

下简称软件指导原则)、《医疗器械网络安全注册技术审查指导

原则》(以下简称网络安全指导原则)、《移动医疗器械注册技

术审查指导原则》(以下简称移动器械指导原则)等相关指导原

则要求。

本审评要点不含人工智能伦理、数据产权等法律法规层面要

深度学习辅助决策医疗器械软件审评要点--第1页

深度学习辅助决策医疗器械软件审评要点--第2页

求,但生产企业应当在软件全生命周期过程中考虑相关规定。

二、审评关注重点

从发展驱动要素角度讲,深度学习实为基于海量数据和高算

力的黑盒算法。本审评要点重点关注软件的数据质量控制、算法

泛化能力、临床使用风险,临床使用风险应当考虑数据质量控制、

算法泛化能力的直接影响,以及算力所用计算资源(即运行环境)

失效的间接影响。

基于风险的全生命周期管理是此类软件监管的基本方法,相

关考量详见软件指导原则、网络安全指导原则、移动器械指导原

则以及医疗器械生产质量管理规范独立软件附录。下面结合审评

关注重点分别阐述软件风险管理、软件设计开发、软件更新等方

面考量。

软件风险管理活动应当基于软件的预期用途(目标疾病、临

床用途、重要程度、紧迫程度)、使用场景(适用人群、目标用

户、使用场所、临床流程)、核心功能(处理对象、数据兼容性、

功能类型)予以实施,并贯穿于软件全生命周期过程。软件临床

使用风险主要包括假阴性和假阳性,其中假阴性即漏诊,可能导

致后续诊疗活动延误,特别是要考虑快速进展疾病的诊疗活动延

误风险;假阳性即误诊,可能导致后续不必要的诊疗活动。进口

软件除考虑假阳性和假阴性风险外,还应当考虑中外人种、流行

病学特征、临床诊疗规范等方面差异的影响及其风险。生产企业

深度学习辅助决策医疗器械软件审评要点--第2页

深度学习辅助决策医疗器械软件审评要点--第3页

应当采取充分的、适宜的、有效的风险控制措施以保证软件的安

全性和有效性。

软件典型设计开发过程通常可分为需求分析、数据收集、算

法设计、验证与确认等阶段。

(一)需求分析

需求分析应当以软件的临床需求与使用风险为导向,结合软

件的预期用途、使用场景和核心功能,综合考虑法规、标准、用

户、产品、数据、功能、性能、接口、用户界面、网络安全、警

示提示等方面需求,重点考虑数据收集、算法性能、临床使用限

制等方面要求。

数据收集应当考虑数据来源的合规性和多样性、目标疾病流

行病学特征、数据质量控制要求(详见下节)。数据来源应当在

合规性基础上保证数据多样性,以提高算法泛化能力,如尽可能

来自多家、不同地域、不同层级的代表性临床机构,尽可能来自

多种、不同采集参数的采集设备。目标疾病流行病学特征包括但

不限于疾病构成(如分型、分级、分期)、人

文档评论(0)

134****4710 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档