Skip to content

CSlawyer1985/legal-skillhub / skills/ai-act-knowledge

ai-act-knowledge

Verified

欧盟 AI 法案知识引擎——以 70 份官方欧盟来源文件为基础的权威监管问答(包括 2026 年委员会关于 Art. 6 高风险分类的指南草稿——一般原则、附件 I、附件 III)。基于完整条例文本、委员会指南、EDPB/EDPS 意见、《实践守则》、协调标准、FRIA 指南、事件模板和行业特定指引,以条款级引用回答关于 AI 法案的任何问题。当用户询问"EU AI Act"、"AI Act regulation"、"Regulation 2024/1689"、"KI-Verordnung"、要求"explain an AI Act article"、"what does Article X say"、"AI Act requirements"、"AI Act penalties"、"AI Act timeline"、"GPAI obligations"、"high-risk AI"、"prohibited AI practices"、"AI Act and GDPR"、"fundamental rights impact assessment"、"AI Act standards"、"AI Act national implementation"、"AI literacy"、"serious incident reporting"、"Digital Omnibus"、"AI regulatory sandbox",或任何关于欧盟人工智能监管的问题时,应使用本技能。德语术语同样触发:"KI-Gesetz"、"KI-Verordnung"、"Hochrisiko-KI"、"KI-Kompetenz"、"Grundrechte-Folgenabschaetzung"、"GPAI-Verhaltenskodex"。对于产出分类决定而非知识答案的评估工作流,提议在会话内运行结构化风险等级分类。

