UK-Regulierung für KI-Medizinprodukte vor grundlegender Neuausrichtung über den gesamten Lebenszyklus
Das Vereinigte Königreich hat nach Anhörungen einer unabhängigen Kommission mit mehr als 12.000 Beteiligten einen weitreichenden Wandel bei der Regulierung von KI-Medizinprodukten vorgeschlagen. Statt eine Zulassung als einmalige Ziellinie zu behandeln, sollen KI-Systeme nach dem Vorschlag während ihrer gesamten Einsatzdauer überwacht werden.
Der Plan stammt von der National Commission into the Regulation of AI in Healthcare, einem Expertengremium der Medicines and Healthcare products Regulatory Agency. Ihre zentrale Feststellung ist deutlich: Regeln für vergleichsweise statische Medizinprodukte passen nicht zu Software, die sich je nach Standort, Daten, Updates und klinischen Arbeitsabläufen verändert.
Die Kommission möchte, dass das Vereinigte Königreich einmalige Konformitätsbewertungen durch gestuften Zugang, Evidenz aus der Praxis, kontinuierliche Aufsicht und klarere Verantwortlichkeiten im gesamten Gesundheitssystem ersetzt. Daraus ergibt sich der zentrale Zielkonflikt. Regulierungsbehörden wollen, dass Patienten schneller von nützlicher Technologie profitieren, doch ein früher Zugang muss mit durchsetzbaren Grenzen und verlässlicher Überwachung einhergehen.
UK-Regulierung für KI-Medizinprodukte würde über einmalige Zulassungen hinausgehen
Die Kommission will, dass die regulatorische Zulassung den Beginn der Aufsicht markiert, nicht deren Ende.
Die Kommission veröffentlichte ihre Empfehlungen am 10. September 2026, nachdem die MHRA sie im September 2025 eingerichtet hatte. Sie war ein unabhängiges, nicht gesetzlich verankertes Beratungsgremium; ihr Bericht ändert daher selbst kein britisches Recht.
Die Regierung und die MHRA werden die Empfehlungen prüfen, bevor sie eine formelle Stellungnahme abgeben. Diese Unterscheidung ist wichtig, denn der Bericht ist ein Konzeptentwurf und kein beschlossenes Regulierungsrahmenwerk.
Dennoch zeigt der Vorschlag den Behörden einen detaillierten Weg nach vorn. Seine erste Empfehlung fordert eine systematische Überprüfung der UK Medical Devices Regulations 2002. Ziel ist ein auf Software und KI-gestützte Produkte zugeschnittener Rahmen.
Nach Ansicht der Kommission ordnen die bestehenden Regeln nicht jedes KI-Produkt im Gesundheitswesen eindeutig ein. Ein Verwaltungsassistent, eine Wellness-Anwendung und ein klinisches Entscheidungshilfesystem können sehr unterschiedliche Risiken schaffen. Ihre Grenzen können jedoch schwer zu ziehen sein, wenn ein Produkt mehrere Funktionen kombiniert.
Nach dem Vorschlag würden Regulierungsbehörden stärker auf die medizinische Funktion fokussieren, aus der das relevante klinische Risiko entsteht. Sie würden zudem erwartete Vorteile, den Produktlebenszyklus und die Ausrichtung an internationalen Regulierungsansätzen berücksichtigen.
Der Bericht widmet sich insbesondere risikoarmen Produkten der Klasse I, die Hersteller mitunter selbst deklarieren können. Er empfiehlt, Schwächen dieses Modells anzugehen, wenn Software ein Patientenrisiko schafft, das eine unabhängige Aufsicht rechtfertigt.
Der sichtbarste Vorschlag ist die gestufte Zulassung. Das Rahmenwerk der Kommission definiert sie als Einsatz in einem begrenzten Umfang vor einer umfassenderen Zulassung.
Ein Produkt könnte zunächst in bestimmten Krankenhäusern, klinischen Umgebungen oder Patientengruppen eingesetzt werden. Sein Entwickler würde unter vereinbarten Bedingungen Evidenz sammeln, während Kliniker und Regulierungsbehörden die Leistung nachverfolgen.
