医疗器械分类：一纸“驾照”看懂 I、II、III 类与监管严格度

可视化演示

展示医疗器械风险分类判定流程、I/II/III类监管严格度对比与AI医疗器械归类路径。

分类总则

小轿车和重型卡车都叫“车”，但你要开卡车，绝不能拿着 C1 驾照上路。交管部门先把驾驶证分成 C、B、A 几个等级，再按等级匹配不同的考试流程和监管要求。医疗器械监管也是同样的思路：先分类，再分级管理。那分类的依据是什么？——风险。

《医疗器械监督管理条例》明确规定，国家对医疗器械按照风险程度实行分类管理。药监部门发布《医疗器械分类目录》，把所有器械划入 I、II、III 三类。这个“风险”，不是凭感觉拍脑袋，而是由几个可量化的维度共同决定的。它主要看预期使用目的（诊断、治疗还是监测）、与人体接触方式（表面、腔内还是植入）、接触时间长短（短暂、长期、永久），以及是否借助电能或激光驱动（无源还是有源）。

举个例子：创可贴不侵入、接触短、无源，风险极低；而心脏起搏器植入体内、永久接触、有源维持生命，风险天然就高。把这两样东西放进同一个监管篮子里，显然不合理。

就像车管所要先问清“你想开什么车、载多少人、跑多远的路”，才能决定给你发哪一档驾照。医疗器械分类的第一步，也是把这四个基本信息问清楚：做什么用、接触多久、侵入多深、要不要电。

三类划分

在驾照体系里，C1 开小型汽车、B 照开中型客车、A 照开大型客车——一档一档隔得很清楚。医疗器械的 I、II、III 类，正是三个风险递增的档位。它们之间的“分界线”，取决于风险组合，而不是单一条件。

I 类指风险程度低，常规管理足以保证安全的器械；II 类指具有中度风险，需要严格控制管理才能保证安全的器械；III 类指具有较高风险，必须采取特别措施严格控制管理的器械。翻译成大白话：I 类“随便管管就行”，II 类“得认真盯” ,III 类“要像保护心脏一样保护它”。

I 类的典型产品：医用棉签、纱布、创可贴、压舌板，基本都非侵入、短暂接触。II 类产品：血压计、体温计、心电图机、输液器、CT 设备——它们或有源工作，或短时侵入人体，出了问题可能造成中度伤害。III 类产品：心脏起搏器、人工关节、血管支架、可吸收缝合线——它们植入体内、维持生命，一旦失效往往直接危及生命。

记住这条“档位线”：C1 是随便开开的小车（I 类创可贴），B 照是带客运营的客车（II 类血压计），A 照是满载生命的大客车（III 类起搏器）。车越重，责任越重。同样叫“医疗器械”，分类不同，命运天差地别。

判定流程

你发明了一辆“水陆两栖电动车”，车管所目录里没有这一项，怎么办？交警不会让你直接上路，而是要求你提供车辆参数，由专家评议后指定一个管理等级。医疗器械分类同样有一套推进流程：不是企业自己拍脑袋定级，而是严格按“一查、二定、三判”走完三步。

第一步，查《分类目录》。2017 版目录细分为 22 个子目录，从“有源手术器械”到“注输、护理和防护器械”，每个产品都有唯一编码。如果你的产品能精确命中某个条目，直接沿用该条目的类别，流程结束。第二步，定预期用途。产品包装上声称“用于伤口清洁”和“用于深度烧伤修复”，风险和类别完全不同，所以要看产品说明书真实主张。第三步，综合判定。目录里找不到的产品，需要参考同类器械、结构特征、使用形式以及国际分类惯例，必要时向药监部门申请分类界定，拿到官方文件才能定级。

就像车管所对“非标准车辆”有一套特检流程：查公告目录、看用途说明、综合参数定级。医疗器械的“特检通道”就是分类界定，给创新产品一条合规“上牌”的路。

注册要求

考 C1 驾照，报名填表、刷够学时、考过科目一基本就能拿证；考 A 照却要行业体检、安全记录审查、多科目路考，周期长得多。医疗器械注册的“拿证难度”，同样随类别递增：I 类备案，II 类省级注册，III 类国家局严审。

I 类产品实行备案管理，企业向市级药监部门提交产品技术要求、检验报告等资料，即可获得备案凭证。注意，备案不等于“随便填表”，资料不齐、体系不过关照样被退回。II 类产品由省级药监部门审批，流程包含注册检验和临床评价，部分产品可豁免临床试验，周期约 6-12 个月。III 类产品由国家药品监督管理局（NMPA）审批，几乎必须开展临床试验，并通过生产质量管理规范（GMP）体系核查，注册周期常以年计，费用可达百万元级。

C1 照“备案式”拿证和 A 照“政审式”拿证的距离，就是 I 类到 III 类器械注册的现实距离。风险越高，社会对你“驾驶技术”的信任门槛越高，投入的精力和成本也水涨船高。

AI器械归类

一辆车必须有驾驶员，但“自动驾驶辅助系统”算不算独立的“驾驶员”？如果它只是播报路况，不算；如果它直接接管刹车和转向，那就必须单独认证。AI 医疗器械软件（SaMD）面临的，正是这样一个问题。

