医疗AI合规：FDA CE与NMPA认证路径

CH-40-02-025·约 19 分钟·AI商业与行业解决方案·更新 2026-08-14

想象你辛苦训练的AI模型，不是用来聊天画画，而是真要穿上白大褂去“行医”——它是一位AI医生助理，帮放射科医生看肺结节、帮心内科判心电图。这位助理想赴美执业，美国海关FDA要审它；想进欧洲，欧盟海关CE要验它；想回国上岗，中国海关NMPA要查它。三套海关各管一摊，规矩不同、材料不同、周期不同，但目标一致：证明这位“AI医生助理”看病安全、结果有效、质量可控。本篇文章就带你把这三大通行证的门道摸清，给自己负责的医疗AI产品规划出一条不踩坑的上市路线。

岗位关联

学懂FDA、CE、NMPA三大认证路径，你就能为医疗AI产品画出可落地的上市时间表，避免“代码写完了才发现没法卖”的职业尴尬——这是医疗AI产品经理和合规工程师的必备生存地图。

可视化演示
监管体系概览
器械分类规则
FDA认证路径
CE认证路径
NMPA认证路径
临床试验要求
申报材料要点
审评周期规划
AI 应用场景
Python 演示
常见误区
面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化处理流程：输入→处理→模型→输出性能监控：实时指标 P=L×T

监管体系概览

你的AI医生助理想国际化，第一课就是认海关：飞美国找FDA，飞欧洲找CE，回国找NMPA。三套体系不是“认证一次全球通用”，而是各管一摊、互不买账的地方准入规则。就像一个人去美国要美签、去欧洲要申根签、回国要中国护照，每本证都得单独办，材料翻译、审核标准、时间成本完全不同。

把三套体系拆开看：FDA隶属美国卫生与公众服务部，对医疗器械实施基于风险的上市前审批；CE体系依据欧盟MDR法规，依靠“公告机构+制造商自我声明”双层机制；NMPA则是国家药品监督管理局主导的注册制，二类医疗器械由省级局注册，三类由国家局审批。三者的共同底层逻辑，是要求申请者同时证明三个要素：产品风险被合理分级、临床证据足够扎实、质量体系全程受控。

所以，做合规别想着“投机取巧绕过海关”，而是老老实实把三个要素补齐——这决定了你后续选哪条路径、补哪些材料、花多少时间。

\text{市场准入} = \text{风险分级} \times \text{临床证据} \times \text{质量体系}

这个公式说明，三大监管体系尽管形式不同，本质都在审查三件事：你是什么风险等级、有没有数据证明有效、生产过程是否合规可控。

风险分级先把产品按风险划档，决定走“快速通道”还是“全面审查”。
$\text{风险等级} \in \{ \text{I}, \text{II}, \text{III} \}$
临床证据用试验数据证明安全有效，证据越充分审评越顺。
$\text{证据强度} \propto \text{样本量} \times \text{前瞻性比例}$
质量体系从研发到生产全程可追溯，是获证的前提地基。
$\text{体系合规} \xrightarrow{\text{现场审核}} \text{上市}$

器械分类规则

海关通道分“普通行李、申报通道、危险品专检”，医疗器械也按风险分三档。FDA分Class I/II/III，CE分I/IIa/IIb/III，NMPA分第一/二/三类。分级不是看软件多炫酷，而是看它“离人命有多近”：只是给个健康建议，风险低；直接给出诊断结论，风险高。

AI医疗软件大多落在II类区间。FDA视角，辅助诊断软件常走Class II；CE视角，多数AI辅助诊断属IIa或IIb；NMPA视角，AI辅助诊断常按第二类或第三类管理。分类规则主要看三个维度：预期用途（诊断还是生活方式管理）、决策模式（提供参考信息还是给出明确诊断）、输入信息类型（影像原始数据还是患者自报症状）。

