欧盟MDR 2017/745与IVDR对AI/ML的要求

可视化演示

展示MDR 2017/745与IVDR对AI/ML器械的监管对比、Class I至III风险分类体系、技术文档到CE标志合规流程及上市后监督PMCF/警戒系统，含流动波形背景和发光动画。

监管背景：为什么欧盟要换“交规”

欧洲的医疗器械管理，有点像在一个大都市里维护交通秩序。过去几十年，街上跑的大多是“普通汽车”——传统手术刀、血糖仪、支架。旧交规（医疗器械指令MDD和体外诊断指令IVDD）还可以应付。但最近街上出现了越来越多的“智能汽车”：能自动识别皮肤病变的AI相机、可以预测血糖趋势的算法、辅助病理诊断的深度学习模型。它们跑得快，也可能看不清路。于是欧盟在2017年发布了新交规——MDR 2017/745和IVDR 2017/746，并从2021/2022年起取代旧指令，对上路车辆提出更高要求。

这一切换不是简单换皮。MDR和IVDR把“审查严格程度”从上市前延伸到上市后，并要求更靠近真实的临床证据。对AI/ML设备来说，这相当于说：你想宣称AI能看病，就必须拿出让人信服的临床数据，而不是只在实验室里跑通一个准确率。旧指令下很多软件可以按自我声明低调上市；新法规下，连提供诊断决策的AI也常常要经过公告机构的外部审核。

从适用范围看，MDR覆盖医疗器械（包括外科、康复、影像等），IVDR覆盖体外诊断器械（检测样本、试剂盒、伴随诊断等）。两者的共同逻辑是“基于风险的监管”：风险越高，证据越多，第三方介入越深。对AI/ML而言，最关键的改变可概括为三点：临床证据要求升级、上市后监督刚性化、算法透明度开始被写进文档要求。

回到“智能汽车”的比喻：旧交规下，一辆车只要能开上街就算合格；新交规要求厂商证明这辆车在雨雪夜路、城市拥堵、高速巡航中都不会误判，并且上路后还要持续上报安全记录。这意味着AI厂商不能再把自己当“纯软件公司”，而要把自己当作造车厂——一句“我的算法很准”在监管面前远远不够。

产品分类：风险等级决定上牌难度

车辆上牌之前，交管部门会先看这是自行车、私家车还是大巴车。分类决定了需要考什么驾照、要做几轮检查。MDR和IVDR也按风险把AI医疗器械分成不同等级，等级越高，审查越严。

MDR把医疗器械分为四个风险级别：I类、IIa、IIb、III类；IVDR把体外诊断器械分为A、B、C、D四级。分类不是拍脑袋，而是依据预期用途、侵入程度、是否提供诊断/治疗信息、是否接触人体样本等规则来判断。对AI/ML设备，一条常见的“分界线”是：如果软件只是用来储存或浏览医疗信息，风险较低；如果软件直接给出诊断建议或治疗提示，它大概率进入IIa甚至更高。

分类结果直接决定“符合性评估”的路径。低风险产品可由制造商自我声明符合要求，高风险产品必须由公告机构审查技术文档、质量管理体系和临床证据。举例来说，一个纯记录体温的App可能仍然落在I类，而一个自动识别眼底病变并提示转诊的AI系统，通常需要公告机构介入，甚至要做临床评价咨询。

继续造车比喻：一辆自行车只要出厂前检查刹车；而一辆自动驾驶大巴车，必须经过独立检测机构对车身结构、系统逻辑、路测数据的全面审查。对于投入AI医疗的团队，第一步不是写代码，而是先回答“我这辆车属于哪个级别”，因为级别直接决定后续投入多少资源和时间。

技术文档：给AI写一份诚实的说明书

每辆汽车出厂都附着一本厚厚的技术档案：发动机参数、安全测试报告、维修记录。MDR/IVDR要求AI医疗器械也要交付一套“合规技术文档”，相当于给监管审核员一份极其诚实的说明书。

技术文档不是交一份PPT，而是按照法规附录组织的内容体系：器械描述和预期用途、设计和制造信息、安全和性能要求、风险管理、临床前与临床评价证据、标签和说明书。对AI/ML设备，额外要交代算法架构、训练数据来源与分布、数据标注流程、训练/验证/测试集的划分方式、偏差处理策略、可解释性说明，以及软件更新机制。