Eine Ausweitung würde von dieser Evidenz abhängen. Ein System mit sicherer Leistung könnte zu einer breiteren Nutzung übergehen, während schwache oder instabile Ergebnisse den Einsatz stoppen könnten.
Regierungsvertreter verglichen dieses Modell mit einem Fahrschüler, der ein „L-Schild“ verwendet. Die Analogie verdeutlicht die angestrebte Balance zwischen Praxiserfahrung und eingeschränkten Einsatzbedingungen.
Der Vergleich legt jedoch auch eine schwierige politische Frage offen. Neben einem Fahrschüler sitzt ein lizenzierter Begleiter, während die Verantwortung für einen medizinischen Algorithmus auf viele Organisationen verteilt sein kann.
Hersteller entwickeln und aktualisieren das Modell. Krankenhäuser entscheiden, wo sie es einsetzen. Kliniker interpretieren seine Ausgaben, und Technologieanbieter können die Infrastruktur betreiben, die Daten zwischen Systemen überträgt.
Die MHRA reguliert Medizinprodukte, doch andere Organisationen beaufsichtigen die Qualität der Gesundheitsversorgung, berufliches Verhalten, Beschaffung, Forschung und Datenschutz. Eine gestufte Zulassung kann Patienten nicht schützen, wenn diese Verantwortlichkeiten in der Praxis nicht miteinander verbunden sind.
Der Vorschlag reicht daher über die Produktzulassung hinaus. Er fordert einen systemweiten Ansatz, der Regulierungsbehörden, Gesundheitsdienstleister, Fachkräfte, Entwickler, Hersteller, Patienten und die Öffentlichkeit zusammenführt.
Dieser breitere Umfang macht den Bericht zu mehr als einer Aktualisierung technischer Produktregeln. Er ist ein Versuch zu definieren, wer handeln muss, wenn sich die Leistung verändert, nachdem ein KI-System in die klinische Versorgung eingetreten ist.
Regeln für statische Medizinprodukte geraten bei KI-Leistungsdrift an ihre Grenzen
Ein KI-System kann eine Prüfung bestehen und sich dennoch anders verhalten, wenn sich lokale Patienten, Arbeitsabläufe oder Daten verändern.
Die traditionelle Regulierung von Medizinprodukten misst häufig den Nachweisen große Bedeutung bei, die gesammelt werden, bevor ein Produkt auf den Markt kommt. Dieser Ansatz funktioniert am besten, wenn das zugelassene Produkt nach dem Einsatz im Wesentlichen unverändert bleibt.
KI-gestützte Software erschwert diese Annahme. Ihre Leistung kann von der Population, dem Krankenhaus, der Hardware, dem klinischen Arbeitsablauf und der Datenpipeline abhängen, die sie umgeben.
Ein diagnostisches Modell, das mit Daten aus einer Region entwickelt wurde, kann andernorts auf andere Krankheitsmuster treffen. Es kann zudem Bilder von anderen Scannern oder Daten erhalten, die nach anderen klinischen Praktiken erfasst wurden.
Diese Unterschiede können zu kontextabhängiger Leistung führen, bei der die Ergebnisse je nach Einsatzumgebung variieren. Eine aussagekräftige Laborbewertung kann nicht jede Bedingung in einem nationalen Gesundheitssystem erfassen.
Leistungsdrift schafft ein weiteres Problem. Drift ist ein messbarer Rückgang oder eine Veränderung des Modellverhaltens nach dem Einsatz, häufig verursacht durch sich wandelnde Daten oder klinische Bedingungen.
Drift setzt nicht voraus, dass ein Entwickler ein neues Modell veröffentlicht. Die Umgebung kann sich verändern, während die zugrunde liegende Software unverändert bleibt.
Ein Krankenhaus kann seine Bildgebungsgeräte austauschen, Überweisungskriterien ändern oder einen neuen Workflow für elektronische Patientenakten einführen. Auch Patientenpopulationen können sich im Laufe der Zeit verändern.
Der Algorithmus verarbeitet dann möglicherweise Eingaben, die von seinen Entwicklungsdaten abweichen. Seine Genauigkeit kann schrittweise nachlassen, ohne ein einzelnes offensichtliches Fehlereignis auszulösen.