FileKindSize
LICENSE.txtmarkdown33.7 KB
README.mdmarkdown6.0 KB
SKILL.mdskill md13.5 KB
evals.jsonconfig19.0 KB
references/codes-of-practice/README.mdmarkdown621 B
references/codes-of-practice/gpai-code-detailed.mdmarkdown42.4 KB
references/codes-of-practice/gpai-code-ec-overview.mdmarkdown3.4 KB
references/codes-of-practice/gpai-code-final.mdmarkdown101.8 KB
references/codes-of-practice/transparency-code-draft-1.mdmarkdown1.0 KB
references/codes-of-practice/transparency-code-draft-2.mdmarkdown3.8 KB
references/codes-of-practice/transparency-code-overview.mdmarkdown5.0 KB
references/commission-guidelines/art-6-classification-annex-i-2026.mdmarkdown30.8 KB
references/commission-guidelines/art-6-classification-annex-iii-2026.mdmarkdown371.7 KB
references/commission-guidelines/art-6-classification-general-principles-2026.mdmarkdown12.2 KB
references/compliance-guides/README.mdmarkdown646 B
references/compliance-guides/ai-literacy-repository.mdmarkdown1.8 KB
references/compliance-guides/copyright-tdm-consultation.mdmarkdown3.6 KB
references/compliance-guides/modifying-ai-classification.mdmarkdown24.7 KB
references/compliance-guides/small-businesses-guide.mdmarkdown12.6 KB
references/compliance-guides/whistleblowing-ai-act.mdmarkdown18.1 KB
references/core/README.mdmarkdown1.1 KB
references/core/annex-iii-high-risk.mdmarkdown8.0 KB
references/core/decision-trees.mdmarkdown10.2 KB
references/core/high-level-summary.mdmarkdown13.6 KB
references/core/regulation-preamble-recitals.mdmarkdown173.0 KB
references/core/regulation-title-I-general.mdmarkdown18.8 KB
references/core/regulation-title-II-prohibited.mdmarkdown8.2 KB
references/core/regulation-title-III-high-risk.mdmarkdown79.5 KB
references/core/regulation-title-IV-transparency.mdmarkdown3.9 KB
references/core/regulation-title-V-gpai.mdmarkdown12.0 KB
references/core/regulation-title-VI-X-governance.mdmarkdown104.3 KB
references/core/regulation-title-XI-XIII-final.mdmarkdown39.4 KB
references/cybersecurity/README.mdmarkdown440 B
references/cybersecurity/enisa-advisory-opinion.mdmarkdown29.7 KB
references/cybersecurity/enisa-ai-cybersecurity.mdmarkdown7.4 KB
references/cybersecurity/enisa-cybersecurity-standardisation.mdmarkdown3.7 KB
references/fria/README.mdmarkdown338 B
references/fria/article-27-fria.mdmarkdown4.8 KB
references/fria/ecnl-fria-guide.mdmarkdown43.3 KB
references/fria/fria-guide-danish-institute.mdmarkdown2.7 KB
references/governance/README.mdmarkdown660 B
references/governance/ai-office-faq.mdmarkdown59.8 KB
references/governance/ai-pact.mdmarkdown5.4 KB
references/governance/ec-qa-navigating-ai-act.mdmarkdown38.5 KB
references/governance/governance-enforcement.mdmarkdown2.8 KB
references/governance/implementation-next-steps.mdmarkdown6.2 KB
references/governance/implementation-timeline.mdmarkdown12.8 KB
references/governance/whistleblower-tool.mdmarkdown2.8 KB
references/guidelines/README.mdmarkdown664 B
references/guidelines/ai-system-definition.mdmarkdown4.0 KB
references/guidelines/digital-omnibus.mdmarkdown9.4 KB
references/guidelines/ec-regulatory-framework.mdmarkdown13.7 KB
references/guidelines/gpai-obligations-scope.mdmarkdown1.7 KB
references/guidelines/guidelines-roadmap.mdmarkdown3.0 KB
references/guidelines/prohibited-practices-full.mdmarkdown58.8 KB
references/guidelines/prohibited-practices-web.mdmarkdown3.0 KB
references/impact-assessments/README.mdmarkdown382 B
references/impact-assessments/healthcare-study-2026.mdmarkdown4.3 KB
references/impact-assessments/impact-assessment-original.mdmarkdown1.9 KB
references/impact-assessments/supporting-study.mdmarkdown1.4 KB
references/law-enforcement/README.mdmarkdown312 B
references/law-enforcement/europol-ai-policing.mdmarkdown2.9 KB
references/law-enforcement/gpai-guidelines-overview.mdmarkdown9.2 KB
references/national/README.mdmarkdown467 B
references/national/german-ai-bill.mdmarkdown10.3 KB
references/national/national-implementation-plans.mdmarkdown13.7 KB
references/national/national-resources-service-desk.mdmarkdown3.5 KB
references/national/regulatory-sandboxes.mdmarkdown29.2 KB
references/opinions/README.mdmarkdown447 B
references/opinions/edpb-edps-joint-opinion-2021.mdmarkdown2.6 KB
references/opinions/edpb-edps-joint-opinion-2026.mdmarkdown20.6 KB
references/opinions/edpb-opinion-28-2024.mdmarkdown3.1 KB
references/sector-specific/README.mdmarkdown409 B
references/sector-specific/banking-ai-implications.mdmarkdown5.0 KB
references/sector-specific/medical-devices-ai.mdmarkdown22.4 KB
references/sector-specific/staffing-businesses-ai.mdmarkdown10.7 KB
references/standards/README.mdmarkdown617 B
references/standards/article-40-harmonised-standards.mdmarkdown3.5 KB
references/standards/harmonised-standards-map.mdmarkdown10.3 KB
references/standards/pren-18286.mdmarkdown1.6 KB
references/standards/standardisation-overview.mdmarkdown4.8 KB
references/standards/standardisation-qa.mdmarkdown7.9 KB
references/standards/standardisation-request-c2025-3871.mdmarkdown1.5 KB
references/templates/README.mdmarkdown476 B
references/templates/draft-guidance-art73-high-risk.mdmarkdown2.4 KB
references/templates/gpai-submitting-documents.mdmarkdown3.9 KB
references/templates/gpai-training-data-summary.mdmarkdown2.0 KB
references/templates/serious-incident-template-gpai.mdmarkdown2.5 KB

