集中治疗病房的AI医疗设备：美欧监管生态与临床采用的鸿沟

一项对美国与欧盟地区ICU（集中治疗病房）AI医疗设备的系统综述发现，尽管已有36个此类产品获得商业化许可，但监管批准与临床实证之间存在显著鸿沟。当前的监管框架可能无法适应自适应和生成式AI系统的需求。

背景

人工智能在医疗领域的应用正在加速，特别是在危重症救治这样的高风险、高复杂性场景中。集中治疗病房（ICU）患者病情危重、生理指标多样、临床决策时间紧张，这些特点使得AI辅助工具具有巨大的临床应用潜力。然而，AI医疗设备的商业化步伐远超其临床实证和实际应用的步伐。不同地区的监管框架差异，进一步复杂化了全球范围内AI医疗设备的开发、审批和临床采用的生态。本研究通过系统地绘制美国和欧盟地区ICU用AI医疗设备的整体现状，为理解当前AI在危重症医学应用中存在的机遇与挑战提供了重要参考。

主要发现

• 研究共识别36个针对ICU使用的商业化AI医疗设备：其中9个仅在欧盟获批，21个仅在美国获批，6个在两个地区均获批。这一分布反映了两地监管标准的显著差异。
• 在功能分布上，88.9%的ICU专用AI医疗设备用于评估功能（对患者状态的分析和诊断支持）；36.1%具有预测功能；30.6%用于量化或特征定位。一个设备可能具有多种功能。
• 两地在数据输入类型上存在显著差异：美国设备中41.7%主要依赖生理信号（如心率、血氧饱和度、血压等实时监测数据），而欧盟设备中25%更多地整合了电子健康记录（EHR）数据。
• 监管分类存在系统差异：所有27个获得美国FDA批准的ICU设备均被列为第二类医疗器械（风险等级II），而欧盟设备的分类范围从第一类到第二b类不等，体现了欧盟相对多元化的分类体系。
• 美国设备的获批路径高度集中：89%通过510(k)通道（即通过证明与已上市设备的相当性而获批），这意味着大多数设备并未经历严格的上市前审查过程。
• ICU专用设备与更广泛FDA批准的AI医疗设备在功能性质上有本质区别：ICU设备更强调预测和信号处理，而非影像解释，反映了ICU的独特临床需求。

临床意义

这项研究对中国医疗体系具有几个重要启示。首先，监管许可或市场批准不能与实证的临床获益相混淆。仅仅因为一个AI工具在美国或欧盟获批，并不意味着其临床有效性已得到充分验证，这对于可能考虑引进这些技术的中国医疗机构至关重要。

其次，当前世界范围内ICU的AI医疗设备普遍存在若干共同的实施障碍。报警疲劳（医护人员对过多提醒产生的麻木感）是关键问题——当AI系统生成的预测或警告过于频繁且缺乏明确的可操作价值时，医护人员往往会忽视这些输出。此外，模型漂移（AI模型在真实临床环境中的性能随时间或患者群体变化而下降）、缺乏可解释性（医护人员无法理解AI为何做出特定建议）以及自动化偏倚（过度依赖AI输出而忽视临床判断）都是广泛存在的挑战。

要实现ICU中AI医疗设备的广泛和安全采用，关键在于将预测输出真正整合到可操作的临床决策流程中，而不仅仅是在现有工作流之外增加新的信息来源。这需要设计精良的用户界面、清晰的临床路径，以及与医护团队的紧密协作。此外，急需更多前瞻性真实世界的结果证据，来验证这些设备在实际临床环境中的有效性，而不仅依赖于获批前的验证数据。

最后，对于监管框架的反思也至关重要。当前针对单一任务、参数固定的AI模型而设计的监管体系，可能不适应自适应AI或生成式AI系统的特点。中国在建立自身的AI医疗器械监管框架时，应该考虑到这些新兴模式的独特需求，避免简单套用传统医疗器械的模式。

局限性

本研究主要通过FDA数据库、欧盟设备登记处、PubMed和网络搜索识别设备，这可能存在遗漏一些未被广泛报告的产品的风险。此外，研究的时间截点为2025年中期，可能无法反映此后新批准的设备。研究重点关注美国和欧盟，不包括其他地区的AI医疗设备，因此全球代表性有限。最后，研究进行的是横断面分析，描述的是设备的静态属性而非其临床性能或实际使用效果，这些信息需要通过后续的临床研究来补充。

Original paper: The landscape of artificial intelligence-enabled medical devices in the EU and the US intended for intensive care units. — NPJ digital medicine. 10.1038/s41746-026-02609-2

🎧 收听播客