Dieses schleichende Muster ist wichtig, weil herkömmliche Vigilanzsysteme häufig auf Vorfälle ausgerichtet sind. Eine schwerwiegende Fehlfunktion löst eine Meldung, Untersuchung oder Korrekturmaßnahme aus.
Die Verschlechterung von KI-Systemen kann leiser verlaufen. Ein System könnte für eine Gruppe geringfügig weniger sensitiv werden, mehr Fehlalarme erzeugen oder an einem Standort an Genauigkeit verlieren.
Kein einzelnes Ergebnis muss wie ein meldepflichtiger Produktfehler aussehen. Die kumulative Wirkung kann jedoch weiterhin Diagnosen verzögern oder unnötige Eingriffe erhöhen.
Die Kommission argumentiert, dass dieses Risiko eine rein reaktive Überwachung unzureichend macht. Ihre bevorzugte Alternative nutzt wiederkehrende Leistungsmessungen und Evidenz aus der Praxis während des gesamten Produktlebenszyklus.
Evidenz aus der Praxis umfasst Informationen, die während des Betriebs eines Produkts in realen Versorgungseinrichtungen erhoben werden. Dazu können Sicherheitsmeldungen, klinische Ergebnisse, Fehlermuster, die Leistung in Untergruppen und Betriebsdaten gehören.
Es geht nicht einfach darum, mehr Informationen zu sammeln. Regulierungsbehörden benötigen vorab festgelegte Schwellenwerte, die zeigen, wann die Leistung einen akzeptablen Bereich verlassen hat.
Entwickler benötigen außerdem Eskalationsverfahren. Diese Verfahren sollten festlegen, wann untersucht, die Nutzung eingeschränkt, ein Update ausgesetzt oder ein Produkt vom Markt genommen werden muss.
Die Kommission empfiehlt ferner Bewertungen der gesundheitlichen Chancengleichheit über den gesamten Lebenszyklus. Die durchschnittliche Leistung eines Modells kann schwächere Ergebnisse für unterversorgte Bevölkerungsgruppen oder kleinere demografische Gruppen verdecken.
Dieses Problem kann während eines gestuften Einsatzes schwerwiegender werden. Frühe Standorte repräsentieren möglicherweise nicht die gesamte Bevölkerung, die nach einer Ausweitung mit dem System in Kontakt kommt.
Ein glaubwürdiger Zulassungsweg muss daher festlegen, welche Gruppen in der Evidenz vertreten sind. Er muss zudem erklären, wie Regulierungsbehörden reagieren werden, wenn die Leistung zwischen diesen Gruppen variiert.
Die öffentliche Beteiligung der Kommission stützt diese Schwerpunktsetzung. Eine Studie der Health Foundation nutzte im März und April 2026 Workshops mit 78 Personen in Cardiff, Milton Keynes und York.
Die Teilnehmer entwickelten fünf Grundsätze für die Regulierung von KI im Gesundheitswesen. Genauigkeit war ihre höchste Priorität, während menschliche Aufsicht und Schutz vor ungleicher Versorgung ebenfalls zentrale Bedingungen waren.
Die Ergebnisse bedeuten nicht, dass die Öffentlichkeit KI im Gesundheitswesen ablehnt. Sie zeigen, dass Akzeptanz von sichtbaren Kontrollen und Nachweisen abhängt, die auch nach dem Einsatz aussagekräftig bleiben.
Deshalb steht die kontinuierliche Überwachung im Zentrum der vorgeschlagenen britischen Regulierung für KI-Medizinprodukte. Sie verknüpft frühen Zugang mit der fortlaufenden Pflicht, Sicherheit und Wirksamkeit nachzuweisen.
Gestufte Zulassung tauscht Gewissheit gegen bessere Evidenz
Die gestufte Zulassung akzeptiert zu Beginn begrenzte Unsicherheit und verlangt dann stärkere Evidenz, bevor sich die Exposition ausweitet.