监管共识是：独立软件如果输出的信息用于疾病诊断、治疗或筛查决策，就属于医疗器械，必须按对应类别注册；如果它只是做健康管理或生活方式建议——比如计步、卡路里记录、睡眠报告——一般不作为医疗器械管理。分水岭就在于“输出是否影响临床决策”。

AI 器械分类重点看两个维度。一是决策关键度：软件建议是被医生当作参考，还是直接授权自动执行。二是错误后果严重度：判断错了会造成多大伤害。比如一个皮肤病变识别 App 直接输出“恶性/良性”诊断建议，参照同类图像诊断软件，通常划为 II 类；如果用于放疗计划自动制定，直接影响照射剂量，则属于 III 类。此外，AI 产品的临床验证还需要真实世界数据、算法可解释性说明以及训练数据溯源，这些也是监管评审时的重点。

自动驾驶从 L2 到 L4，接管程度越高，认证要求越苛刻。AI 医疗器械也一样：输出越“接近方向盘”，风险等级越高，需要考的“驾照”就越难拿。

合规实践

拿到驾照不是终点——每年年审、记分、扣分，出了事故还要上报交管部门。医疗器械的“驾照”同样需要持续维护，不守规矩照样被扣分、吊销。上市后的合规义务，主要集中在标识、质量体系和上市后监管三件事上。

标识方面，III 类和部分 II 类产品要求使用唯一器械标识（UDI），做到“一械一码”。UDI 由器械标识（DI）和生产标识（PI）组成，可以在国家数据库中追溯生产、流通、使用全流程，相当于器械的“身份证号”。质量体系方面，注册人必须按《医疗器械生产质量管理规范》（GMP，对标 ISO 13485）组织生产，覆盖设计、采购、生产、检验、售后等全环节，形成可追溯的记录链。上市后监管方面，企业要建立不良事件监测制度，发现产品导致的伤害事件必须及时评估、上报，必要时主动召回。

驾照年审、违章扣分、事故报告，对应到器械上就是 UDI 追溯、飞检核查和不良事件上报。合规不是终点线，而是贯穿研发到退市的“持续驾驶”。

AI 应用场景

Python 演示

class MedicalDeviceClassifier:    """根据预期用途与风险因素判定器械分类等级。"""     def __init__(self):        self.catalog = {            '棉签': 'I', '纱布': 'I', '创可贴': 'I', '压舌板': 'I',            '血压计': 'II', '体温计': 'II', '心电图机': 'II',            '输液器': 'II', 'CT设备': 'II', '超声诊断仪': 'II',            '心脏起搏器': 'III', '人工关节': 'III',            '血管支架': 'III', '可吸收缝合线': 'III'        }        self.reg_map = {            'I': ('备案', '市级药监部门'),            'II': ('省级注册', '需注册检验+临床评价'),            'III': ('国家局注册', '需临床试验+GMP核查')        }     def lookup(self, product_name):        return self.catalog.get(product_name)     def assess_risk(self, invasive, contact_time, active_energy):        score = 0        if invasive == 'body':            score += 2        elif invasive == 'surface':            score += 1        if contact_time == 'permanent':            score += 3        elif contact_time == 'long':            score += 2        if active_energy:            score += 1        if score <= 1:            return 'I'        if score <= 3:            return 'II'        return 'III'     def classify(self, product_name, invasive='surface',                 contact_time='short', active_energy=False):        cat = self.lookup(product_name)        if cat:            return cat, self.reg_map[cat]        cat = self.assess_risk(invasive, contact_time, active_energy)        return cat, self.reg_map[cat]  def main():    clf = MedicalDeviceClassifier()    cases = [        ('棉签', 'surface', 'short', False),        ('智能血压计', 'surface', 'short', True),        ('AI皮肤诊断软件', 'surface', 'short', True),        ('新型植入式神经刺激器', 'body', 'permanent', True),        ('水陆两栖创面敷料(新)', 'body', 'long', False),    ]    for name, inv, dur, eng in cases:        cat, reg = clf.classify(name, inv, dur, eng)        print('%-16s -> %s类 | %s (%s)' % (name, cat, reg[0], reg[1]))  if __name__ == '__main__':    main()

1. self.catalog = {...}内置一张简化版《分类目录》映射表，产品名直接对应类别。
2. self.reg_map = {...}记录每个类别对应的注册要求，供后续输出使用。
3. cat = self.lookup(product_name)判定第一步：先查目录，命中直接返回类别。
4. score = 0风险评估的积分器起点，用来累加各风险因子。
5. if invasive == 'body': score += 2侵入体内风险最高，加 2 分。
6. if contact_time == 'permanent': score += 3永久植入是最大风险项，加 3 分。
7. if active_energy: score += 1有源驱动再补 1 分。
8. cat = self.assess_risk(...)目录未命中时，用风险评分法判定类别。
9. print('%-16s -> %s类 | %s (%s)' % ...)输出每个产品的分类结果与对应注册路径。

常见误区

面试题