医疗 AI 的宣传里最常见的句式是"已获 FDA 授权"。但监管授权和已证实有效是两件事:前者说的是器械满足了适用的上市前要求,后者说的是有恰当设计的临床研究证明它改善了目标终点。2025 到 2026 年间发表的四组研究,第一次把这个缺口量了出来——在美国市场,它比多数人想象的大,而监管系统才刚刚开始搭建修补工具。
## 缺口有多大:三项独立清点,同一个方向
第一项是 JAMA Network Open 2025 年的系统综述,覆盖 1995 年 11 月至 2024 年 6 月的全部 FDA 上市前授权:共 950 个 AI/ML 医疗器械,放射科占 723 个(76%);97%(924 个)经 510(k) 通道上市——也就是通过证明与已上市的"前代器械"实质等同来获批,而这个通道不要求提供独立的临床数据。研究者对 717 个有提交文档的放射科器械逐一编码测试类型,结果是三个刺眼的数字:前瞻性测试仅 33 个(5%),含人在环测试仅 56 个(8%),含临床测试 208 个(29%);同时具备前瞻性与临床测试的只有 15 个,三项全有的只有 6 个。增长曲线同样陡峭:1995 到 2015 年二十年共授权 33 个,仅 2023 一年就有 221 个。
第二项是 Journal of Medical Artificial Intelligence 2025 年的更新清点,覆盖至 2025 年 5 月:累计 1016 个获 FDA 授权的 AI/ML 器械,其中 38.8% 是 2023 年 1 月以后授权的;96.5% 走 510(k),De Novo 占 3%,最严格的 PMA 通道不足 1%;放射科占 76.1%,心血管 9.8%。透明度维度更值得注意:仅 55.8% 的器械在上市前摘要中披露了超出泛称的算法细节,引用前瞻性验证数据的不足 20%。
第三项来自 FDA 官方清单页本身。这个清单自我限定说它"不是 AI 医疗器械的全面资源",识别主要基于授权文书摘要中的 AI 相关术语;FDA 还表示将探索标记含基础模型(包括大语言模型与多模态架构)的器械。换言之,连"到底有多少 AI 器械"这个问题,监管者的公开答案也是近似的。
## 授权不是终点,但监测长得像终点
上市之后呢?npj Digital Medicine 2026 年的研究追踪了 1995 年 9 月至 2025 年 9 月获授权的 956 个放射科 AI 器械:429 个(44.87%)经历过软件版本更新,涉及 94 家厂商、163 个产品;与软件缺陷相关的不良事件涉及 15 个产品,其中仅 4 个(26.67%)随后做了版本更新、仅 3 个(20%)由厂商发起召回;软件缺陷导致的产品召回报告共 124 份(占召回报告的 68.13%),其中 38 份在召回后通过软件更新修复了缺陷。作者的核心结论:绝大多数厂商缺乏覆盖"不良事件→召回→软件更新"的闭环风险管理体系——三个环节各自孤立,缺陷既难被识别,风险扩散也难被遏制。
## 第一批修补工具,和它的盲区
监管侧的回应已经出现。FDA 于 2024 年 12 月发布最终的"预定变更控制计划"(PCCP)指南,允许厂商预先声明算法将如何变更——再训练、兼容性扩展、性能优化——而无需每次重新提交;2025 年 1 月 7 日又发布了 AI 器械软件功能生命周期管理的草案指南。Radiology 2026 年的一项范围综述清点了这套工具的实际采用:截至 2026 年 4 月,共 170 个器械带 PCCP 获得授权,其中放射科占 34 个;这 34 个里 22 个(65%)是在 2024 年 12 月最终指南发布后的 2025 年一年内获准的——采纳曲线明确由指南驱动。
但透明度令人担忧。按 8 分制细则打分(两名独立评审),PCCP 文档得分从 0 到 8 不等,均值只有 5;公开摘要中普遍缺失持续性能监测和预设的再训练漂移触发器;34 个放射科 PCCP 器械中 9 个(27%)在 FDA 公开数据库与个体摘要之间存在需要人工裁决的不一致。翻译一下:允许厂商"预先声明如何变化"的机制建起来了,但公众和医院看不到"变化是否在监控之下"。
## 反方:透明不等于严格
对这组清点研究,Radiology: Artificial Intelligence 的一篇立场文提出了必要的方法学反驳:应该区分验证严格性(证据质量与全面性)与验证透明度(证据的公开可及性)——FDA 提交材料中的性能数据量与公开透明度存在反向关系,公开摘要的简略不等于验证没做或做得差。这个反驳是成立的,所以本文把它写进来:"5% 前瞻测试"度量的是公开文档中可编码的证据,真实的验证强度分布可能更高——但同样可能更低,而外部人无从知道。这本身就是问题:一个患者和采购方无法核实的验证,在公共证据的意义上等于不存在。
还有两个方向的事实值得并列。其一,JAMA Network Open 综述的讨论部分指出,欧盟在监管收紧后放射 AI 器械批准数下降、同期临床结局的同行评审研究上升——收紧没有杀死创新,而是把它推向了更有证据的方向。其二,放射科医生使用 AI 辅助阅片时,高水平者维持表现,低水平者未必改善——"授权+部署"不等于"临床获益",人的异质性还在。
## 你能带走的三件事
第一,给医院和采购方:把"FDA 授权"降级为一个元数据而非结论。尽调时至少问五个可从公开材料核查的问题——验证设计是回顾性、前瞻性还是人在环?有没有 PCCP,公开文档得分如何?上市后的软件更新与召回史?性能监测和漂移触发器有没有披露?训练数据的人群构成是什么?
第二,给监管观察者:PCCP 采纳由指南驱动是好消息,但"变更计划公开、监测数据不公开"的不对称需要在下一轮指南中补齐。
第三,给普通读者:下次看到"FDA 授权"的医疗 AI 宣传,记住同一个器械身上,"获 FDA 授权""有前瞻性临床验证""有上市后监测闭环"是三个真值独立的命题。把它们压缩成一个"官方认证"的直觉,正是这个缺口在认知层的复制。
值得讨论的问题是:如果 510(k) 的"实质等同"逻辑诞生于软件迭代之前,那么一个每年再训练的算法,还能和它的"前代器械"算同一个东西吗?
来源:FDA Approval of Artificial Intelligence and Machine Learning Devices in Radiology: A Systematic Review. JAMA Network Open 2025. https://doi.org/10.1001/jamanetworkopen.2025.42338