《Medical Devices: Evidence and Research》：Topic Modeling and Content Analysis of Chinese Medical Device Policies Using BERTopic
编辑推荐：
目的：揭示医疗器械（medical device, MD）政策的关键方向与监管措施，可为完善监管体系提供科学依据，并促进医疗器械行业的健康有序发展。
材料与方法：本研究收集了2014—2025年间中央政府层面的37份医疗器械政策文件（现行有效或即将生效），采用
目的：揭示医疗器械（medical device, MD）政策的关键方向与监管措施，可为完善监管体系提供科学依据，并促进医疗器械行业的健康有序发展。
材料与方法：本研究收集了2014—2025年间中央政府层面的37份医疗器械政策文件（现行有效或即将生效），采用BERTopic模型进行主题提取。通过主题内容、层级结构与聚类分析，对中国医疗器械政策文本进行了全面解码。
结果：在医疗器械政策中共识别出17个主题。基于这些主题层级结构的相关性，将其划分为六大类簇：广告监管（advertising regulations）、主体资质与合规要求（subject qualifications and compliance requirements）、申请模板（application template）、临床试验管理（clinical trial management）、综合监管体系（comprehensive regulatory system）以及储运技术规范（storage and transportation technical specifications）。
结论：对医疗器械政策文本的主题建模揭示了政策关注重点、政策意图与监管优先事项，为完善监管框架提供了科学依据。
一、研究背景与问题提出
医疗器械（medical device, MD）作为一类特殊商品，在疾病预防、诊断、监测、治疗和缓解中发挥着关键作用。据弗若斯特沙利文（Frost and Sullivan）数据分析，2018至2023年间全球医疗器械市场规模从4253亿美元增长至6071亿美元，复合年增长率（compound annual growth rate, CAGR）为7.4%，预计2030年将达到8992亿美元。中国医疗器械市场同期从5284亿元人民币扩大至9731亿元人民币，CAGR达13.0%，预计2030年将达到16275亿元人民币，已跃升为仅次于美国的全球第二大市场。
在此背景下，医疗器械政策作为规范行业发展的重要工具，不仅引导产业健康推进，还承担保障公众健康、促进医疗资源合理利用的责任。深入理解医疗器械政策的核心主题，有助于揭示其在促进产业创新、完善监管和应对技术与伦理挑战方面的内在机制，为构建高效、透明、可持续的医疗器械产业生态提供理论与实践支撑。
现有研究多采用内容分析法和文献计量学方法考察医疗器械政策。传统内容分析通常需要研究者预先建立编码框架或进行大量人工编码，而词频或文献计量方法可能无法充分捕捉词语在语境中的语义关联。因此，有必要采用能够处理文本语义信息的方法，系统探索政策文件中的主要议题及其相互关系。针对中国国家层面医疗器械政策文本的全面主题识别以及主题间关系图谱的构建，仍存在进一步探索的空间。
二、研究设计与方法概述
研究人员以国家药品监督管理局（National Medical Products Administration, NMPA）和国家卫生健康委员会（National Health Commission, NHC）等官方政府网站为主要数据来源，以“医疗器械”为关键词进行标题和全文检索，经人工筛选后最终保留37份中央层面政策文件（其中32份现行有效，5份尚未颁布），时间跨度为2014至2025年。研究流程包括政策文本预处理（中文分词与去停用词）、词云分析、BERTopic主题建模及政策文本分析五个步骤。
研究采用的主要关键技术方法包括：（1）使用Python的jieba库进行中文分词，并整合中国科学技术大学、百度、哈尔滨工业大学等停用词表进行去停用词处理；（2）采用BERTopic模型进行主题建模，该模型包含文档嵌入（document embedding）、降维（dimensionality reduction）、文档聚类（document clustering）和主题特征提取（topic feature）四个模块；（3）使用Paraphrase-multilingual-MiniLM-L12-v2预训练模型进行文档嵌入，UMAP方法进行降维，HDBSCAN算法进行文档聚类；（4）采用c-TF-IDF算法评估词项重要性，并使用最大边际相关性（Maximum Marginal Relevance, MMR）算法进行主题词筛选。研究将37份政策文档正文按段落切分，经预处理后共获得4241个有效段落作为输入。
三、研究结果
（一）医疗器械政策概况
研究系统梳理了中国中央层面政策文件，最终保留37份医疗器械相关政策文本。主要发文机构包括国务院（SC）、中央办公厅（GOCC）、国务院办公厅（GOSC）、国家药品监督管理局（NMPA）、国家市场监督管理总局（SAMR）、国家卫生健康委员会（NHC）和国家疾病预防控制局（NDCPA），其中NMPA为主要发文机构。
（二）关键词提取结果
基于c-TF-IDF分析的高频关键词统计结果显示，政策文本核心聚焦于医疗器械生产、质量控制和临床试验等关键环节，强调产品安全性和有效性的验证。政策内容突出监管管理体系的完善，明确注册审批流程的规范性与严谨性。同时，政策强化了多层次政府监管机构与企业责任主体之间的职责分工，以实现医疗器械全生命周期的综合监管。此外，政策还关注法律法规建设和惩戒机制，为行业可持续发展提供制度保障。词云分析显示，“创新”“技术”“网络”“平台”“数据”等词频繁出现，表明政策在保障安全的同时积极推动行业技术进步与信息化建设；“法律”“管理”“风险”“伦理”等词的出现则反映了对制度完善和风险预防的重视。
（三）建模结果
- 1.