分类搞错是新手常犯的致命错误——报低了被要求重新分类重走流程，报高了浪费时间成本。定级前最好找法规顾问或预沟通确认。

\text{II 类软件判定} = f(\text{预期用途}, \text{决策模式}, \text{输入信息类型})

这三个因素像“海关申报单”，组合起来决定你的产品落在哪个风险格子，进而锁定后续审评路径。

预期用途产品宣称用于“疾病的诊断、筛查、监测”还是“健康管理”，用途越接近医疗决策，等级越高。
$\text{用途风险} \in \{ \text{健康管理}, \text{诊断辅助}, \text{自动诊断} \}$
决策模式AI只给提示信息，还是直接输出“该患者患病/不患病”的结论，直接决定监管严格度。
$\text{决策等级} = \begin{cases} \text{信息提示} & \text{低风险} \\ \text{诊断结论} & \text{高风险} \end{cases}$
输入信息类型输入的是医生标注过的结构化数据，还是原始DICOM影像，影响验证难度与风险判断。
$\text{输入敏感度} = \frac{\text{原始影像占比}}{\text{总输入样本}}$

FDA认证路径

美国海关给AI医生助理准备了三种通关方式。第一种是“跟团签”：市场上已有类似获批产品，你证明自己跟它实质等同，走510(k)，典型周期3-6个月；第二种是“开荒签”：市面上没有同类获批产品，但风险不是顶级，走De Novo，FDA会为你的产品创建新分类，周期约6-9个月；第三种是“全项审查”：高风险产品走PMA，需要完整临床证据加严格的体系审查，周期1年以上。多数AI影像辅助诊断软件，若能找到合适的对比器械，510(k)是首选；找不到就De Novo；只有极高风险才被逼上PMA。

510(k)的核心是“实质等同”判断：你的产品和已上市产品是否在预期用途、技术特征、性能验证上足够相似。相似不等于完全相同，但风险特征必须可比较。

走FDA路径的精髓是“找对标”：提前调研数据库里已有的510(k)产品，找好“参照物”，你的材料准备就成功了一半。找不到合适的对标器械，果断转De Novo，别硬蹭。

\text{实质等同} \equiv \text{预期用途相同} \wedge \text{技术特征可比}

这句“准生证逻辑”的意思是，FDA不要求你的产品比前辈更好，而是要求它“跟前辈一样安全可靠”，降低了新产品的入门门槛。

预期用途相同两家产品都用于“肺结节辅助检测”，才算站在同一赛道。
$\text{Use}_{\text{new}} = \text{Use}_{\text{predicate}}$
技术特征可比算法输入输出类型、适用人群、使用环境需可对等评估。
$\text{Feature}_{\text{new}} \approx \text{Feature}_{\text{predicate}}$
等效结论二者结合，得出“实质等同”结论，获得FDA市场准入。
$\text{SE} \Rightarrow \text{Clearance}$

CE认证路径

欧盟海关的画风不一样，它把审评权部分外包给了“签证代办机构”——公告机构（Notified Body）。MDR法规生效后，IIa及以上级别的AI医疗器械，必须由公告机构审核技术文档和质量体系，通过后制造商再依据ISO 13485体系签署符合性声明，贴上CE标志。注意，CE标志本身不是证书，而是“自我宣言”：我已按欧盟规则完成合规义务，出了问题我负责。

在旧MDD时代，有些低风险软件自我声明就完事；MDR时代全面收紧，IIa类也要公告机构介入，技术文档要包含临床评价、风险管理、软件生命周期管理（IEC 62304）。公告机构审核通常花9-12个月，加上准备期，整条CE路径预留12-18个月更稳妥。很多出海团队低估了MDR对算法可解释性和网络安全的要求，导致反复发补。

