FDA的规范却有点赶不上趟 AI大潮袭来 (fda的法规)
早在7月份,美国食品及药物管理局(FDA)颁布了对未来医学创新举足轻重的 三条规范
这三条规范分别是:
healthblog 对FDA在紧跟大潮的努力做了一番评论,指出FDA虽然做出了努力,但同样亟需规范。
规范的颁布可谓众望所归,这从侧面证明了在信息化时代下的医学技术创新范畴,FDA也在尽全力保证前者受到不公平的待遇。但是,这些规范也使得FDA对新事物无法及时作出有效的回应。
现行的法律并没有明确规定FDA在人工智能与机器学习基于医疗保健应用层面的权力。虽然这些规范减轻了医疗行业企业家的行政负担,但在数字化时代,这并不能像法律一样准确地规定FDA的权力。
幸运的是,新的立法工作也已有条不紊地展开了。美国众议院已经通过了 21世纪治疗法案 ,而上议院也将就此法案达成一致认可,第114届国会会议即将通过一份合理的法案安排。
第一条新规范强调的是“普众健康产品”,包括“音频录音、视频游戏、软件程序,以及其他一些零售店可以买到的产品”。不过好消息是,FDA不会把这些产品列为医疗咨询,前提是这些产品一定是为了普众健康,且对消费者没有安全隐患。
类似的产品可能会宣称它可以对某慢性疾病“有助于减少患病风险”或“能帮助减轻某种症状的困扰”。对于软件产品,一个合理的广告词应该是“它能帮助掌握一些呼吸和放松技巧,而这种健康的生活方式有助于减轻你的偏头痛症状”。这种产品的价值源自它传递给消费者的信息,而不是直接作用于消费者的身体。
信息的作用远不止这一点。第二条新规范强调在研究中重视“实际循证”。“实际循证”源自临床实验得出的实验数据。虽然我们不常用“实际循证”的方法来获得新设备的许可,但我们可以用它来增加已获得FDA许可设备的用途。“实际循证”的数据从哪里来?“这些数据通常来自提供医疗卫生服务的电子系统。这些医疗设备(包括家用类型的设备)收集各种医疗数据,追踪病人的治疗情况”。
第三条新规范强调FDA在医疗设备准入临床实验的适应性设计。关于临床实验设计的适应性,要在不失实验完整性和有效性的前提下,允许根据实验数据做出适当的修改。
如果操作不当的话,适应性设计可能会给患者造成潜在隐患;如果执行顺利的话,适应性设计可以缩短临床实验的时间,降低成本。第三条规范描述了如何规划一个合理的临床实验适应性设计。如果设计人员遵循此条规范,那么他们的新设备将会更早上市。
这些大量的数据信息不仅交互于患者、医生、设备、药商和监管人员之间。这些数据还存在云端,用于诊断和治疗决策。
我们还是来举些例子吧。根据美国国家人类基因组研究所的数据显示,在2001年,人类基因组测序需要花费一亿美元。而到了2015年,只需要不到1500美元。 然而,并不是所有的基因测序都需要非常高的准确度,也不是所有的基因组测出来都有意义。如果限定在蛋白质编码基因测序的话,花费还可进一步降低至1000美元。这使得有远见的医疗机构逐渐加入到基因测序的行列中来。Illumina公司从事于基因测序技术的研究,已经实现了每年两个百分点的收益增长,而且预计会继续保持下去。
又如,奥巴马总统已为精准医疗计划投入一百万美元建立个人健康数据。如果进展顺利的话,患者的公共服务意识将会大大增强。同时,庞大的患者群体将为科学家们提供前所未有的真实世界的数据。
在人工智能和医疗领域,最为鲜活的例子莫过于IBM的Watson和Deep Mind了。本月Watson成功就诊一名白血病患者;而Deep Mind和NHS的合作也会应用于诊断领域。
这只是个开始。正如福布斯的捐赠者Todd Hixon所述,机器学习大潮正在袭来。在过去五年里,许多大型公司收购了一些新创企业。即便如此,像“人工智能”、“机器学习”类的专业术语仍未出现在FDA的规范中。
为了建设更好的二十一世纪,总统和国会有能力也有责任修补法律的漏洞,规范FDA的权力。只有FDA规范化,患者、医生、科学家和企业家才能更加放心、大胆地研发新的医学技术并将其投入实际使用。
推荐阅读:
Watson首次确诊罕见白血病,10分钟诊断难点何在?
继攻克围棋后,Deepmind想“看透”人类的眼睛
原创文章,未经授权禁止转载。详情见 转载须知 。