Der Vorschlag der Kommission stellt die Vorstellung infrage, dass Regulierungsbehörden jede Unsicherheit ausräumen müssen, bevor ein Produkt Patienten erreicht. Bei einigen KI-Systemen kann ein kontrollierter Einsatz bessere Evidenz liefern als zusätzliche Labortests.
Dieser Ansatz kann helfen, wenn die Leistung stark von lokalen Arbeitsabläufen abhängt. Er kann Entwicklern auch dabei helfen zu prüfen, ob Kliniker eine Ausgabe wie vorgesehen nutzen.
Ein Modell könnte beispielsweise mögliche Schlaganfälle in medizinischen Bildern markieren. Seine technische Genauigkeit ist wichtig, ebenso jedoch Reaktionszeiten, Personalausstattung, die Darstellung von Warnhinweisen und Eskalationsverfahren.
Ein gestufter Einsatz könnte dieses Modell auf bestimmte Krankenhäuser mit geschultem Personal beschränken. Die Zulassung könnte häufige Berichte und einen Ausweichpfad verlangen, wenn der Dienst nicht verfügbar ist.
Der Hersteller und die Krankenhäuser könnten dann untersuchen, ob das System unter diesen Bedingungen die Versorgung verbessert. Eine Ausweitung würde erst erfolgen, nachdem vorab festgelegte Sicherheits- und Leistungsanforderungen erfüllt wurden.
Die Empfehlung 14 der Kommission besagt, dass diese Wege technische Reife, klinischen Bedarf und erforderliche Risikokontrollen berücksichtigen sollten. Sie besagt außerdem, dass ihre Bedingungen transparent sein sollten.
Ein Weg von der gestuften zur vollständigen Zulassung muss klar definiert sein. Ohne einen solchen Weg könnten Krankenhäuser von einem Produkt abhängig werden, das auf unbestimmte Zeit vorläufig bleibt.
Der Vorschlag fordert außerdem, dass Überwachungspläne bei der Zulassung bewertet werden. Hersteller könnten verpflichtet werden, Studien nach dem Markteintritt durchzuführen und wiederkehrende Leistungsberichte einzureichen.
Regulierungsbehörden benötigten Verfahren für ein Eingreifen, bevor ein meldepflichtiger Vorfall eintritt. Eine feststellbare Leistungsverschlechterung könnte selbst eine Eskalation auslösen.
Dieses Design kehrt die übliche Verteilung der Evidenz um. Es beseitigt Tests vor dem Markteintritt nicht, gibt Evidenz nach dem Markteintritt jedoch eine größere Rolle.
Dieser Zielkonflikt bietet potenzielle Vorteile. Patienten könnten früher Zugang zu vielversprechender Technologie erhalten, und Regulierungsbehörden könnten die Leistung in den wichtigsten Einsatzumgebungen bewerten.
Er schafft jedoch auch erhebliche Umsetzungsrisiken. Ein begrenzter Einsatz betrifft weiterhin reale Patienten, und eine mangelhafte Überwachung würde kontrollierte Unsicherheit in unkontrollierte Exposition verwandeln.
Die Verfügbarkeit von Daten ist eine Einschränkung. Krankenhäuser müssen einheitliche Informationen zu Modellversionen, Eingaben, Ausgaben, klinischen Maßnahmen, Ergebnissen und Patientengruppen erfassen.
Diese Aufzeichnungen können sich über getrennte Systeme verteilen. Ein Hersteller könnte technische Protokolle sehen, ohne die klinischen Ergebnisse zu erhalten, die für ihre Interpretation erforderlich sind.
Krankenhäuser verfügen möglicherweise über Ergebnisdaten, aber nicht über die Modelltelemetrie, die nötig ist, um eine Softwareänderung zu erkennen. Regulierungsbehörden erhalten dann ein unvollständiges Bild, das aus mehreren Organisationen zusammengesetzt ist.
Auch die Häufigkeit der Überwachung erfordert eine Entscheidung. Monatliche Berichte könnten eine plötzliche Verschlechterung übersehen, während Echtzeitaufsicht Rauschen und Fehlalarme erzeugen kann.