CE路径的关键不是“搞定某个官方”，而是选对公告机构、备齐文件、让审核员看得懂你的AI逻辑。记住：CE是欧洲的合规通行证，认证链路长，建议和FDA并行准备。

\text{CE 标志} \leftarrow \text{技术文档} + \text{ISO 13485} + \text{公告机构证书}

这个式子拆穿了“CE是买来的”误解：它需要完整的证据链和第三方审核背书，不是一纸贴纸那么简单。

技术文档涵盖产品描述、临床评价、性能验证、风险分析，是CE体系的“护照正文”。
$\text{TD} = \{ \text{临床}, \text{性能}, \text{安全} \}$
ISO 13485医疗器械质量管理体系认证，是获证组织的“信用档案”。
$\text{QMS} \sim \text{ISO 13485}$
公告机构证书第三方审核的“盖章页”，用于支撑制造商的符合性声明。
$\text{NB Certificate} \Rightarrow \text{CE Mark}$

NMPA认证路径

回国的AI医生助理要过的海关叫NMPA。中国路径的独特性在于“注册检验”前置：产品先送到有资质的检测机构做电磁兼容、电气安全等检测，拿到检测报告后才能申报。之后是临床评价或临床试验（二类可走同品种对比，三类通常要开展临床试验），再递交注册申报，走技术审评与行政审批。第二类医疗器械在省级药监局注册，第三类在国家药监局注册，目前AI辅助诊断软件大多按三类管理。

NMPA有个“创新医疗器械特别审查程序”，俗称绿色通道：技术领先、有发明专利、临床价值显著的产品可以申请，获批后享受优先审评，还能跟审评中心做预沟通。对医疗AI来说，走创新通道能显著缩短焦虑期——它相当于提前让审评员了解你的算法逻辑和临床设计，减少后期意外发补。

NMPA路径对本土团队最“亲切”，但也要正视三个陷阱：检测报告过期重做、临床试验中心选择失误、审评发补来回拉锯。提前与省局/国家局沟通，能避开大多数弯路。

T_{\text{总}} = T_{\text{检测}} + T_{\text{临床}} + T_{\text{审评}} + T_{\text{发补}}

总周期不是单点审评时间，而是“检测+临床+审评+发补”四段累加。每个环节都可能延期，规划时务必逐段留出缓冲。

检测时间注册检验通常2-4个月，排队检测机构可能更久，材料要提前送。
$T_{\text{检测}} \approx 2 \sim 4 \ \text{个月}$
临床时间临床试验筹备+入组+随访，AI产品常需6-12个月，多中心会更长。
$T_{\text{临床}} \approx 6 \sim 12 \ \text{个月}$
审评与发补国家局技术审评约90个工作日，发补整改常见且耗时。
$T_{\text{审评}} + T_{\text{发补}} \approx 4 \sim 8 \ \text{个月}$

临床试验要求

AI医生助理想证明自己“真会看病”，得交上一份体检报告——临床试验。但这份体检不能自己给自己做，必须按GCP规范请第三方机构见证：伦理委员会先审方案，医院机构办备案，数据由独立监督员核查。GCP好比“考试监考规则”，保证每一份数据真实可靠，禁得起监管翻查。

AI临床试验和传统器械试验有本质差异：算法要“锁定”——在试验开始前冻结模型参数，试验中不更新权重；数据要求独立回顾性或前瞻性队列，不能拿训练集来凑数。核心评价指标围绕诊断性能展开：敏感度、特异度、阳性预测值、阴性预测值，以及AUC。样本量不是拍脑袋定的，需要用统计公式科学估算。

拿到审评认可的临床数据，等于给产品盖上一枚“实战认证”章。临床设计别图省事，回顾性数据能先跑通，但前瞻性数据往往才是监管最终买单的关键。

n \approx \displaystyle\frac{(Z_{1-\alpha/2} + Z_{1-\beta})^{2} \times p(1-p)}{d^{2}}

