3. 性能验证的法规与标准框架

医学影像AI的性能验证不是单纯的算法评测问题，它首先是一个受监管约束的合规活动。同一套模型，在中国、美国、欧盟上市，需要提交的验证证据在结构、深度和更新机制上并不相同。理解这些差异，才能在设计验证方案时避免"做了一堆实验却对不上监管要求"的返工。

三条主要监管路径的定位差异

NMPA（国家药品监督管理局）将医学影像AI软件按医疗器械管理，核心依据是《医疗器械软件注册审查指导原则》与《人工智能医疗器械注册审查指导原则》。其特点是强调注册检验 + 临床评价的双轨证据，算法更新若涉及"重大更新"（如改变预期用途、核心算法架构、训练数据分布），需重新申报；若属于"轻微更新"，可通过变更备案处理。NMPA对训练数据的地域代表性有明确关注，境内人群数据覆盖不足时，通常要求补充境内临床验证。

FDA走的是510(k)、De Novo或PMA三条通道。多数中低风险的影像AI走510(k)，需要证明与已上市 predicate device 的实质等同性；无合适对比器械时走De Novo。FDA近年通过Predetermined Change Control Plan（PCCP）机制，允许企业在上市前预先描述算法迭代的范围与验证方法，从而在上市后按计划更新而无需重新提交。这一点对持续学习的影像AI尤为关键。

CE认证依据欧盟MDR（2017/745），影像AI通常归为IIa或IIb类，需要公告机构介入。MDR强调临床评价的持续性与PMCF（上市后临床跟踪），技术文档中必须包含临床评价报告（CER）及其更新计划。与FDA的PCCP类似，MDR也要求企业在上市前就规划好性能与安全的持续监控路径。

通用标准层：IMDRF、CLSI与ISO的分工

IMDRF（国际医疗器械监管机构论坛）发布的AI/ML医疗器械文件，主要解决术语统一与分类框架问题，例如"持续学习""锁定算法""自适应算法"的界定。它本身不是强制标准，但NMPA、FDA、CE在制定细则时都参考其框架，因此理解IMDRF的分类有助于预判各监管机构对算法更新性质的判定。

CLSI（临床和实验室标准协会）的EP系列文件是性能验证方法学的直接来源。影像AI验证中常借用其思路：EP05用于精密度评价（重复性、中间精密度），EP06用于线性验证，EP09用于方法比对。虽然CLSI原本面向检验医学，但影像AI的定量输出（如病灶体积、SUV值、钙化积分）验证完全可以映射到这些方法学框架上。例如，对同一CT序列做10次重复推理，计算 Dice 系数的均值与标准差，就是 EP05 思路的直接应用。

ISO体系提供的是过程合规底座：ISO 13485规定质量管理体系要求，ISO 14971规定风险管理流程，IEC 62304规定医疗器械软件生命周期，IEC 82304针对健康软件产品。这些标准不直接告诉你"敏感度要达到多少"，但决定了你的验证活动是否可追溯、可审计、可复现。

上市前与上市后的衔接机制

上市前验证解决的是"在受控条件下，算法是否达到预设性能指标"；上市后验证解决的是"在真实临床环境中，性能是否维持、是否漂移"。两者不是割裂的两个阶段，而是通过变更控制计划和持续监控指标衔接起来的。

以肺结节检测AI为例，上市前在3000例多中心CT上验证敏感度为92%、每例假阳性1.8个。上市后需要监控的指标包括：输入数据分布（设备型号、层厚、重建核）、输出分布（结节检出率、假阳性率）、临床反馈（漏诊报告、医生修正率）。当某台新设备的层厚从1mm变为2.5mm时，若检出率下降超过预设阈值（如相对下降10%），即触发再验证或再训练流程。

验证方案中的标准引用示例

一份符合多路径要求的影像AI验证方案，通常需要在方法学章节明确引用标准来源。以下是一个结构示例（参数为教学假设，非实测数据）：

常见合规陷阱

第一，把上市前验证当成一次性任务。FDA的PCCP和MDR的PMCF都要求企业在上市前就规划好上市后的验证活动，若方案中缺失这部分，审评时会被要求补充。

第二，标准引用与验证方法脱节。写了"依据ISO 14971进行风险管理"，但验证报告中找不到风险控制措施与性能指标的对应关系，这种"贴标签"式引用在体系审核中很容易被识别。

第三，忽略地域数据代表性。NMPA对境内人群数据的关注、FDA对种族多样性的关注、MDR对欧盟人群的代表性要求，都意味着训练集和测试集的人群构成需要与目标市场匹配。若训练数据以单一中心为主，多中心外部验证就是必须补上的证据。

第四，算法更新未做分级判定。很多团队在模型迭代后直接上线，未评估是否属于"重大更新"。建议建立内部判定清单：是否改变预期用途？是否改变输入数据类型？是否改变核心算法架构？是否改变训练数据分布？任一为"是"，即按重大更新处理。