【研究】计算机辅助诊断软件产品分类管理研究
戎善奎等 作者: 2019年11月14日 10:53
临床医生日常工作中的一个重要方面是阅读并判断大量的数据和影像等医学信息,一定程度的漏诊和误诊是不可避免的,辅助诊断软件的应用则有助于解决这一问题,尤其是对于经验不足或者水平不够的医生。


▲计算机辅助诊断软件产品分类管理研究(来源:中国医疗器械杂志)

临床医生日常工作中的一个重要方面是阅读并判断大量的数据和影像等医学信息,一定程度的漏诊和误诊是不可避免的,辅助诊断软件的应用则有助于解决这一问题,尤其是对于经验不足或者水平不够的医生。目前,计算机辅助诊断技术研究和应用较为成熟的是在乳腺和肺部病变等方面,而在虚拟腔镜、脑肿瘤、脑灌注和中医学等诸多方面的研究尚处于起步阶段,有待于进一步探索。计算机辅助诊断软件可以全面利用影像、数据等信息进行精确的定量计算和分析,避免因个人知识和经验的差异引起针对同一样本出现不同诊断结果,使得诊断变得更准确更易于操作,其临床应用范围不断扩大[1-4]。

近年来,得益于相关计算机应用技术,尤其是深度学习算法等的发展和完善,使得人工智能技术在医学诊断等领域中得以应用,出现了许多新型的辅助诊断类软件产品,极大地提高了诊断效率和质量。

本文针对于计算机辅助诊断软件产品注册审批需要的第一个环节,即其属性界定和类别划分,通过对国外和我国相关法规文件的调研分析,结合目前的医疗器械监管工作现状,进行了技术层面的探讨和分析,以供参考。

辅助诊断软件的属性界定及类别划分研究

1、辅助诊断软件的定义

对于辅助诊断类医用软件,在2002年发布的《医疗器械分类目录》中并未明确提及。后续的相关分类文件中列举了部分产品,如国食药监械〔2006〕268号文中“儿童辅助诊疗软件”(作为II类医疗器械管理)、国食药监械〔2012〕271号文中“产前染色体非整倍体和基因缺失数据处理软件”(不作为医疗器械管理)、食药监办械管〔2015〕49号文中“人乳头瘤病毒核酸分型分析软件”(作为II类医疗器械管理)以及食药监办械管〔2014〕8号文中“胎儿染色体非整倍体(T21、T18、T13)基因检测(测序法)Z值计算软件”的相关规定等。这些文件由于时间跨度较大,对于诊断类软件的属性和类别规定尺度难免在一定程度上存在着不一致之处,而且也仅仅是针对于某些特定产品的规定,不能整体代表该类产品。总体是说,在现行《医疗器械分类目录》实施之前,对于辅助诊断类医用软件产品的属性判定和类别划分原则并不完全明确。

现行《医疗器械分类目录》中,针对于辅助诊断类软件做出了较为明确的规定,即“由计算机软件对病变进行自动识别,对病变的性质等给出临床诊断治疗依据和/或建议”和“对影像或者数据进行分析,给出临床参考值”,同时给出了相关的管理类别划分原则。

但是,具体到特定软件产品的预期用途等描述并不完全和分类目录中类似或一致,尤其是对于个性化的具体产品,还需要对其属性判定和类别划分原则进行详细、深入的探讨和解析。根据《总局关于实施<医疗器械分类目录>有关事项的通告》 (2017年第143号)规定,自2018年8月1日起,除几种特殊情形外,既往发布的医疗器械分类界定文件已被废止,但是其类别和属性界定原则仍与现行《医疗器械分类目录》中相关内容有着较为密切的关系,可以结合起来理解。