样本量公式说明：要达到“有统计说服力的实验结果”，需要根据预期敏感度p、允许误差d和检验效能倒推需要的病例数。病例少了，审评员一眼看出“统计力度不足”。

置信水平Z值对应统计显著性，95%置信水平下取1.96。
$Z_{1-\alpha/2} = 1.96$
检验效能Z值对应“能发现真实差异的概率”，80%效能取0.84。
$Z_{1-\beta} = 0.84$
事件变异p(1-p)表示预期阳性率的方差，p越接近0.5，需要的样本越多。
$p(1-p) \le 0.25$
允许误差d是估计敏感度时的可接受误差范围，d越小样本量越大。
$d = \text{误差阈值}$

申报材料要点

过关时海关会要一整包文件：护照、签证、体检报告、行程单。医疗AI申报材料同理：技术文档是“护照”，临床证据是“签证”，质量体系记录是“健康证明”，风险管理报告是“保险单”。缺任何一样，都会被审评员以“发补”的方式打回补件。

技术文档必须覆盖软件描述、算法原理、数据集说明、验证与确认结果。AI产品还要额外提供算法可解释性说明、数据溯源信息、模型版本管理机制——监管关心的是“你凭什么让AI做医疗决策”。质量体系方面，ISO 13485认证是基本门槛，NMPA注册还需要体系核查通过。风险管理按ISO 14971，逐条识别算法出错导致的危害场景并定义缓解措施。

准备申报材料最忌“临阵磨枪”：等审评意见下来才补数据、补测试，周期直接翻倍。平时就要把数据集、模型版本、性能报告沉淀成规范文档，申报时只是“整理成册”。

\text{申报质量} = \frac{\text{材料完备度}}{\text{发补轮数} + 1}

材料准备得越充分，发补轮数越少，申报质量越高。审评员发补是对你材料“挑刺”，刺越小越少，获批越快。

材料完备度按审评指导原则逐项核对，技术文档覆盖率直接挂钩通过概率。
$\text{完备度} = \frac{\text{已备齐章节}}{\text{要求全部章节}}$
发补轮数审评员提出问题导致的中止计时次数，每轮通常3-6个月。
$\text{发补} = \text{技术问题} \cup \text{数据问题} \cup \text{体系问题}$
申报质量一次通过率等价于完备度高且发补轮数少。
$\text{一次通过} \iff \text{完备度} \to 1, \ \text{发补} \to 0$

审评周期规划

把三本通行证的办理时间叠加，你会发现AI医疗产品的上市周期根本不是“写代码3个月”而是“拿证1-3年”。合理的时间线要分段估算：FDA 510(k)约6个月，CE MDR约12-18个月，NMPA三类约12-24个月——这还不含排队等检测、等伦理、等补件的隐性时间。

聪明的团队会制定“并行推进”策略：注册检验和临床试验一起启动；FDA申报的同时准备CE技术文档；NMPA的临床数据能复用FDA/CE的部分数据（注意数据互认的边界）。更聪明的团队还会提前申请NMPA创新通道、提前与FDA预提交（Pre-Submission）沟通，让审评员提前熟悉你的产品，避免正式申报时的重大意外。

合规规划是“项目管理的艺术”：医疗AI上市最怕的不是技术难，而是“证等着产品，产品等着证”的双向拉扯。技术团队提前介入法规事务，把合规成本写进研发预算，才能让产品稳稳落地。

\text{总周期} = T_{\text{检测}} + T_{\text{临床}} + T_{\text{审评}} + T_{\text{发补}} \approx 12 \sim 36 \ \text{个月}

这条式子是“时间账本”：任何一项延期都会顺延上市时间。与其赌周期不延期，不如把每个环节按悲观估计排期。

检测与临床并行注册检测和临床试验不冲突，可同步推进省时间。
$T_{\text{并行}} = \max(T_{\text{检测}}, T_{\text{临床}})$
审评缓冲审评周期按官方时限上浮50%作为缓冲，防突发发补。
$T_{\text{审评}}^{\text{预留}} = 1.5 \times T_{\text{审评}}$
里程碑倒排从目标上市日期倒推各环节截止点，形成合规里程碑。
$\text{里程碑} = \text{倒排表}_{i=1}^{n}$

