IT技术的发展及应用是医疗器械行业机遇之一，留意我们百家号的朋友们就会发现，近年来关于医疗器械软件注册及网络安全相关话题的内容较多。年5月26日，国家药监局器审中心关于发布肺结节CT图像辅助检测软件注册审查指导原则的通告（年第21号），一起看正文。

肺结节CT图像辅助检测软件注册审查指导原则（年第21号）

本指导原则是对肺结节CT图像辅助检测软件的一般要求，申请人应依据产品的具体特性确定其中的内容是否适用。若不适用，需具体阐述其理由及相应的科学依据，并依据具体的产品特性对注册申报资料的内容进行充实和细化。

本指导原则是供注册申请人和技术审评人员使用的指导性文件，但不包括注册审批所涉及的行政事项，亦不作为法规强制执行，应在遵循相关法规的前提下使用本指导原则。如果有能够满足相关法规要求的其他方法，也可以采用，但是需要提供详细的研究资料和验证资料。

本指导原则是在现行法规和标准体系以及当前认知水平下制定的，随着法规和标准的不断完善，以及科学技术的不断发展，相关内容也将适时进行调整。

本指导原则是人工智能医疗器械指导原则体系的重要组成部分，基于人工智能医疗器械审评指导原则的通用要求，明确了肺结节CT图像辅助检测软件的具体要求。

一、适用范围

本指导原则适用于肺结节CT图像辅助检测软件的产品注册。按现行《医疗器械分类目录》，该类产品分类编码为21-04-02，管理类别为三类。设备中所含肺结节CT图像辅助检测功能也适用于本指导原则。采用非人工智能算法的肺结节CT图像辅助检测软件可参照本指导原则执行。

二、注册审查要点

明确申请表中产品名称、管理类别、分类编码、型号规格、产品组成等信息。

1.产品名称

产品命名需符合《医疗器械通用名称命名规则》的要求。根据产品预期用途可采用肺结节CT图像辅助检测软件进行命名。

2.分类编码

依据《医疗器械分类目录》，申报产品分类编码为21-04-02。按第三类医疗器械管理。

（二）综述资料

1.产品描述

1.1器械及操作原理描述

1.1.1工作原理

需详述产品的工作原理，例如：基于深度学习技术对医学影像进行分析处理、对肺结节进行分割、检测、自动识别等。

1.1.2结构组成

结构组成明确交付内容和功能模块，其中交付内容包括软件安装程序、授权文件、外部软件环境安装程序等软件程序文件，功能模块包括客户端、服务器端（若适用）、云端（若适用），若适用注明选装、模块版本。基于人工智能算法（如深度学习）的功能模块，需在模块名称中予以注明，如深度学习。

1.1.3产品描述

需明确临床工作流程，工作流程中使用申报产品的时间（如在医生阅片前使用）。

肺结节检测当前的临床实践（基于参考文献）。

结合用户界面图示详细介绍技术要求中对应的临床功能、量化分析的具体内容、自动操作、手动及半自动操作/预定义的默认设置。需明确软件输出报告、特殊声称（如用于检测小于4mm结节）、服务器部署（局域网、云端）、产品接口和联合使用设备等信息。

1.2型号规格

需明确申报产品的型号规格及发布版本。产品型号规格及其划分，如同一个注册单元包含多个型号规格，需提供产品型号规格区分列表或配置表。

1.3研发历程

阐述申请注册产品的研发背景和目的。如有参考的同类产品或前代产品，需提供同类产品或前代产品的信息，并说明选择其作为研发参考的原因。

1.4与同类和/或前代产品的参考和比较

同一制造商生产的改良器械，建议直接和本公司已获批准的器械的算法性能进行比较（即，使用相同的评估过程和测试数据集比较性能）。

2.适用范围和禁忌证

（1）适用范围

适用范围需明确处理对象、核心功能、适用人群、目标用户、临床用途。

例如，用于胸部CT图像的显示、处理、测量和分析，可对4mm及以上肺结节进行自动识别并分析结节影像学特征，供经培训合格的医师使用，不能单独用作临床诊疗决策依据。

（2）预期使用环境

需明确设备使用场所和使用环境要求。

设备使用场所包括：医疗机构机房等。

使用环境要求需至少包括：推荐的硬件使用的适宜温度、湿度、大气压、光照条件。

需详述产品的适用人群、感兴趣器官/疾病/病灶/异常、以及预期使用该产品的目标用户。如，可供18岁及以上门诊及体检人群使用，供经培训合格的放射科医师、专科医师使用。