Leistungsschwellen benötigen zudem klinische Bedeutung. Eine kleine statistische Veränderung könnte die Patientenversorgung nicht beeinflussen, während eine moderate durchschnittliche Veränderung schwerwiegende Schäden in Untergruppen verbergen könnte.
Eine gestufte Zulassung erfordert daher mehr als ein Zulassungslabel. Sie benötigt Datenstandards, Rückverfolgbarkeit, analytische Kapazitäten und Regeln zur Auflösung widersprüchlicher Evidenz.
Das Vereinigte Königreich hat Teile dieses Modells bereits über die AI Airlock sandbox erprobt. Die MHRA startete dieses Programm 2024, um regulatorische Herausforderungen anhand realer Produkte zu untersuchen.
Die zweite Phase befasste sich mit Überwachung nach Markteinführung, Evidenzgenerierung, menschlichen Faktoren und sich verändernden Algorithmen. Das Programm stellte fest, dass die derzeitigen Rahmenwerke fragmentiert und nur schwer einheitlich anzuwenden sein können.
Der Airlock untersuchte auch vorab festgelegte Änderungspläne. Ein PCCP beschreibt geplante Softwareänderungen, den Prozess zu ihrer Steuerung und die Bewertung ihrer Auswirkungen.
Ein solcher Plan kann es einem Entwickler erlauben, genehmigte Kategorien von Änderungen vorzunehmen, ohne für jedes Update eine neue Prüfung beantragen zu müssen. Der Plan muss jedoch klare Grenzen und Validierungsanforderungen festlegen.
Der Airlock-Bericht von 2026 stellte fest, dass PCCPs noch nicht formell im britischen Rahmenwerk verankert waren. Er beschrieb zudem Unsicherheit darüber, wie sie in der Praxis funktionieren würden.
Diese Lücke ist bedeutsam, weil gestufte Zulassungen und kontrollierte Updates von regulatorischer Vorhersehbarkeit abhängen. Entwickler müssen wissen, welche Änderungen innerhalb einer bestehenden Zulassung bleiben.
Regulierungsbehörden benötigen ebenso Klarheit über Änderungen, die einer erneuten Prüfung bedürfen. Krankenhäuser müssen wissen, welche Version eingesetzt wird und ob die zugrunde liegende Evidenz weiterhin gilt.
Ein gestufter Weg kann sowohl Zugang als auch Evidenz verbessern, wenn diese Elemente zusammenwirken. Ohne sie droht daraus ein leichterer Zulassungsweg mit schwerer erkennbaren Fehlern zu werden.
Patientensicherheit hängt von gemeinsamer Verantwortlichkeit ab
Der schwierigste Teil der Lebenszyklusregulierung besteht darin, Maßnahmen zuzuordnen, nicht lediglich festzustellen, dass sich ein KI-System verändert hat.
Die Kommission weist die Vorstellung zurück, dass Hersteller allein jedes Risiko steuern können. KI im Gesundheitswesen arbeitet innerhalb eines soziotechnischen Systems, das heißt, die Ergebnisse von Software hängen von Menschen, Organisationen, Prozessen und Infrastruktur ab.
Ein korrektes Modellergebnis kann dennoch Schaden verursachen, wenn eine klinische Fachkraft es falsch interpretiert. Ein fehlerhaftes Ergebnis kann auch abgefangen werden, wenn Mitarbeitende die Grenzen des Systems verstehen.
Automatisierungsbias verkompliziert diese Beziehung. Er beschreibt die Tendenz, einer automatisierten Empfehlung den Vorzug zu geben, selbst wenn gegenteilige Evidenz vorliegt.
Schulungen können dieses Risiko verringern, doch Bildung allein reicht nicht aus. Benutzeroberflächen, Arbeitsbelastung, Warnhinweise, lokale Richtlinien und Erwartungen des Managements prägen sämtlich das Verhalten klinischer Fachkräfte.
Die Kommission erklärt, KI solle Gesundheitsfachkräfte unterstützen, statt ihr Urteil zu ersetzen. Sie fordert außerdem, dass Patientinnen und Patienten wissen, wenn KI wesentlich zu ihrer Versorgung beiträgt.