AI 应用场景

医疗AI初创公司的三国上市规划

阶段：产品规划与合规策略

解决的问题：创业团队算法能力很强，但对认证一无所知，容易在产品做完后才发现“FDA要临床、CE要公告机构、NMPA要检测”，傻眼重来。用正文的周期估算提前规划，能避免灾难性延期。

具体案例：某肺结节筛查AI公司目标市场为中、美、欧。团队先用本文的公式估算：NMPA三类约18个月，FDA 510(k)约9个月，CE MDR约15个月。决策：先启动NMPA检测+临床（周期最长），并行准备FDA 510(k)，最后跟进CE。结果国内注册证落地后6个月，FDA也获批，用国内临床数据部分支撑了CE申报，总周期压缩了约30%。

大厂AI产品线的全球发布节奏

阶段：产品发布策略

解决的问题：大型影像设备厂商的AI功能要全球化release，涉及多国监管申报的先后顺序，错一步就浪费整个发布窗口期。

具体案例：某厂商的CT脑出血检测AI，先在美国做FDA De Novo申报，获批后产品声量打响；同期用FDA临床数据补充NMPA申报（中国认可部分海外临床数据），大幅减少国内重复试验；CE MDR放在最后，公告机构审核期与亚洲市场销售期错峰，三地拿证的时间差仅9个月，比传统串行申报快近一年。

三甲医院信息科的AI采购合规审查

阶段：采购验收与风险管理

解决的问题：医院采购AI辅助诊断系统，如果不核查注册证，可能买到无证或超适应症的“黑户”产品，患者出事故医院要担责。

具体案例：某三甲医院信息科引入眼底病AI筛查系统，采购前用注册证信息核对产品预期用途与临床场景是否匹配，发现该产品注册证仅覆盖糖尿病视网膜病变，而临床计划用于青光眼筛查，立即叫停并要求厂商先完成变更注册。这一步骤避免了超适应症使用风险。

Python 演示

python51 行

# 医疗AI认证周期估算器class CompliancePlanner:    """医疗AI认证周期估算器"""     def __init__(self, name, risk_class, has_clinical, quality_ready):        self.name = name        self.risk_class = risk_class        self.has_clinical = has_clinical        self.quality_ready = quality_ready     def fda_route(self):        # 依据风险等级与临床数据选择FDA路径        if self.risk_class == 'II':            if self.has_clinical:                return '510(k)', 9            return 'De Novo', 12        return 'PMA', 18     def ce_months(self):        # CE MDR周期,IIa/IIb约15个月,更高级别再加        if self.risk_class in ('IIa', 'IIb'):            return 15        return 18     def nmpa_months(self):        # 二类省局约10个月,三类国家局约18个月        if self.risk_class == 'III':            return 18        return 10     def total_plan(self):        fda_name, fda_time = self.fda_route()        plan = {            'FDA': (fda_name, fda_time),            'CE': ('MDR', self.ce_months()),            'NMPA': ('注册证', self.nmpa_months())        }        return plan  def main():    ai_product = CompliancePlanner(        '肺结节AI辅助诊断', 'III', True, True    )    plan = ai_product.total_plan()    for market, (route, months) in plan.items():        print('%s: %s %d个月' % (market, route, months))  if __name__ == '__main__':    main()

目的：输入AI医疗产品的基本属性（名称、风险等级、是否已有临床数据、质量体系是否就绪），自动估算三大市场的认证路径与周期，输出规划基础数据。

class CompliancePlanner:定义一个“合规规划师”类，封装认证周期估算逻辑。
def fda_route(self):根据风险等级和临床数据情况，选择FDA的510(k)、De Novo还是PMA路径。
if self.risk_class == 'II':二类器械通常可走510(k)或De Novo，比三类更灵活。
def total_plan(self):汇总三大市场的路径与周期，输出结构化规划结果。
if __name__ == '__main__':确保脚本直接运行时执行示例，被导入时不自动运行。