（4）禁忌证

需明确产品临床应用的禁忌证以及器械限制，包括导致器械无效且不应使用的疾病、病症、异常。

（三）非临床资料

1.产品风险管理资料

依据YY/T《医疗器械风险管理对医疗器械的应用》，提供产品风险管理报告。

申请人需重点说明：申报产品的研制阶段已对有关可能的危害及产生的风险进行了估计和评价，针对性地实施了降低风险的技术和管理方面的措施。产品性能测试对上述措施的有效性进行了验证，达到了通用和专用标准的要求。申请人对所有剩余风险进行了评价，全部达到可接受的水平。产品风险分析资料需为申请人关于产品安全性的承诺提供支持。

风险管理报告一般包括以下内容：

（1）申报产品的风险管理组织。

（2）申报产品的组成。

（3）申报产品符合的安全标准。

（4）申报产品的预期用途，与安全性有关的特征的判定。

（5）对申报产品的可能危害作出判定（见附件1）。

（6）对所判定的危害采取的降低风险的控制措施。

（7）对采取控制措施后的剩余风险进行估计和评价。

2.产品技术要求及检验报告

2.1产品技术要求

依据《医疗器械产品技术要求编写指导原则》进行编制。

2.1.1规格信息

明确软件发布版本和版本命名规则。软件版本命名规则原则上需涵盖算法驱动型更新和数据驱动型更新，明确并区分重大软件更新和轻微软件更新，其中重大软件更新列举常见典型情况。

明确不同型号间产品差异。

2.1.2性能指标

明确产品处理对象，以及数据接口信息，包括成像模态（如计算机体层摄影）和特定软硬件名称及型号（如适用）。

明确软件功能及指标，如输入图像的质量要求、结节检出、结节密度分类类别（如实性、亚实性的手动分类等）、结节位置（如肺叶、肺段、肺结节CT图像层面、肺内、胸膜）、结节标记方式（紧密包裹结节的边界框、不紧密包裹结节的边界框）、分割方式（自动分割、半自动分割、手动分割）、测量功能（如体积、最大轴向平面最长直径、短径、平均直径、最大三维直径、有效直径、平均密度、面积等）、随访评估功能（如倍增时间、数值参数的百分比(%)和绝对变化、结节长轴、短轴、平均直径、最大三维直径、有效直径、体积、平均密度等）、客观物理测量准确性（如线性度、精度、重复性、再现性、范围限值、显示误差等）、结节的3D或MIP可视化等。

使用限制明确应用场景（体检、门诊病房）、患者（年龄、地域、疾病类型）、CT设备（主流厂家、探测器排数）、CT扫描参数(如管电压、管电流、层厚/层间距、剂量（常规剂量、低剂量）、窗宽窗位、重建方式、显示方式)、放射学检查条件(CT增强扫描、CT平扫)、CT图像质量要求(如分辨率、伪影)、结节检出的尺寸范围、结节密度分类类别。如软件包含图像质量判定功能，明确软件使用限制。

若含有基于测评数据库测试的性能指标，其要求参考《人工智能医疗器械注册审查指导原则》。

运行环境，运行在不同计算机系统的产品模块（如客户端和云端）需分别描述其运行环境、服务器部署（局域网、云端）信息。

附录中明确体系结构图、用户界面关系图与主界面图示、物理拓扑图、测评数据库、数据库/集信息。

3.软件研究

（1）基本要求

生产企业需依据《医疗器械软件注册审查指导原则（年修订版）》提交相应软件研究资料。其中，核心算法所述人工智能算法需依据《人工智能医疗器械注册审查指导原则》提交相应算法研究资料。

生产企业需依据《医疗器械网络安全注册审查指导原则（年修订版）》提交网络安全描述文档。按照《人工智能医疗器械注册审查指导原则》提交数据安全资料。

若使用云计算服务，生产企业需依据《人工智能医疗器械注册审查指导原则》提交相应研究资料。使用云计算服务需明确服务模式、部署模式、核心功能、数据接口、网络安全能力、服务（质量）协议等要求。

