综述：在人工智能时代重新构想药物监管：一个基于人工智能的治疗生态系统框架

《Frontiers in Medicine》：Reimagining drug regulation in the age of AI: a framework for the AI-enabled Ecosystem for Therapeutics

AI在药物开发中的监管碎片化问题及AI2ET框架

　　人工智能（AI）正逐步渗透到药物研发和监管决策的各个环节，然而，目前针对这些技术的监管体系仍显得支离破碎。尽管美国食品药品监督管理局（FDA）和欧洲药品管理局（EMA）等机构已开始发布有关AI在人类治疗药物中的应用指南，但这些框架在适用范围、术语定义以及实际应用方面存在显著差异。这种缺乏统一性的现状不仅增加了监管解读的复杂性，也阻碍了监管协作的效率，并影响了AI驱动疗法在全球范围内的公平获取。本文提出了一种名为“AI驱动治疗生态系统”（AI2ET）的概念性与政策导向性的模型，旨在支持监管知识的整合，推动全球监管体系的协调一致。

随着AI技术在药物研发中的广泛应用，传统的监管模式已经难以适应这一快速发展的趋势。过去，药物研发主要依赖于长期的临床前研究、多阶段临床试验以及严格的监管审查流程。这些流程虽然成熟，但周期长、成本高，且难以应对新兴技术带来的不确定性。而AI的应用正在改变这一现状，通过预测建模、自动化流程和实时数据分析，显著提升了研发效率并降低了成本。然而，这种变革也带来了新的监管挑战，特别是在如何界定AI在药物开发中的角色、如何评估其风险、以及如何确保其安全性和有效性等方面。

AI的监管挑战不仅体现在技术层面，还涉及政策层面的复杂性。目前，各国对AI的定义和监管方式存在差异，这使得国际间的协作变得困难。例如，美国FDA对AI在医疗设备和药物开发中的监管方式不同，前者直接对AI系统进行评估，后者则更多关注最终药物产品的安全性和有效性。这种分割式的监管方式可能导致对同一技术的不同处理，从而形成监管碎片化。此外，许多低收入和中等收入国家尚未建立完善的AI相关法规体系，进一步加剧了全球监管的不一致性。

在AI日益融入药物开发的背景下，监管体系需要从传统的单一产品导向转向更全面的生态系统视角。AI2ET框架正是基于这一理念而提出，其核心在于将AI视为一个贯穿药物开发全过程的系统性工具，而不仅仅是独立的软件或算法。该框架涵盖系统、流程、平台和产品四个关键组成部分，分别对应AI在药物研发中的不同应用阶段和功能领域。系统是指嵌入于临床、监管和生产等环节的AI基础设施，如用于文档审核和提交的AI系统，或用于实时监测不良事件的AI工具。流程则指AI在药物开发中所执行的结构化任务，如自动化临床试验设计、预测质量偏差或优化生产流程。平台是集成化的环境，支持AI模型的构建、部署和管理，例如集中化数据管理平台或实时临床决策支持系统。产品则是最终由AI驱动生成的药物形式，包括新型分子、疫苗、生物制剂和个性化治疗方案。

AI2ET框架的优势在于它能够以风险为基础，构建一种更灵活且具有前瞻性的监管路径。这一模型强调了对AI应用的上下文敏感性，即根据AI在药物开发中的具体用途和潜在风险来决定监管的严格程度。例如，如果AI工具仅用于内部风险预测，那么其监管可能相对宽松，只需符合一般质量管理体系（QMS）的要求。但如果AI系统直接参与临床决策或患者治疗，那么就需要更严格的验证和持续的性能监控。AI2ET还引入了决策树这一工具，帮助监管机构在缺乏明确指导的情况下，对AI生成的药物和工具进行评估。通过这一逻辑框架，监管者可以结合上下文和风险等级，为AI工具的使用设定适当的监管路径。