references/sector-specific/medical-devices-ai.md

View on GitHub
# MDCG 2025-6:医疗器械与 AI 法案

医疗器械协调小组关于 AI 法案与欧盟医疗器械法规(MDR/IVDR)之间相互作用的指南。

| 方面 | 详情 |
|--------|--------|
| 机构 | MDCG(医疗器械协调小组) |
| 日期 | 2025 |
| 来源 URL | https://health.ec.europa.eu/document/download/medical-devices-ai-act |
| NotebookLM 来源 ID | 34a006c8-... |

*德文:MDCG 2025-6: Medizinprodukte und die KI-Verordnung*

---

## 引言

本文件(AIB 2025-1 / MDCG 2025-6)就《AI 法案》(AIA)与《医疗器械法规》(MDR)或《体外诊断医疗器械法规》(IVDR)对制造商的联合适用问题,提供了第一批常见问题解答。主要面向医疗器械制造商、公告机构和主管机关。

本文件已获人工智能委员会(AIB)和医疗器械协调小组(MDCG)认可。它不是欧盟委员会文件,不能视为反映官方立场。只有欧盟法院才能对欧盟法律作出有约束力的解释。

### 关键术语

- **MDAI(医疗器械人工智能):** 用于医疗目的的 AI 系统。所有引用同样涵盖 MDR 附件 XVI 产品、医疗器械附件、体外诊断医疗器械及体外诊断医疗器械附件。
- **制造商(MDR/IVDR):** 相当于 AIA 下的“提供者”。
- **部署者(AIA,第3(4)条):** 在其权限下使用 AI 系统的自然人、法人、公共机关、机构或其他组织(不包括个人非职业性使用)。AIA 的“部署者”概念不等同于 MDR/IVDR 下的“使用者”(后者指使用器械的任何医疗专业人员或非专业人员)。

### 监管关系

MDR 和 IVDR 针对医疗器械软件相关风险,但未明确针对 AI 系统特有风险。AIA 通过引入针对 AI 系统特有的健康、安全和基本权利危害与风险的要求,对 MDR/IVDR 形成补充。这意味着对含有一个或多个高风险 AI 系统的医疗器械,MDR/IVDR 与 AIA 应同时、互补地适用。

依 AIA 第8(2)条,MDAI 制造商可选择将 AIA 要求的必要测试、报告流程、信息和文档整合到现有的 MDR/IVDR 文档和程序中。强烈鼓励制造商利用这一灵活性,同时确保完全符合所有适用要求。

---

## 适用范围与分类

### AIA 何时适用于医疗器械软件?

依 MDCG 2019-11,“医疗器械软件”(MDSW)指旨在实现 MDR 第2(1)条或 IVDR 第2(2)条所定义医疗目的的软件。AIA 在第3(1)条将 AI 系统定义为基于机器、设计为以不同程度的自主性运行、可能在部署后表现出适应性、并据其输入推断如何生成可影响物理或虚拟环境的输出(预测、内容、建议或决策)的系统。

### MDAI 的高风险分类

依 AIA 第6(1)条,MDAI 在同时满足以下两个条件时被视为高风险 AI 系统:

1. MDAI 是安全组件,或 AI 系统本身是医疗器械;**且**
2. MDAI 依 MDR/IVDR 须经公告机构进行第三方合格评定。

#### 分类表

| 分类 | 是否涉及公告机构? | AIA 高风险(第6(1)条)? |
|---|---|---|
| MDR I 类(非无菌、非测量、非重复使用手术器械) | 否 | 否 |
| MDR I 类(无菌、测量、重复使用手术器械) | 是 | 是 |
| MDR IIa、IIb、III 类 | 是 | 是 |
| MDR 附件 XVI | 是 | 是 |
| IVDR A 类(非无菌) | 否 | 否 |
| IVDR A 类(无菌) | 是 | 是 |
| IVDR B、C、D 类 | 是 | 是 |
| 内部器械(MDR/IVDR 第5(5)条) | 否 | 否 |