软件版本命名规则涵盖算法驱动型软件更新和数据驱动型软件更新；区分重大软件更新和轻微软件更新，其中重大软件更新需列举常见典型情况。

（2）软件安全级别

该类产品的软件安全性级别为严重（C）级。

（3）核心功能

列明软件核心功能的名称、所用核心算法、预期用途并注明类型，全新的核心功能、核心算法、预期用途均需提供安全有效性研究资料。

表1核心功能示例

注：表1中全新是对当前深度学习算法的全新算法的示例

4.算法研究资料

需提供算法设计和功能的信息，提供流程图及注释，明确算法名称、版本、软件平台的相关特性。

需描述算法每个阶段（如肺结节检出、肺结节分类、肺结节分割、肺结节测量）的设计和功能，通过文献论述算法类型（成熟及全新）。

4.1.1肺结节检出算法

肺结节检出算法需明确算法的输入，比如算法采用的是2D，2.5D还是3D的胸部CT图像作为算法输入；算法的输出-标记格式描述（形状、大小、与感兴趣区域有关的预期位置、边界、颜色，比如紧密包裹肺结节的矩形框端点（二维/三维），肺结节中心点）。

明确算法所采用的神经网络结构，如FasterRCNN；明确算法训练采用的损失函数，如交叉熵，L1范数；明确算法设计过程中网络结构、损失函数等核心组件选择和设计的原则、方法与风险考量，如肺结节大小尺度的差异，肺结节与背景正负样本的不均衡性、假阳性、过拟合等；若肺结节检出采用多个模型融合，需明确不同模型训练与推理的方式，以及模型融合的策略，如级联，多数投票；

肺结节检出存在同一个目标多个重叠框的问题，算法需明确匹配关系所采用的策略，如交并比（IoU），定位框中心距离；

明确算法的流程图，需包含算法运行前所进行的前处理（图像缩放、图像像素值归一化、图像重采样）以及算法运行后所进行的后处理操作（图像重采样、非最大化抑制）。明确训练与部署所采用的框架（如Tensorflow,Pytorch）、算法运行环境（如内存、显存的需求）。

若使用迁移学习技术，除上述内容外还需补充预训练模型的数据集构建、算法测试等资料。

4.1.2肺结节密度分类算法

肺结节密度分类算法需明确输出（密度类别），密度类别制定依据以及临床适用性。

肺结节密度分类算法需明确算法的输入，比如算法采用的是2D，2.5D还是3D的图像作为算法的输入。若采用2D，需明确肺结节选取的图像层面，如中心层面，最大面积层面；明确算法所采用的神经网络结构，如ResidualNet，Dense-Net；明确算法训练采用的损失函数，如交叉熵，Focal损失函数；损失函数等核心组件选择和设计的原则、方法与风险考量，如肺结节大小尺度的差异，不同类别肺结节样本的不均衡性、过拟合等；若肺结节分类采用多个模型融合，需明确不同模型训练与推理的方式，以及模型融合的策略，如多数投票；最后，明确算法的流程图，训练与部署所采用的框架（如Tensorflow,Pytorch）、算法运行环境（如内存、显存的需求）。

4.1.3肺结节测量算法

针对肺结节测量算法，明确测量原理（基于像素点数），测量实现的方式，如肺结节体积测量算法、密度值测量算法与长径短径测量算法可以通过肺结节分割技术来实现，也可以通过机器学习中的回归方法来进行预测。测量内容包括长径、短径、体积、面积、平均HU值等，其中密度值测量算法需明确测量的类型，如平均值，标准差，最大值，最小值，中位数。

4.1.4肺结节肺叶肺段定位算法

肺结节肺叶肺段定位算法中，明确肺结节定位的类别，如左/右肺定位、肺叶定位、肺段定位。明确算法输入的类型，如肺结节二维切片，肺结节三维图像块，若输入类型为二维切片，明确二维切片选取标准（如肺结节长径短径交点所在切片、肺结节最大面积切片）。

肺结节肺叶肺段定位算法需明确实现的机理，如基于肺段分割算法实现解剖定位，基于图像分类算法实现解剖定位。

若申报产品涉及上述多个算法，需提供算法整体流程图，明确各个算法调用先后关系，以及输入输出依赖关系。

若使用迁移学习技术，除上述内容外还需补充预训练模型的数据集构建、算法测试等资料。

4.2算法需求规范

算法功能需求建议

转载请注明:http://www.aideyishus.com/lkjg/7051.html