Nicht jede Nutzung im Hintergrund erfordert dieselbe Offenlegung. Ein administratives Terminplanungstool wirft andere Fragen auf als Software, die eine Diagnose- oder Behandlungsentscheidung beeinflusst.
Die regulatorische Herausforderung besteht darin, angemessene Transparenz zu definieren. Zu wenig Information lässt Patientinnen und Patienten im Unklaren, während wahllose Hinweise bedeutungslos werden können.
Verantwortlichkeit wird noch wichtiger, wenn etwas schiefläuft. Patientinnen und Patienten benötigen einen Weg zu Erklärung, Untersuchung, Korrektur und Wiedergutmachung.
Ein Hersteller könnte die lokale Implementierung verantwortlich machen. Ein Krankenhaus könnte auf ein zugelassenes Gerät verweisen, während eine klinische Fachkraft sagen könnte, das System habe die Entscheidung geprägt.
Die Kommission möchte, dass Verantwortlichkeiten vor dem Einsatz festgelegt werden. Beschaffungsverträge, klinische Governance und regulatorische Auflagen müssten denselben Überwachungs- und Reaktionsplan unterstützen.
Die frühere britische Politik hatte dieses Problem bereits anerkannt. In ihrer früheren regulatorischen Antwort unterstützte die Regierung Vereinbarungen zwischen Herstellern und Gesundheitseinrichtungen zur Überwachung von Sicherheit und Leistung.
Diese Antwort befürwortete auch einen Ausweichplan für den Fall, dass ein Gerät vom Markt genommen werden muss. Beamte erklärten jedoch, einige Verantwortlichkeiten gehörten eher in Beschaffungsanforderungen als in das Medizinprodukterecht.
Die neue Kommission vertritt eine breitere Sichtweise. Sie argumentiert, dass Regulierung, Beschaffung, berufliche Standards und Governance im Gesundheitswesen als verbundenes System funktionieren müssen.
Der Vorschlag umfasst eine durchsuchbare öffentliche Quelle für Sicherheitsinformationen zu KI-Geräten. Patientinnen und Patienten könnten bekannte Vorfälle und weitere relevante Details zu bestimmten Produkten prüfen.
Dies baut auf dem Grundsatz bestehender Sicherheitsdatenbanken auf. Nützliche Transparenz erfordert jedoch mehr als die Veröffentlichung roher Vorfallzahlen.
Ein Produkt, das millionenfach genutzt wird, wird naturgemäß mehr Meldungen erzeugen als ein selten eingesetztes System. Unterschiede in der Meldepraxis können Vergleiche ebenfalls verzerren.
Öffentliche Informationen müssen daher den vorgesehenen Einsatz, die Geräteversion, die Risikoklasse, den Umfang des Einsatzes und die Grenzen der verfügbaren Evidenz erläutern. Andernfalls kann scheinbare Offenheit in die Irre führen.
Die Kommission empfiehlt außerdem stärkere Durchsetzungsbefugnisse für die MHRA. Kontinuierliche Überwachung bietet wenig Schutz, wenn eine Regulierungsbehörde keine Daten erhalten oder nicht rasch auf Evidenz reagieren kann.
Die MHRA benötigte ausreichend technische Expertise, um Modellleistung und Softwareänderungen zu bewerten. Sie bräuchte zudem Ressourcen, um eine wachsende Zahl von Produkten zu beaufsichtigen.
Jennifer Dixon, Chief Executive der Health Foundation, benannte dieses Kapazitätsproblem in der Ankündigung der Kommission durch die Regierung. Sie sagte, die Umsetzung hänge von Kapazitäten, Kompetenzen und Systemen des NHS ab.
Dies ist der stärkste skeptische Aspekt des Vorschlags. Das Konzept ist glaubwürdig, sein Schutzwert hängt jedoch von einer operativen Infrastruktur ab, die weiterhin uneinheitlich ist.
Krankenhäuser bewältigen bereits umfangreiche Verpflichtungen in den Bereichen klinische Sicherheit, Cybersicherheit, Beschaffung und Daten. Die KI-Überwachung über den Lebenszyklus hinweg fügt diesen Funktionen spezialisierte Aufgaben hinzu.