### AIA 分类不影响 MDR/IVDR 风险等级

依 AIA 第6(1)条被分类为高风险,并不意味着医疗器械在 MDR/IVDR 下属于更高风险等级。反之,是 MDR/IVDR 分类决定 AI 系统是否在 AIA 下构成高风险。AIA 第5条(禁止行为)和第50条(透明度义务)的适用不取决于 MDR/IVDR 分类。

### MDR 附件 XVI 器械

AIA 适用于 MDR 涵盖的器械,包括附件 XVI 器械,只要其是或包含 AI 系统并满足 AIA 第6(1)条的条件(被分类为 I 类的非侵入性器械除外)。

---

## 要求

### 管理体系

#### 生命周期管理(Q5)

MDR/IVDR 和 AIA 均要求制造商管理 MDAI 的整个生命周期。MDR/IVDR 确保器械在使用过程中保持安全和性能。AIA 通过以下要求强化这一点:

- 在整个生命周期内持续审查、监督和保持一致的性能
- 与 AI 系统的性质和风险相适应的上市后监测
- 允许自然人监督高风险 MDAI 运行的设计选择
- 作为贯穿整个生命周期的持续迭代过程的风险管理体系
- 分析部署者数据或其他绩效来源,以评估持续合规性

对于部署后继续学习的 MDAI,上市后监测系统是确保持续性能和合规性、识别新出现风险、并向患者、专业用户、部署者和公告机构通报更新的关键。

#### 质量管理体系(Q6)

两个框架均强调质量管理对 MDAI 安全和性能的重要性:

- **MDR/IVDR:** 要求制造商建立、成文、实施、维护并持续改进与风险等级和器械类型相称的质量管理体系。
- **AIA(第17条):** 强制要求质量管理体系涵盖实体要求、程序义务及至少十三个方面的内容,并按提供者组织规模的相称方式实施。

AIA 质量管理义务与 MDR/IVDR 项下义务互补。AIA 的额外要求(数据治理、记录保存、透明度、人工监督)必须予以整合。制造商可将 AIA 质量管理要素作为现有 MDR/IVDR 质量管理体系的一部分(AIA 序言第81段、第8(2)条、第17(3)条)。

面向高风险 MDAI 质量管理体系的协调欧洲和国际标准正在制定中。

#### 风险管理(Q7)

三个框架均要求在器械整个生命周期内建立持续迭代的风险管理流程,涵盖上市前和上市后阶段,旨在识别和减轻对健康、安全和基本权利的风险。

高风险 MDAI 特有的风险管理要求包括:

- 对基本权利风险、数据偏见和系统稳健性的持续评估
- 在设计、开发和部署中识别、分析和减轻风险
- 适当时对部署者进行培训
- 医疗环境中的安全和可靠性措施
- 载明已记录缓解措施的全面风险评估
- 持续监测系统性能

制造商可将 AIA 第9条风险管理要求整合到现有 MDR/IVDR 文档和程序中(AIA 序言第64段)。风险降低不仅指组织措施,还指 MDAI 设计和开发期间的具体行动。

### 数据治理

#### 数据治理要求(Q8)

- **MDR/IVDR:** 要求临床数据稳健、可靠,并来自设计良好的研究。临床/性能评估必须基于代表预期用途的数据。验证和确认程序必须作为临床证据的一部分予以记录。
- **AIA(第10条):** 为 AI 数据和数据集提供进一步规范。包括特殊类别个人数据在例外情形下处理的条款(第10(5)条)。

高质量的训练、验证和测试数据集需要适当的数据治理和管理实践,并完全符合 GDPR,包括关于数据收集原始目的的透明度。可通过使用提供经认证合规服务的第三方来满足要求(AIA 序言第67段)。