主题内容：BERTopic模型自动生成17个主题，涵盖监管体系、产品质量控制、物流仓储标准、临床试验规范、公共卫生应急响应等关键领域。主题0、3、5、13和14的关键词分布相对均衡，其他主题的关键词占比存在一定差异。关键词的概率分布反映了政策关注领域的权重层级，展示了医疗器械政策向全面化、精细化管理的趋势。
- 2.
主题层级：采用HDBSCAN层级聚类算法对主题间关系进行聚类。结果显示，主题4与主题15联系紧密，主题7与主题8直接相关，主题2与主题11直接相关，主题0与主题1存在间接关系。基于关联性并结合各主题关键词、文本段落和语义内容，17个主题被归为六大方向：广告监管、主体资质与合规要求、申请模板、临床试验管理、综合监管体系和储运技术规范。
- 3.
主题空间分布：通过visualize_topics()函数将主题向量转换为二维向量并生成主题空间分布散点图。结果显示，医疗器械政策文本中存在最高频主题（主题0），多个主题聚集于左上区域，内容高度相关；若干较小的孤立气泡则反映了一些边缘性或专门化主题。
- 4.
主题相似性：计算各主题间的余弦相似度并构建相似性矩阵。结果显示，主题0至4之间具有高度相似性，表明这五个主题语义更为聚焦，可能属于核心主题群。
- 5.
稳健性分析：在4241个样本段落中，BERTopic模型识别出42个非离群段落，离群段落仅占0.99%，表明绝大多数段落均被归类至某一主题下，验证了模型对样本文本的高覆盖能力。
四、结论与讨论
研究结论表明：（1）国家药品监督管理局作为主要发文机构，在推动医疗器械政策方面发挥关键引领作用；（2）现行医疗器械政策体系聚焦于生产、质量控制和临床试验，强调产品安全性和有效性的科学验证，同时在安全保障基础上积极支持技术创新和数字化转型；（3）主题建模证实医疗器械政策体系呈现多维系统架构（17个主题），覆盖全生命周期监管闭环，核心主题（主题0）占据跨领域主题枢纽地位；（4）核心政策簇（主题0—4）具有强语义耦合，反映了监管体系的内部一致性。
讨论部分指出，监管的突出地位与既往研究一致。医疗器械监管是保护患者安全、确保有效性和质量、要求全生命周期风险管理、实现上市后监测的主要机制，同时仍需允许创新和市场准入。当监管薄弱或不均衡时，上市前测试、上市后监测和器械治理会出现问题，尤其是在资源匮乏环境和碎片化管辖区域。随着医疗器械行业的技术迭代和范式转变，政策监管体系面临前所未有的挑战与重构。未来政策制定者需突破传统监管思维，构建主动、动态演进的智能监管体系。同时，随着人工智能、基因编辑等前沿技术的推进，医疗器械监管面临新的伦理、法律和安全挑战，政策需持续优化以增强风险管理能力，确保行业发展的可持续性。
本研究存在一定局限性：未纳入政策实施数据、医疗器械创新产出或公共卫生结果等外部指标；数据仅限于中国中央层面政策文本，未包含省级政策分析；尚未系统考察各主题在不同时期的演变及其与监管优先事项变化之间的关联。未来研究可结合文本主题与政策实施信息、行业数据、监管审查数据或健康结果数据，开展不同地区与省份的政策发布和实施分析，并进行不同阶段政策文件的比较分析，以更全面地揭示监管议题和优先事项的变化轨迹。