在数据层面，监管方最关心“模型有没有被同一批数据反复测验”这类常见错误。所以提交材料中要明确训练集、验证集、测试集的独立性；测试集必须能代表目标人群，包含足够的亚组样本。另外，网络安全也进入技术文档范围：AI系统如果被攻击、被投毒数据或随机预测，会直接影响安全，因此制造商要描述威胁模型、防御措施和更新时的补丁流程。

如果智能汽车没有随车手册与维修记录，任何一次刹车软件升级都可能是“失控改版”。技术文档的价值，正是让每一次算法变更都有记录、有理由、有验证，保证监管者和使用者都能清楚“AI为什么作出这样的决定”。

临床评价：用真实世界数据证明有效

新车上市前的试驾与碰撞测试，意味着不能只在电脑里模拟撞车。MDR要求医疗设备做临床评价，IVDR要求体外诊断设备做临床性能研究，两者都要在真实患者数据上证明产品真的有用。

临床评价的证据来源有三条路：第一，使用自己产品的临床数据；第二，引用与自身等同的其他器械的临床数据；第三，前两者结合。对AI/ML而言，“等同器械”论证非常困难，因为算法每次训练都不同、数据来源不同，很难证明与另一产品“在本质上等同”。因此多数AI医疗产品要依赖自己的前瞻性或回顾性临床研究。

在性能指标上，临床常用灵敏度和特异性评价诊断类AI。灵敏度回答“有病的人被找到多少”，特异性回答“没病的人被放过了多少”。两者通常此消彼长，需要结合预期用途设定阈值。IVDR还进一步要求分析阳性预测值、阴性预测值，并说明检测限、干扰因素等专属性证据。数据集代表性是关键：只用单一医院数据训练的AI，很难被监管方接受为“目标人群”的代表性证明。

智能汽车不能只在厂商自己的测试场上跑圈，还必须到开放道路、极端天气下验证。AI医疗器械也是如此：临床评价就是那条“开放道路”。只有真实数据上的表现，才能支撑"CE"标志背后的承诺。

上市后监督：上路后的持续责任

买车只是开始，真正重要的事情发生在马路上：保养、维修、召回、事故上报。MDR和IVDR把上市后监督（Post-Market Surveillance, PMS）变成强制义务，要求制造商持续收集设备在真实世界的表现数据。

上市后监督的核心包括三块：PMS计划、上市后临床跟踪（PMCF）和警戒系统。PMS计划规定制造商如何收集质量、风险和性能数据；PMCF则针对临床层面，确认产品在批准人群和适应症中的长期安全有效性；警戒系统要求在发生严重伤害或死亡事件时，在规定时限内向主管当局报告并采取纠正措施。

对AI/ML设备，上市后监督还有一个特殊难点：算法更新。如果AI在上市后用新数据重新训练，产品性能可能改变，这可能构成“重大变更”，需要重新评估是否要补充临床证据或再次向公告机构申请。为应对这一挑战，制造商要在技术文档中预先定义“哪些更新属于变更、触发什么评审流程”，并在PMS中设置自动化监测指标以捕捉性能漂移。

智能汽车上了路不是万事大吉，每一次OTA升级都要记录，每一条事故都要上报。AI医疗器械的“行驶里程”就是PMS数据；只有把真实路况持续反馈回研发和风险管理系统，这台车才能长期安全地跑下去。

AI法案协同：两套规则同时生效

拥有了一辆通过全车检测的智能汽车，不代表司机就可以随意驾驶。欧盟的AI法案就像是“自动驾驶行为规范”：它不关心机械结构本身，但严格约束“AI系统怎么被使用、如何被监督、出问题如何追溯”。

2024年正式通过的欧盟AI法案按风险将AI系统分为四档：不可接受、高风险、有限风险、最小风险。医疗AI通常被列入高风险AI，因为它直接影响人的健康与安全。于是AI医疗器械需要同时满足MDR/IVDR与AI法案两套规则：MDR管“器械本身是否安全有效”，AI法案管“AI系统的数据治理、透明度、人类监督、鲁棒性和准确性”。

两套法规不是替代而是互补。符合MDR并不自动等于符合AI法案；反之亦然。AI法案对高风险AI要求建立风险管理体系、使用高质量数据集、记录自动化日志、向用户透明说明AI角色、设计人类监督接口，并保证系统面对对抗攻击或漂移数据时依然稳定。这些要求在MDR技术文档中往往只是概括性提及，现在要以更细的颗粒度落地。