数据集必须相关、充分具有代表性、尽可能无错误且完整。制造商必须实施数据透明度和完整性程序,检查数据是否存在可能偏见,并维护详细文档。

#### 偏见监测与缓解(Q9)

AIA 要求制造商:

- 实施数据治理实践,关注可能影响健康、安全、基本权利或导致受禁止歧视的偏见
- 实施检测、预防和缓解已识别偏见的措施
- 维护记录保存和日志记录能力以促进可追溯性(例如识别训练/验证/测试数据中的偏见)
- 确保在整个 MDAI 存续期内自动记录事件(日志)的技术能力
- 作为上市后监测的一部分分析相关部署者数据,以检测上市前活动未识别出的偏见

#### AIA 数据类型定义(Q10)

- **训练数据**(第3(29)条):通过拟合可学习参数用于训练 AI 系统的数据。
- **验证数据**(第3(30)条):用于评估已训练 AI 系统并调整不可学习参数和学习过程的数据。
- **验证数据集**(第3(31)条):独立数据集或训练数据集的一部分,可采用固定或可变划分。
- **测试数据**(第3(32)条):用于独立评估 AI 系统、在上市前确认预期性能的数据。

#### 训练、验证和测试数据(Q11)

数据必须适合预期目的,并代表预期患者群体。数据收集协议必须确保相关特征(年龄、性别、种族、族裔、地域、医疗状况)、预期使用环境和测量输入在规模适当的数据集中得到充分体现。

依 AIA,数据集必须高质量、充分具有代表性、尽可能无错误、对预期目的完整、包含适当的统计属性,并经过偏见检查。AIA 还要求在收集和处理中采取措施处理数据隐私、安全和透明度。

欧盟委员会将制定第10条实际实施的横向指南。CEN/CENELEC JTC 21 正在制定数据和偏见方面的协调标准。

### 技术文档

#### 文档要求(Q12)

MDR/IVDR 要求详细描述软件、架构、数据处理方法和风险管理策略。AIA 要求额外的、侧重于透明度和问责制的文档,包括风险评估、数据治理实践和性能测试结果。

文档必须包括关于设计、开发、关键设计选择、功能、性能特征、系统架构、计算资源以及预期用途/目的的信息。AIA 第11(2)条表明,应为高风险 MDAI 编制一套技术文档。

#### 技术文档的公告机构抽样(Q13)

适用合格评定程序下的抽样规则仍然适用。高风险 MDAI 受适用 MDR/IVDR 抽样规则管辖。MDR/IVDR 要求在颁发证书前,对每个通用器械组(IIb/C 类)或每个类别(IIa/B 类)至少一台代表性器械的技术文档进行评估。

### 透明度与人工监督

#### 透明度要求(Q14)

AIA 和 MDR/IVDR 对制造商和部署者均规定了互补的透明度义务:

- **AIA:** 要求高风险 MDAI 的设计使其运行对部署者足够透明,以正确解释输出并适当使用系统,并辅以清晰的使用说明(第13条)。直接与自然人互动的高风险 MDAI 必须告知用户其正在与 AI 系统互动(第50条)。部署者负有告知提供者并确保正确使用等义务(第26条)。
- **MDR/IVDR:** 将透明度嵌入一般安全和性能要求(GSPR),要求就预期目的、操作和限制提供清晰易获取的信息。软件开发必须遵循最先进水平,纳入支持可追溯性、文档和可用性的生命周期和风险管理流程。

透明度要求不是可选的设计特性,而是必须在制造商的风险和质量管理体系中处理、并通过合格评定予以验证的必备要求。

#### 透明度、可解释性与数据处理(Q15)

AIA 下的透明度应帮助部署者使用系统并支持知情决策。部署者应能做出正确的系统选择,理解预期用途和排除用途,并正确使用系统。

数据处理透明度包括关于数据质量、管理和文档的义务。训练、验证和测试数据必须相关、具有代表性、尽可能无错误和偏见,且足够全面。

MDR/IVDR 要求制造商就器械性能和风险提供全面且可理解的信息,包括 AI 组件如何促进性能。AIA 扩展并强化了 MDR/IVDR 的原则,即提供给部署者的信息必须清晰、完整且可操作,尤其在决策可能影响健康结果或基本权利时。

