FDA

В статье рассматривается новая пилотная программа TEMPO, разработанная совместно FDA и CMS, которая создает регуляторную «песочницу» для устройств цифрового психического здоровья, использующих искусственный интеллект. Традиционный процесс получения одобрения FDA (premarket authorization) отличается высокой стоимостью и длительностью, что вынуждает многие инновационные ИИ-решения выходить на рынок в качестве неконтролируемых потребительских продуктов. Программа TEMPO позволяет компаниям коммерциализировать свои продукты, опираясь на систему менеджмента качества (QMS), без необходимости немедленного прохождения полной процедуры предварительного разрешения. Это создает промежуточный регуляторный статус, который способствует легализации и безопасному внедрению технологий в клиническую практику. Ключевой целью пилотного проекта является сбор реальных данных (real-world data) об эффективности и безопасности ИИ-устройств в условиях реальной клинической среды. Авторы аргументируют, что данные, полученные в рамках TEMPO, послужат основой для пересмотра и модернизации всей системы регулирования цифрового здравоохранения в США. Статья подчеркивает значимость этого подхода для снижения барьеров входа на рынок при сохранении стандартов безопасности пациентов. Таким образом, TEMPO позиционируется как важный шаг к созданию сбалансированной экосистемы для развития ИИ в психиатрии и психотерапии.

Компания SimBioSys получила разрешение FDA на использование TumorSight Risk — программного обеспечения на базе пространственного ИИ, анализирующего данные МРТ, патологии и клинические показатели. Инструмент оценивает индивидуальный риск рецидива через 5 и 10 лет у пациенток с гормонозависимым HER2-негативным раком молочной железы I–IIIA стадии, помогая онкологам планировать лечение без дополнительных процедур.

Компания Visiana получила разрешение FDA 510(k) на использование программного обеспечения BoneXpert, которое применяет машинное обучение для определения костного возраста по рентгеновским снимкам кистей рук. Исследование показало, что алгоритм точнее ручных оценок педиатрических радиологов, снижая вариативность результатов и помогая в диагностике нарушений роста и полового созревания.

Компания DreaMed Diabetes получила одобрение FDA для приложения MODI, которое использует алгоритмы для автоматической оптимизации дозировок инсулина у пациентов с диабетом 2 типа, сочетающих базальную терапию и множественные инъекции. Система анализирует данные непрерывного мониторинга глюкозы (CGM) и предоставляет персонализированные рекомендации по дозам, что позволяет чаще корректировать терапию без необходимости ручного одобрения каждого изменения врачом.

Компания Radformation получила разрешение Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) по процедуре 510(k) (номер K261718) на расширение применения своего программного обеспечения EZFluence. Теперь в него включен модуль OptiPlan, предназначенный для автоматизированного планирования лучевой терапии с модуляцией интенсивности (VMAT). Это решение позволяет генерировать высококачественные планы лечения, опираясь на анатомию пациента и клинические приоритеты, заданные через шаблоны ClearCheck, без необходимости предварительного обучения моделей или длительной комиссионной настройки. Система автоматизирует рутинные этапы оптимизации, сохраняя за клиницистами полный контроль над принятием решений и возможность сравнения нескольких вариантов планов для достижения баланса между покрытием мишени и защитой органов риска. Получение одобрения FDA делает технологию доступной для клинического использования в США, расширяя её присутствие после успешного внедрения в Европе и Канаде. Продукт разработан для повышения эффективности работы планировщиков лучевой терапии, позволяя им уделять больше времени сложным клиническим задачам, требующим экспертной оценки.

Компания a2z Radiology AI получила разрешение FDA на использование своего ИИ-продукта a2z-Abdo-Triage для выявления 10 патологий на КТ-снимках органов брюшной полости и таза. Система помогает радиологам приоритизировать исследования, автоматически отмечая подозрительные случаи, что позволяет ускорить оказание помощи пациентам с критическими состояниями.

Компания DeepHealth получила одобрение FDA 510(k) для решения Chest XRay — системы компьютерного обнаружения (CADe) на основе фундаментальной модели ИИ, предназначенной для выявления и локализации патологий грудной клетки на рентгенограммах. Система анализирует четыре категории находок, включая узлы, консолидацию и пневмоторакс, и уже используется в Европе, обрабатывая более 2,8 млн исследований ежегодно.

Управление по контролю за продуктами и лекарствами США (FDA) запустило пилотную программу TEMPO, которая позволяет компаниям в сфере цифрового здоровья выпускать продукты на основе генеративного искусственного интеллекта на рынок до получения официального разрешения на маркетинг. В рамках этой инициативы четыре устройства, включая продукты от компаний Cadence и Limbic, были приняты в программу. TEMPO представляет собой значимый сдвиг в регулировании ИИ-медицинских устройств: вместо традиционного предварительного одобрения FDA будет использовать постмаркетинговый надзор и сбор реальных клинических данных. Это позволяет ускорить доступ пациентов к инновационным технологиям, сохраняя при этом механизмы контроля безопасности. Программа отражает растущее признание регулятором необходимости адаптации к быстро развивающейся области генеративного ИИ в здравоохранении. Участие Cadence и Limbic, известных своими решениями в области поведенческого здоровья и психиатрии, подчеркивает фокус на клинически значимых применениях. Ожидается, что результаты пилота повлияют на будущие регуляторные рамки для ИИ-устройств в США.

Статья рассматривает применение ИИ для сортировки жалоб на медицинские изделия в рамках постмаркетингового надзора. ИИ помогает обрабатывать большие объемы текстовых данных, выявлять паттерны и обеспечивать консистентность оценок, что критично для соблюдения требований FDA. Автор также обсуждает потенциальные риски, связанные с ошибками моделей.