智能汽车想在欧洲上路，既要拿到车检合格证（MDR/IVDR），也要满足自动驾驶行为规范（AI法案）。两个绿灯必须同时亮起。对AI医疗团队来说，这不是双倍文书工作，而是把产品思维从“算法能跑”升级为“系统可信、可控、可追溯”。

落地路线图：把合规做成流程

从“有了造车图纸”到“真正拿到上路牌照”，中间隔着一条清晰的流水线。AI医疗器械的CE合规同样可以被拆成确定性步骤，避免临阵磨枪。

第一步做差距分析：判断产品属医疗器械还是体外诊断器械，分级是高是低，对应MDR/IVDR哪条审查路径，再把现有文档和法规要求逐项对照，标出缺口。第二步把合规动作嵌入质量管理体系（QMS）：按ISO 13485建立设计控制、风险管理、供应商管理、CAPA（纠正和预防措施）流程，让每一次模型迭代都有追溯记录。

第三步是技术文档与临床证据并行推进：算法训练、数据治理、网络安全文档可以和技术文档同步完成，临床评价则要提前布局数据合作、伦理审批和研究启动。第四步是与公告机构沟通预审，递交完整提交包，回答审核员关于算法、数据集、更新机制的问题。整个过程要预留给公告机构排期和补充问询的时间，通常以月为单位计算。

造车厂不会等到交车前一天才去碰撞测试；同样，AI医疗器械团队也不能等产品写完了再准备合规材料。把分类、文档、临床、PMS当作一条并行流水线，才能让那辆“智能医疗车”平稳开出欧盟认证的大门。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-# 模仿IVDR临床性能研究中的核心指标计算 class ClinicalPerformanceEvaluator:    """计算体外诊断AI设备的临床性能指标"""     def __init__(self, device_name="AI-IVD-01"):        self.device_name = device_name        self.cm = {"TP": 0, "FP": 0, "FN": 0, "TN": 0}     def update(self, y_true, y_pred):        """逐对更新混淆矩阵"""        for ground_truth, prediction in zip(y_true, y_pred):            if ground_truth == 1 and prediction == 1:                self.cm["TP"] += 1            elif ground_truth == 0 and prediction == 1:                self.cm["FP"] += 1            elif ground_truth == 1 and prediction == 0:                self.cm["FN"] += 1            else:                self.cm["TN"] += 1     def sensitivity(self):        """灵敏度：有病的人被找到的比例"""        tp = self.cm["TP"]        fn = self.cm["FN"]        return tp / (tp + fn) if (tp + fn) else 0.0     def specificity(self):        """特异性：没病的人被放过的比例"""        tn = self.cm["TN"]        fp = self.cm["FP"]        return tn / (tn + fp) if (tn + fp) else 0.0     def report(self):        """输出IVDR临床性能摘要"""        print("Device:", self.device_name)        print("Confusion Matrix:", self.cm)        print("Sensitivity:", round(self.sensitivity(), 4))        print("Specificity:", round(self.specificity(), 4))        print("IVDR: 需按预期用途补充临床性能评价报告") if __name__ == "__main__":    y_true = [1, 0, 1, 1, 0, 0, 1, 1, 0, 1]    y_pred = [1, 0, 0, 1, 0, 1, 1, 0, 0, 1]    evaluator = ClinicalPerformanceEvaluator("AI-Glucose-01")    evaluator.update(y_true, y_pred)    evaluator.report()

1. self.cm = {"TP": 0, "FP": 0, "FN": 0, "TN": 0}用字典记录四类计数，避免魔法数字散落各处
2. for ground_truth, prediction in zip(y_true, y_pred):将真实标签和预测值成对遍历，逐个归类
3. tp / (tp + fn) if (tp + fn) else 0.0分母为0时返回0，防止除零错误
4. print("Confusion Matrix:", self.cm)报告原始计数，方便审核员核查计算过程
5. evaluator.update(y_true, y_pred)一条命令装载全部样本，批量更新统计
6. y_pred = [1, 0, 0, 1, 0, 1, 1, 0, 0, 1]模拟AI模型输出的预测标签，可替换为真实推理结果
7. if __name__ == "__main__":作为脚本直接运行时执行，避免被导入时触发

常见误区

面试题