美国FDA对放射学人工智能算法的审评:流程与挑战
本文总结了美国FDA对作为医疗器械的软件的审评流程,以及针对放射学人工智能/机器学习算法的独特监管设计,以确保其在临床实践中的安全性;随后讨论了这些工具在临床实施中最大化效能所面临的挑战。
要点
- FDA对放射学AI算法设有独特的监管设计以保障临床安全性。
- AI工具存在显著失效模式,人机交互在临床实践中至关重要。
- 临床实施中最大化AI工具效能面临挑战。
核心结论
- FDA对放射学AI算法的审评流程与监管设计旨在确保临床安全性,但临床实施中最大化其效能仍面临挑战,且人机交互至关重要。
研究设计与样本
- 本文为报告,总结FDA对作为医疗器械的软件的审评流程及针对放射学AI/机器学习算法的独特监管设计,并讨论临床实施挑战;原文未报告样本量、中心数、设备/序列及参考标准。
临床应用与阅片要点
- 原文通过一例FDA清除的AI算法将发现误诊为颅内出血、患者最终诊断为缺血性卒中的情景,强调人机交互的重要性。
局限性
- 原文未报告局限性。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
英文原文(摘要)· 点击展开
A Food and Drug Administration (FDA)-cleared artificial intelligence (AI) algorithm misdiagnosed a finding as an intracranial hemorrhage in a patient, who was finally diagnosed with an ischemic stroke. This scenario highlights a notable failure mode of AI tools, emphasizing the importance of human-machine interaction. In this report, the authors summarize the review processes by the FDA for software as a medical device and the unique regulatory designs for radiologic AI/machine learning algorithms to ensure their safety in clinical practice. Then the challenges in maximizing the efficacy of these tools posed by their clinical implementation are discussed.
引用
- Zhang K, Khosravi B, Vahdati S, et al. FDA Review of Radiologic AI Algorithms: Process and Challenges. Radiology. 2024. PMID: 38165243. doi:10.1148/radiol.230242
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。