常见误区

误区很多人觉得“我就是个软件算法，又不是CT机、手术刀那种硬件设备，应该不用拿医疗器械注册证吧？”

正解全球主流监管都将“用于诊断、治疗、监测疾病的软件”明确定义为医疗器械（SaMD，软件即医疗器械）。只要AI功能涉及疾病判断、筛查或治疗决策，就必须按器械注册。FDA、CE MDR、NMPA均对SaMD有专门条款，逃避注册的后果是产品被禁售、罚款甚至召回。

为何常见：大家对“医疗器械”的直觉停留在物理器械上，忽略了软件同样能做医疗决策——而决策失误一样会伤人。

误区FDA都过了，美国标准那么严，欧盟中国自然也该认吧？全球通行证到手了。

正解三大体系“各管各的海关”，互不承认。FDA只代表美国市场准入；卖到欧盟要重新走CE MDR流程；卖到中国要NMPA注册。每个体系对数据来源、临床试验、文档语言都有独立要求，FDA不豁免任何一个。

为何常见：FDA在全球影响力大，容易让人误以为它是“国际标准”，忽略了监管的主权属性——每个国家都要自己验货。

误区产品上打了CE标志，这应该是欧盟药监局发的证书，跟NMPA注册证一个性质吧？

正解CE标志本质是“符合性标志”，不是一纸官方证书。IIa及以上器械需公告机构审核通过，但最终由制造商签署符合性声明后自己贴上CE标志。监管监督由各成员国主管机构负责，三层链路和单一国家注册完全不同。

为何常见：CE的行政链路复杂、涉及公告机构，大家习惯性类比“某官方机构发证”而误解了它的法律实质。

误区把AUC从0.90刷到0.99，性能碾压同行，审评员还不高抬贵手？

正解监管审评看的是证据链：数据是否有代表性、算法是否锁定、是否有前瞻性多中心验证、风险控制是否到位。AUC极度异常反而可能提示数据泄漏或过拟合，审评员会怀疑你的数据真实性，要求发补重验。这正是审评员考验材料完备度的地方。

为何常见：研发人员习惯用比赛刷榜思维看模型，但监管要的“真实世界可靠性”，不是“排行榜第一”。

误区熬了两年终于拿到NMPA注册证，之后产品迭代更新随便改，反正证书在手。

正解注册证更像“准生证”而非“终身保险”。算法变更（模型权重、输入范围、预期用途）需按变更注册或重新审评要求申报；上市后还有飞行检查、不良事件报告、召回制度监督。合规是一个贯穿产品全生命周期的持续状态。

为何常见：把注册当终点而非起点，忽视了医疗器械从“上市前审批”到“上市后监管”的全链条逻辑。

面试题

Q1. 医疗AI软件在美国上市最常用的审评路径是？

单选题 · easy

A.510(k)要求与已上市器械等同← 正确答案
B.PMA适用所有低风险软件产品
C.软件产品无需任何上市注册手续
D.CE认证证书美国直接认可使用

答案：A。FDA多数AI辅助诊断软件走510(k)，核心是证明与已上市产品“实质等同”；PMA只用于最高风险产品；软件属于医疗器械必须注册；CE是欧盟体系，美国不直接认可。

Q2. CE MDR体系下，谁来负责审核医疗器械技术文档？

单选题 · mid

A.欧盟委员会直接集中审批
B.公告机构独立审核发证← 正确答案
C.各国药监局自行审批
D.制造商自证无需外部审核

答案：B。MDR法规下，IIa及以上器械必须由公告机构（Notified Body）审核技术文档和质量体系，审核通过后制造商签署符合性声明。欧盟委员会不直接审批单产品，各国药监局监管销售与警戒，制造商不能自证。