FDA опубликовало дискуссионный документ о регулировании медицинских устройств с генеративным ИИ, запрашивая обратную связь по оценке рисков, предпродажной оценке и постпродажному мониторингу. Предлагается двухосевая система оценки рисков и подход к предпродажной оценке на основе компетенций, вдохновленный обучением врачей. Это важный шаг в формировании регуляторной базы для ИИ в медицине.

DeepHealth получила разрешение FDA 510(k) на ИИ-решение для УЗИ молочной железы, которое автоматизирует обнаружение поражений, характеристику и отчётность с точностью локализации >98%. Система внедряется в сети RadNet и потенциально охватит более 700 000 исследований annually, сокращая время интерпретации радиологами на 37%.

Больница Синай (Sinai Hospital of Baltimore), входящая в сеть LifeBridge Health, начала клиническое использование инновационного диагностического инструмента на базе искусственного интеллекта от компании Prenosis. Данная технология получила официальное разрешение FDA и предназначена для раннего выявления сепсиса — критического состояния, требующего немедленного медицинского вмешательства. Использование ИИ-решения позволит медицинскому персоналу быстрее идентифицировать пациентов с высоким риском развития сепсиса непосредственно у постели больного, сокращая время от появления первых симптомов до начала терапии. Внедрение системы Prenosis направлено на снижение смертности и оптимизацию протоколов интенсивной терапии за счет предиктивной аналитики данных в реальном времени. Данный кейс демонстрирует успешный переход исследовательских разработок в области машинного обучения в практическую клиническую деятельность крупных медицинских центров.

Статья анализирует конфликт между стремлением разработчиков создавать самообучающиеся модели ИИ и регуляторными требованиями. Рассматривается сложность баланса между патентной защитой, требованиями FDA к стабильности моделей и соблюдением конфиденциальности данных согласно HIPAA.

Компания QT Imaging Holdings, Inc. успешно завершила плановую проверку FDA, в ходе которой не было выявлено никаких нарушений (Form 483). Результат подтверждает эффективность системы менеджмента качества компании при масштабировании производства и коммерциализации.

Согласно новым данным Bipartisan Policy Center, в 2025 финансовом году зафиксирован значительный рост использования технологий искусственного интеллекта во всех ведомствах Министерства здравоохранения и социальных служб США (HHS). Наиболее впечатляющая динамика наблюдается в Управлении по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA), где количество зарегистрированных сценариев использования ИИ увеличилось на 148%. Однако аналитики призывают к осторожности при интерпретации этих цифр, указывая на то, что такой резкий скачок может быть обусловлен не только реальным внедрением новых технологий, но и введением новых требований к отчетности. Исследование подчеркивает переход на более прозрачную систему мониторинга ИИ-решений в государственном секторе здравоохранения. Данные изменения критически важны для понимания того, как регулирующие органы адаптируются к стремительному развитию машинного обучения. В конечном итоге, рост показателей отражает как технологическую экспансию, так и усиление административного контроля над ИИ-инструментами в медицине.

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.

Исследование посвящено анализу коммуникаций FDA по вопросам безопасности кибертехнологий в медицинских устройствах за период с 2013 по 2025 год. Авторы применили метод систематического качественного контент-анализа для оценки частоты оповещений и степени серьезности выявленных уязвимостей. В ходе работы было установлено, что FDA выпустила 18 официальных сообщений о безопасности, связанных с кибервзломами медицинского оборудования. Ключевым результатом стало выявление того, что 94% обнаруженных уязвимостей классифицируются как высокорисковые, что может привести к несанкционированному удаленному доступу, сбоям в работе устройств и утечке конфиденциальных данных пациентов. Результаты демонстрируют устойчивый рост количества предупреждений со стороны регулятора, что свидетельствует об усложнении и частоте киберугроз в цифровой среде здравоохранения. Исследование подчеркивает критическую необходимость усиления стратегий кибербезопасности и тесного взаимодействия между производителями, провайдерами медицинских услуг и государственными регуляторами.

В данной статье рассматриваются сложные вопросы регулирования медицинского искусственного интеллекта на базе больших языковых моделей (LLM) в США. Основное внимание уделяется вызовам, которые LLM создают для традиционных регуляторных механизмов, поскольку их применение часто выходит за рамки стандартных определений медицинских изделий. В центре обсуждения — интервью с доктором Шантану Нунди, советником офиса Комиссара FDA по вопросам управления ИИ и политики в области цифрового здравоохранения. Исследование подчеркивает необходимость адаптации нормативной базы для охвата новых типов ИИ-инструментов, которые могут использоваться не только для диагностики, но и для поддержки принятия клинических решений и взаимодействия с пациентами. Эксперт анализирует, как FDA планирует балансировать между стимулированием инноваций и обеспечением безопасности пациентов в условиях быстрого развития генеративного ИИ. Работа представляет высокую значимость для понимания будущего правового поля в цифровой медицине.

В данной статье рассматриваются критические аспекты регулирования и надзора за медицинскими устройствами, использующими генеративный ИИ (GenAI) и большие языковые модели (LLM). В рамках интервью с доктором Шантану Нунди, советником офиса комиссара FDA по вопросам управления ИИ и цифровой политики здравоохранения, анализируется сложность контроля за новыми технологиями. Основная идея заключается в том, что надзор за GenAI выходит за рамки полномочий одного регулятора и требует тесной координации между государственными агентствами, системами здравоохранения и практикующими клиницистами. Статья подчеркивает необходимость создания комплексной экосистемы управления для обеспечения безопасности и эффективности ИИ-решений. Кроме того, эксперт дает практические рекомендации для разработчиков и инноваторов по продуктивному взаимодействию с FDA. Работа представляет высокую ценность для понимания регуляторного ландшафта в эпоху стремительного развития медицинских нейросетей.