#### 问责制(Q16)

- **MDR/IVDR:** 要求文档和临床/性能评估、向用户提供清晰信息(包括嵌入式软件组件如何促进器械功能),以及描述输入如何处理和输出如何生成。
- **AIA(第13条):** 引入明确的透明度义务。高风险 MDAI 的设计必须使部署者理解系统如何运作并得出输出,包括关于特征、能力、限制的信息以及对输出可解释性的支持。

这些义务可实现变更的可追溯性、知情使用和上市后控制机制,强化安全可信的部署。

#### 可用性工程(Q17)

三部法规均要求制造商应用可用性工程原则。MDR/IVDR 要求消除或减少与使用错误相关的风险,并考虑用户知识和培训需求。医疗保健中的 AI 系统应以用户为中心的原则设计。需要记录可用性工程过程和结果。

#### 人工监督(Q18)

AIA 为制造商设定了设计和开发带有适当人工监督机制的 AI 系统的法定义务。关键要求:

- 系统必须具有内建的操作约束,系统本身不得覆盖,且必须响应人工操作者(第14条)
- 在关键决策过程中需要人工干预
- 监督措施必须与风险、自主水平和使用情境相称
- 需要明确界定并记录的人工监督机制和适当的使用说明
- 必须使医疗专业人员和机构能够提供适当的监督

#### 作为风险管理的人工监督(Q19)

人工监督既是设计/操作要求,也是风险缓解因素。制造商必须按优先顺序:

1. 通过安全设计和制造消除或降低风险
2. 对无法消除的风险在适当时设置警报
3. 提供安全信息

对于 MDAI,在适合风险水平的人工监督程度上适用具体考量。例如,在机器人手术干预中,医疗专业人员监督操作,但软件设计不应允许在关键部分进行会使患者处于风险中的人工干预。这些考量必须作为风险评估和管理的一部分。

#### 知情同意(Q20)

- **MDR/IVDR:** 临床调查和性能研究明确要求知情同意(MDR 第69条、IVDR 第59条)。
- **AIA:** 引入额外的透明度义务,延伸至高风险 AI 系统的普遍部署,包括关于人工监督(第14条)和透明度(第13条)的要求,强化了向部署者和受影响人员提供关于能力、限制和风险的充分信息的必要性。

#### 可追溯性(Q21)

可追溯性在两个相互关联的维度运作:

1. **器械可追溯性(MDR/IVDR):** 供应链和生命周期内的可追溯性,包括唯一器械标识(UDI)、注册和上市后监督。
2. **功能可追溯性(AIA,第12条):** 在整个生命周期内记录系统性能和行为的日志和文档,以支持监测。欧盟符合性声明必须包括 AI 系统的名称、类型以及用于识别和可追溯性的明确引用。

### 准确性、稳健性与网络安全

#### 网络安全措施(Q22)

三部法规均要求在上市前和上市后阶段实施稳健的网络安全。关键要求:

- 防止未经授权的访问、网络攻击、漏洞利用和操纵
- 确保运营韧性
- 实施解决 AI 特有漏洞的技术方案(AIA 第15条)
- 保护 AI 特有资产(训练数据集、训练模型)及底层 ICT 基础设施
- 保护数据传输和存储
- 防止数据和模型投毒
- 检测并应对网络安全事件
- 对网络安全漏洞进行风险评估