Q3. NMPA第二类医疗器械注册的审批主体是？

单选题 · mid

A.国家药品监督管理局统一
B.省级药品监督管理部门← 正确答案
C.市级市场监督管理局层
D.行业协会颁发注册证书

答案：B。NMPA体系下，第二类医疗器械由省级药品监督管理部门注册审批，第三类才由国家药品监督管理局审批。市级局不负责器械注册，行业协会没有发证权。

Q4. AI辅助诊断软件通常被FDA划分为哪一风险类别？

单选题 · easy

A.Class I 豁免类
B.Class II 一般控制← 正确答案
C.全部归类 Class III
D.不属于医疗器械类别

答案：B。大多数AI辅助诊断软件被判为Class II，走510(k)路径；Class I多为无医疗决策的低风险产品；Class III只给极高风险产品；AI软件属于SaMD，被监管明确纳入医疗器械。

Q5. 医疗器械AI临床试验核心评估指标有哪些？

多选题 · mid

A.敏感度与特异度← 正确答案
B.AUC面积← 正确答案
C.训练轮数
D.模型参数量

答案：AB。监管审评关注诊断性能指标：敏感度、特异度、AUC直接描述算法判别的准确性与稳定性。训练轮数和参数量属于工程调参范畴，不用于监管决策，也证明不了真实世界有效性。

Q6. ISO 13485标准主要规定的是？

单选题 · mid

A.医疗器械质量管理体系← 正确答案
B.电器产品安全标准体系
C.网络安全通信协议标准
D.药物临床试验管理规范

答案：A。ISO 13485是医疗器械行业专用的质量管理体系标准，覆盖研发、生产、销售全流程。电器安全另有IEC标准，网络安全是IEC 62443/81001系列，药物临床试验规范是ICH GCP。

Q7. 关于NMPA创新医疗器械特别审查，说法正确的有？

多选题 · hard

A.获得优先审评安排通道← 正确答案
B.接受监管沟通指导服务← 正确答案
C.直接豁免所有临床试验
D.注册证书永久有效无须延续

答案：AB。创新通道提供优先审评和预沟通指导，能显著提升申报效率；但它不豁免临床试验，安全有效性证据依然要交；注册证有效期5年，到期需要延续注册。创新通道是“加速器”而非“免检牌”。

Q8. CE MDR法规中，IIb类器械认证的特点？

单选题 · mid

A.必须经过公告机构审核← 正确答案
B.完全豁免上市合规义务
C.仅自我声明即可上市
D.不要求临床评价数据

答案：A。MDR法规全面收紧，IIa和IIb类器械都必须经公告机构审核技术文档与质量体系，IIb类还要提供充分的临床评价数据。完全豁免和自我声明只适用于极低风险I类器械，不代表IIb类。

Q9. 以下哪类产品需要走FDA的PMA审批路径？

单选题 · easy

A.全新高风险植入式器械← 正确答案
B.普通办公软件产品工具
C.低风险健康监测穿戴器
D.已上市产品的等同复制品

答案：A。PMA是FDA最严格的上市前审批，适用于全新高风险器械，需要完整临床证据。办公软件不属医疗器械；低风险穿戴器多为Class I/II走豁免或510(k)；已上市产品的等同复制品走510(k)即可。

Q10. 审评周期规划中，为缩短NMPA总周期可采取的策略有哪些？

多选题 · hard

A.检测与临床评价并行推进← 正确答案
B.提前与审评中心沟通咨询← 正确答案
C.故意漏报材料等补充通知
D.预先搭建完备质量体系← 正确答案

答案：ABD。检测与临床并行能压缩串行时间；预沟通让审评员提前熟悉产品设计；质量体系前置避免体系核查卡壳。故意漏报材料会触发发补，反而严重拉长周期，是典型的错误策略。