2、管理属性界定

对于宣称具有辅助诊断功能的软件产品,其属性的界定应依据《医疗器械监督管理条例》中第七十六条关于医疗器械的定义[5]。但要指出的是,对于软件产品属性界定,还必须考虑其采用的算法的情况。国食药监械〔2012〕271号文中“产前染色体非整倍体和基因缺失数据处理软件”、食药监办械管〔2014〕 8号文中“胎儿染色体非整倍体(T21、T18、T13)基因检测(测序法)Z值计算软件”规定,如果诊断类软件仅仅采用通用函数或者公开的成熟算法进行计算,则不作为医疗器械管理。如果一个软件产品采用上述算法,通过计算获得相应的结果,即使该结果是用于辅助诊断或治疗过程,但从本质上看,也仅仅是对现成软件的调用(例如MS Excel产品),如核心算法均由调用软件实现,则不应作为医疗器械产品管理,这也是目前易于混淆的一个重要方面。目前有很多诊断类软件宣称能够进行计算分析等,获得医疗过程所需的数据,管理属性判定时应该着重关注其采用的核心算法的情况,以免造成属性判定的错误。如果软件产品采用制造商开发的特有算法(不由现成软件提供)处理医学影像或者医学数据,并且所得结果用于医疗目的,才能视为医疗器械。

3、管理类别划分

1)风险程度判定的依据

医疗器械的管理类别划分应依据其风险程度,现行《医疗器械分类目录》中“医用软件”子目录在其编制说明中强调“诊断功能软件风险程度按照其采用算法的风险程度、成熟程度、公开程度等为判定依据,不仅仅依据处理对象(如:癌症、恶性肿瘤等疾病的影像)为判定依据”。也就是说,软件产品采用的算法的情况与其风险程度直接相关。算法是软件产品的核心,决定了其输出结果的形式、准确性、使用中的风险程度等,是影响其管理类别的决定性因素之一。举例来说,一个医用软件产品,即使处理的对象是恶性肿瘤的数据,如果仅仅是简单的数据计算和处理,其风险未必会高;或者说不能因其对应的疾病对象是一般的疾病(如炎症、骨折等)就认为其风险较低。

2)类别判定的原则

 给出治疗建议等。 也就是说,无论处理的对象是何种疾病,只要软件通过其算法给出的仅仅是处理后的信息,则作为II类医疗器械管理,也就是风险较低的医用软件产品(根据《医疗器械分类规则》目前我国没有I类软件产品)。具体来说,就是软件通过处理,给出了相应的数据,或者在此基础上通过数值比较等给出风险高/低、指标高/低等结论,其实质是仅仅给出了计算结果,供医生诊断时作为参考,风险并不高。就如同目录中所描述的“对影像或者数据进行分析,给出临床参考值”,通常作为风险较低的II类医疗器械管理。从软件产品本身来说,该类软件对于影像和数据进行检测和测量(特征提取),以获得客观的信息,软件会提示我们需要关注的目标部分在哪里以及这些部分相对于正常状况的改变,而对于这些目标部分的改变性质的识别,还是需要医务人员去确认[6]。软件产品如果通过计算和分析,能够自动识别病变部位或者给出诊断提示(通常是指疾病种类、影像中病变的部位等)甚至治疗建议等,则应该按照III类医疗器械管理。这个过程是在上述II类医疗器械产品处理的基础上,对影像等数据进行有效的识别和采样后,对所采集样本开展进一步的研究与分析,并根据以往的“经验”等,对当前的病变做出诊断建议,是一个从数据处理到高级描述、识别的过程。考虑到其对于诊断和治疗的影响较大、算法复杂等,认为该类软件风险较高,所以应按照III类医疗器械管理。

“医用软件”子目录在其编制说明中还有“如果IVD软件中包含计算机辅助诊断功能,应归入决策支持软件”的相关说明如果IVD软件能够在进行辅助检测的基础上实现辅助诊断功能,那么其类别判定可以依据现行的决策支持软件中“计算机辅助诊断”产品的类别划分原则。也即是说,IVD软件的管理类别不仅有II类,根据其具体实现的预期目的(如决策支持),也有III类的情形,不能仅仅依据《医疗器械分类目录》中的字面意思来理解。总体来说,目前市场上大部分的IVD软件属于II类医疗器械,主要是基于其能够给出处理结果来划分的。