网络安全是高风险 AI 系统必备要求的一部分,必须纳入风险管理体系、质量管理体系和合格评定。三部法规均要求从早期设计到整个生命周期考虑安全和安保风险。

医疗器械和 IVD 不属于《网络弹性法案》(欧盟条例 (EU) 2024/2847)的范围。

---

## 临床/性能评估与测试

### AIA 性能评估标准(Q23)

AIA 强制要求高风险 MDAI 具备准确性、稳健性和网络安全。它特别要求针对预先定义的指标和概率阈值进行测试,以确保预期目的的一致性能(第9(8)条)。这包括对涵盖设计、制造、数据收集、预处理、模型训练和质量管理流程的 AI 训练流水线的验证。

### 临床(MDR)或性能(IVDR)评估要求(Q24)

制造商必须通过严格的临床或性能评估验证 MDAI 输出。要求包括:

- 软件验证和确认,确保 MDAI 满足规定要求
- 证明安全性以及准确、可靠、临床相关输出的临床验证
- AIA 特有的透明度、人工监督、准确性、稳健性和网络安全验证
- 验证高风险 MDAI 不侵犯基本权利
- 在各种条件下进行测试,记录评估过程并持续监测
- 生成临床证据,包括预期患者群体内的临床获益

对于上市后继续学习的 MDAI,AIA 将预先确定的变更作为临床/性能评估的附加考量引入(第43(4)条)。

国际医疗器械监管机构论坛(IMDRF)正在制定预先确定的变更控制计划的指南。

### 临床调查与性能研究(Q25)

当高风险 MDAI 进行临床调查或性能研究时,这构成 AIA 下的真实世界测试(第60(1)条)。高风险 AI 系统的真实世界测试允许在上市前进行,前提是符合适用的欧盟或国内法律,包括 MDR 和 IVDR 要求。第60(1)条第三款明确规定,此规定“不影响关于作为医疗器械或体外诊断医疗器械的高风险 AI 系统在真实世界条件下测试的欧盟或国内法律”。

### 生成临床证据(Q26)

MDR/IVDR 要求通过临床/性能评估获得临床证据,其中可包括临床调查和临床性能研究。这涉及设计研究以评估性能、可靠性和临床影响,并对研究设计、数据收集和统计分析提出具体要求。

---

## 合格评定

### 适用的合格评定程序(Q27)

- **第6(1)条下的高风险 MDAI:** 合格评定程序由 MDR/IVDR 确定。当 AIA 附件 I 和附件 III 均适用时,仅附件 I 优先适用。
- **第6(2)条下、属于附件 III 第2-9点的 MDAI:** 遵循 AIA 附件 VI 程序(内部控制,无公告机构参与)。
- **第6(2)条下、属于附件 III 第1点的 MDAI:** 遵循 AIA 第43(1)条合格评定程序。

示例:构成 MDAI 的 AI 急诊分诊系统遵循第6(1)条合格评定,要求同时符合 MDR/IVDR 和 AIA。附件 III 第1(b)节下的 AI 生物特征分类系统只需符合 AIA,并进行第43(1)条合格评定。

### 向两个框架证明符合性(Q28)

大多数 MDAI 被分类为 MDR IIa 类、IVDR B 类或以上,需要公告机构进行质量管理体系审核、技术文档审查和检查。依 AIA 第43(3)条,AIA 第8-15条的要求及附件 VII 特定条款(第4.3、4.4、4.5点及第4.6点第五段)必须作为 MDR/IVDR 合格评定程序的一部分进行评估。

---

## 实质性修改/重大变更

### 实质性修改概念的对接(Q29)

“实质性修改”是 AIA 下的自主概念(第3(23)条)。依第43(4)条,已经过合格评定的高风险 MDAI 在发生实质性修改时必须重新评定,无论修改后的系统是进一步投放市场还是由当前部署者继续使用。

委员会将制定实质性修改条款指南(第96(1)(c)条)。指南发布后,需要评估其对医疗器械的适用。

### 不构成实质性修改的变更(Q30)

上市后继续学习的高风险 MDAI 可在合格评定期间检查预先确定的变更计划(第43(4)条)。由制造商预先确定并在初始合格评定中评估、纳入 AIA 附件 IV 第2(f)点技术文档的变更,不构成实质性修改。