AI2ET框架在实践中已展现出一定的可行性。例如，FDA推出的Elsa，是一款专为内部监管流程设计的生成式AI助手，它能够协助处理大量不良事件报告、审核临床试验方案、生成数据库代码以及识别监管检查重点。虽然Elsa尚未直接参与实质性监管决策，但其部署标志着监管机构在AI应用上的积极尝试。然而，Elsa的运行也暴露出一些挑战，如准确性、一致性以及AI生成内容可能存在的“幻觉”现象。这些挑战提示我们，AI在监管中的应用必须建立在透明性、可追溯性和可解释性的基础上，以确保其输出结果的可信度和可接受性。

AI2ET框架与现有的国际人用药品注册技术协调会（ICH）指南也存在一定的契合点。例如，ICH M7指南要求对DNA反应性（致突变）杂质进行评估和控制，其中QSAR模型被用于预测药物的潜在毒性。然而，这些模型不能单独使用，必须结合统计方法和专家规则进行综合判断。这种分层的监管模式与AI2ET的理念相呼应，即不应仅关注最终的药物产品，而应关注整个AI驱动的生态系统。AI2ET框架在这一基础上进一步扩展，为监管者提供了一种更全面的评估工具，使得监管决策能够覆盖药物研发的各个阶段，从发现到生命周期管理。

在政策层面，AI2ET框架提出了六项关键建议，旨在推动AI在药物开发中的风险基础监管。首先，应加强国际间的合作，推动全球监管体系的统一，特别是在AI定义、术语使用和监管路径方面达成共识。其次，应建立统一的AI监管定义，避免因不同机构对AI的理解差异而造成监管混乱。第三，应加大对监管能力建设的投资，特别是在低收入和中等收入国家，以缩小全球监管能力的差距。第四，应借鉴已有的医疗设备AI监管经验，将这些成熟的实践应用到药物开发领域，确保监管的一致性和前瞻性。第五，应通过风险分级和情境评估，制定更灵活的监管路径，以适应不同AI工具的复杂性和潜在影响。第六，应建立决策支持工具，如决策树，帮助监管者在缺乏明确法规的情况下，对AI生成的药物和工具进行有效评估。

AI2ET框架的实施需要分阶段推进。首先，可以在现有法规框架内试点应用，例如通过AI辅助药物发现或优化临床试验流程，以测试其在实际监管中的适用性。其次，应在国际层面推动术语和监管路径的统一，特别是在ICH组织中寻求共识，以确保全球监管体系的协调一致。第三，可以建立一个类似于医疗设备监管的咨询委员会，为AI在药物开发中的应用提供专业指导和支持。最后，可以考虑设立一个专门的监管机构，负责监督AI驱动的治疗生态系统，以确保其在整个药物生命周期中的安全性和有效性。

然而，AI2ET框架也面临一些局限性。首先，由于各国在数字基础设施、数据治理规范和监管成熟度方面的差异，该框架在全球范围内的实施仍面临挑战。特别是低收入和中等收入国家，可能缺乏必要的资源和技术能力，难以有效采用和应用AI2ET的指导原则。其次，AI工具的实时数据处理和多语言支持需要持续的计算资源和维护，这可能限制其在某些环境下的可扩展性。此外，过度依赖自动化系统可能导致监管标准的不一致，尤其是在需要依赖定性判断、文化背景或法律细节的领域。最后，AI2ET框架的广泛实施需要主要监管机构的正式认可和支持，否则可能难以在国际层面产生足够的影响力。

总体而言，AI2ET框架为药物开发中的AI监管提供了一种新的思路。它强调了对AI工具的系统性评估，而非仅仅关注最终的药物产品。通过将AI视为一个贯穿整个药物生命周期的生态系统，该框架有助于监管机构更好地理解和应对AI带来的复杂性和不确定性。同时，AI2ET框架也推动了监管体系的现代化，使其能够适应AI技术的快速发展和应用。在未来的药物监管中，AI将不再是孤立的工具，而是嵌入于整个研发流程中的核心能力，其监管也必须从传统的单一产品导向转向更全面的生态系统视角。这不仅有助于确保AI驱动疗法的安全性和有效性，也将促进全球范围内的公平获取和监管协作。