人工智能等新技术的辅助诊断软件探讨

近些年来,非线性技术、信息技术的应用和发展以及数学工具的突破,如小波技术、神经网络、人工智能、数据融合、粗糙集理论、分形几何等,使得计算机辅助诊断技术实现了巨大的突破和进步。尤其是人工智能和机器学习软件作为一种新工具,因其效率和准确性的不断提高,越来越引起人们的重视。当医学诊断领域具备了真正的大数据后,人工智能和机器学习技术就更加实用,相关产品必会被广泛应用[7-9]。

前面讨论的辅助诊断类软件类别划分等仅限于目前《医疗器械分类目录》中的产品情况,绝大多数产品限于当时的技术原因,并未采用人工智能等相关新兴技术。对于人工智能等技术在医疗器械领域的应用,目前尚无相关法规等对其进行明确规定,相关产品也未纳入《医疗器械分类目录》中,因为其涉及到深度学习及大数据等诸多新兴技术,则不能完全依据目前的类别划分原则进行判断。

将来,随着人工智能等新兴技术日趋成熟,在对其技术检验、审评和监管等有了科学的依据和完善的法规的基础上,建议这些采用人工智能等新技术的辅助诊断软件的类别划分可借鉴目前《医疗器械分类规则》和《医疗器械分类目录》中的原则:即仅具有对医疗相关数据的采集、分析和处理功能的软件可按照II类医疗器械管理,如用于图像重建、图像优化、解剖结构定位和自动测量等的软件;而对于具有辅助决策功能的软件可按照III类医疗器械管理,如用于肺结节、甲状腺癌症和脑卒中等疾病判定的产品。

当然,除了人工智能技术外,可能还会有更多的新技术被应用于辅助诊断软件中,对其属性界定和类别划分也需要我们不断地进行研究和探讨。


小结


本文依据现行《医疗器械分类目录》和相关法规,根据辅助诊断类医用软件产品技术发展和产业现状,通过对具体的算法等的分析情况,从技术角度对其属性界定和类别划分进行了详细的探讨,对于《医疗器械分类目录》中相关内容进行了解读。同时,对于采用人工智能等新技术的辅助诊断软件的类别划分原则提出了建议,供监管和技术部门参考。

参考文献:

[1]闫红华, 牟云森. 医学影像技术在医学影像诊断中的临床应用分析[J]. 影像研究与医学应用, 2018, 21(2): 179-180.

[2] 张德义. 医学影像技术在医学影像诊断中的临床应用分析[J]. 临床医药文献电子杂志, 2017, 4(43): 8417-8417.

[3] 高歌, 马帅, 王霄英. 计算机辅助诊断在医学影像诊断中的基本原理和应用进展[J]. 放射学实践, 2016,12(31): 1127-1129.

[4] 赵宇, 滕婷, 祝因苏, 等. 医学影像技术学科的现状与发展[J]. 教育教学论坛, 2017(7): 62-63.

[5] 国务院令第650号. 医疗器械监督管理条例[EB/OL]. http://samr.cfda.gov.cn/WS01/CL0784/97814.html.

[6] 周靖宇, 成官迅. 基于MRI的乳腺癌计算机辅助检测与诊断系统的应用和进展[J]. 功能与分子医学影像学(电子版), 2017, 26(4): 1349-1353.

[7] 韦哲, 薛翔, 王能才. 人工智能在糖尿病诊断中的应用[J]. 中国医学装备, 2017, 14(12): 142-145.

[8] 许燕, 汤烨, 闫雯, 等. 病理人工智能的现状和展望[J]. 中华病理学杂志, 2017, 46(9) : 593-595.

[9] 赵一鸣, 左秀然. PACS与人工智能辅助诊断的集成应用[J]. 中国数字医学, 2018(4): 20-22.



本文著作权属原创者所有,不代表本站立场。我们转载此文出于传播更多资讯之目的,如涉著作权事宜请联系删除。