Статья анализирует растущие требования FDA к прозрачности и объяснимости алгоритмов ИИ в медицинских устройствах (SaMD). Основной акцент делается на том, что высокой точности модели недостаточно для одобрения; производители должны доказать, что логика работы ИИ понятна клиницистам для обеспечения безопасности пациентов.
Статья рассматривает применение больших языковых моделей (LLM) в разработке программного обеспечения как медицинского устройства (SaMD) для выявления расхождений между задокументированным прогрессом и фактической готовностью продукта. Авторы идентифицируют ключевую проблему: традиционные инструменты управления проектами (дашборды, бэклоги спринтов, отчёты о статусе) отражают состояние проекта, а не состояние продукта — требование может быть помечено как реализованное, даже если связанное с ним управление рисками не интегрировано полностью. Методология предполагает интеграцию LLM в среду разработки для анализа репозиториев кода, интерфейсов, зависимостей, истории коммитов, результатов тестирования и связанных рабочих элементов across множественных систем (управление требованиями, исходный код, файлы риск-менеджмента, тестовые фреймворки, CI/CD-пайплайны, agile-инструменты). Ключевой вывод: наиболее важный вклад LLM в регулируемую разработку ПО — не ускорение генерации кода, а помощь инженерным командам в понимании того, что фактически построено, что остаётся незавершённым и где реализация отклонилась от задокументированного замысла. Это особенно значимо для SaMD, где расхождения часто обнаруживаются на этапах системной интеграции или формальной верификации, когда исправления становятся наиболее дорогостоящими. Внедрение такого подхода может снизить комплаенс-риски и сократить затраты на разработку медицинских устройств.
Данное исследование представляет собой комплексный анализ состояния регуляторных клинических испытаний в Южной Корее за период с 2003 по середину 2024 года. В работе проводится сравнительный анализ динамики регистрации как традиционных медицинских изделий, так и инновационных цифровых медицинских технологий (SaMD). Авторы исследуют эволюцию нормативно-правовой базы и подходов к клинической валидации цифровых решений в сравнении с классическими устройствами. Основное внимание уделяется выявлению трендов в темпах одобрения новых технологий и барьерам, с которыми сталкиваются разработчики цифровых продуктов. Результаты исследования позволяют оценить готовность регуляторной среды Кореи к интеграции ИИ-решений и цифровых терапевтических инструментов в систему здравоохранения. Работа имеет высокую значимость для специалистов, занимающихся стратегическим планированием и выводом цифровых медицинских продуктов на азиатский рынок.
Обзор систематизирует требования к надзору за программным обеспечением как медицинским устройством (SaMD) и сравнивает регуляторные ожидания в США, ЕС и Великобритании для кардиоваскулярного ИИ на протяжении всего клинического жизненного цикла. Статья предлагает практические инструменты внедрения: шаблоны документов прозрачности, протоколы тестирования, рабочие тетради для управления изменениями и фреймворк подотчётности. Приведены примеры использования в КТ-оценке функции, ЭКГ-скрининге и эхокардиографической количественной оценке.