此类预先确定的变更不应理解为 MDR 附件 IX 第4.10节或 IVDR 附件 IX 第4.11节下对已认证器械的变更。它们必须:

- 在合格评定时明确界定
- 适应器械的演化性质
- 记录在技术文档中,载明初始性能预期以及验证和管理上市后变更的机制
- 纳入变更管理程序

IMDRF 正在制定预先确定的变更控制计划的指南。

### 现有 MDAI 的过渡规则(Q31)

> **已适用《AI 综合法案》2026年延期。** 以下日期反映《AI 综合法案》的延期。《AI 综合法案》是一项立法进行中的文书;在依赖这些日期前,请通过网络搜索核实延期的当前状态。

附件 I 高风险 AI 系统义务的适用日期为 **2028年8月2日** *(经《综合法案》从2027年8月2日延期)*:

- **2028年8月2日前投放市场:** 仅在2028年8月2日或之后发生重大设计变更时,AIA 义务(包括附件 I 高风险)才适用。
- **2028年8月2日或之后投放市场:** 全部 AIA 义务适用,包括附件 I 高风险要求。

AIA 第111(2)条自2027年12月2日起适用于发生重大设计变更的高风险 AI 系统 *(经《综合法案》从2026年8月2日延期)*,但由于第6(1)条仅自2028年8月2日起适用 *(经《综合法案》从2027年8月2日延期)*,医疗器械 AI 系统在该日期之前不被分类为高风险。推定第111(2)条类推适用于2028年8月2日或之后发生的重大变更。

---

## 上市后监测

### 上市后监督要求(Q32)

两个框架均要求制造商建立并实施上市后监测和监督体系,包括:

- 系统收集和分析器械性能数据
- 风险分析及不良事件评估和报告
- 纠正和预防措施
- 向监管机构和用户报告的警戒体系
- 基于监测和监管反馈定期更新风险和质量管理体系

### 持续性能监测(Q33)

- **MDR/IVDR:** 上市后监督体系,在上市后监测性能和安全。
- **AIA(第72条):** 上市后监测计划,在整个 MDAI 存续期内积极、系统地收集、记录和分析性能数据,确保持续符合第8-15条。必须与技术和风险相称。

### AIA 引入的新维度(Q34)

AIA 引入检测与其他 AI 系统(包括其他器械和软件)互动的需要。部署者须监测运行(第26条),并在相关时告知制造商(第72条)。

委员会将在2026年2月2日前通过一项载明上市后监测计划模板的实施法案(第72(3)条)。在达到等效保护水平的前提下,必要要素可整合到现有 MDR/IVDR 上市后监测计划中(第72(4)条)。

---

## 其他问题

### 内部 MDAI(Q35)

仅由医疗机构制造和使用的内部医疗器械不须经第三方合格评定(前提是满足第5(5)条条件)。因此,此类 MDAI 不被分类为高风险 AI 系统。但 AIA 其他义务仍然适用,包括但不限于禁止行为。

AIB 和 MDCG 将就内部 MDAI 的适当要求提供进一步指南。

### 部署者的 AI 培训要求(Q36)

制造商必须确保在适当时对部署者进行培训,作为风险管理的一部分,以确保适当使用、减少可预见滥用,并使部署期间能够进行监督。关键义务:

- **AIA(第13条):** 对部署者的透明度和信息提供。使用说明应帮助部署者并支持知情决策(序言第72段)。
- **人工监督(第14条):** 被指派监督的自然人必须理解能力和限制,并能够适当监督。制造商应就教育和培训提供建议,以确保充分理解 MDAI 输出的可解释性。
- **AI 素养(第4条):** 制造商和部署者必须确保处理 AI 系统运行和使用的人员及其他相关人员具备足够水平的 AI 素养,考虑技术知识、经验、教育、培训、使用情境以及受影响的人员或群体。
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 196kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 196kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 196kUpdated Claude CodeCodexVerifiedInstall