Kleinere Leistungserbringer könnten Schwierigkeiten haben, Teams zu unterhalten, die Drift, Bias, Updates und Leistung unter Realbedingungen interpretieren können. Kleinere Entwickler können vor ähnlichen Grenzen stehen.
Zentrale Unterstützung könnte doppelte Arbeit reduzieren. Gemeinsame Überwachungsinfrastruktur und einheitliche Berichtsstandards würden Evidenz zwischen verschiedenen Standorten leichter vergleichbar machen.
Zentralisierung bringt jedoch eigene Risiken mit sich. Eine nationale Überwachungsplattform muss sensible Gesundheitsinformationen schützen und einen aussagekräftigen lokalen Kontext bewahren.
Die Empfehlungen der Kommission erkennen an, dass die Umsetzung angemessen ausgestattete Regulierungsbehörden erfordert. Sie legen jedoch noch keine Budgets, Personalstärken oder technische Architektur fest.
Diese Auslassung ist in einem beratenden Bericht nachvollziehbar. Sie bedeutet jedoch auch, dass der spätere Umsetzungsplan der Regierung darüber entscheiden wird, ob der Vorschlag die Praxis verändert.
Das Vereinigte Königreich schließt sich einer internationalen Entwicklung hin zu Lebenszyklusaufsicht an
Der britische Vorschlag ist national spezifisch, doch seine zentralen Regulierungsinstrumente ähneln zunehmend den Ansätzen anderer großer Behörden.
Die Regulierung von KI-Medizinprodukten wird zu einem Problem internationaler Koordination. Entwickler konzipieren häufig ein Produkt für mehrere Märkte, während Regulierungsbehörden innerhalb ihrer jeweiligen Zuständigkeiten verantwortlich bleiben.
Unterschiedliche Definitionen oder Meldeanforderungen können Compliance-Kosten erhöhen. Noch wichtiger ist, dass uneinheitliche Evidenzstandards Sicherheitssignale schwer vergleichbar machen können.
Die Kommission empfiehlt internationale Harmonisierung, sofern sie eine klare und belastbare Regulierung unterstützt. Sie erkennt zugleich an, dass das Vereinigte Königreich die Verantwortung für Produkte behalten muss, die bei seinen Patientinnen und Patienten eingesetzt werden.
Ein gemeinsames Instrument ist der vorab festgelegte Änderungsplan. Die MHRA half bei der Entwicklung internationaler Grundsätze für PCCPs gemeinsam mit der US Food and Drug Administration und Health Canada.
Der US-Rahmen ist weiter fortgeschritten. Die FDA veröffentlichte im August 2025 endgültige PCCP-Leitlinien für KI-gestützte Softwarefunktionen von Medizinprodukten.
Die Leitlinien behandeln geplante Änderungen, Entwicklungs- und Validierungsmethoden, Umsetzungskontrollen und Folgenabschätzungen. Die FDA prüft den Plan als Teil eines Zulassungsantrags.
Ein zugelassener Entwickler kann anschließend Änderungen umsetzen, die von diesem Plan abgedeckt sind, ohne für jede Änderung einen separaten Antrag einzureichen. Änderungen außerhalb des Plans erfordern weiterhin eine angemessene regulatorische Prüfung.
Dieses Modell erlaubt keine uneingeschränkt selbstaktualisierende Software. Es definiert einen kontrollierten Raum für erwartete Änderungen und verlangt Evidenz dafür, dass die Kontrollen wirksam bleiben.
Der Lebenszyklusansatz der britischen Kommission ergänzt diese Idee. Ein PCCP steuert bekannte Kategorien von Änderungen, während kontinuierliche Überwachung nach unerwarteten Leistungsproblemen sucht.
Die gestufte Zulassung bezieht sich auf einen anderen Punkt im Lebenszyklus. Sie regelt, wie der ursprüngliche Anwendungsbereich eines Produkts erweitert werden könnte, wenn Evidenz aus der Praxis die Unsicherheit verringert.
Die Europäische Union bietet einen weiteren wichtigen Vergleich. Ihr Medizinprodukterahmen umfasst bereits Anforderungen an Überwachung nach Markteinführung und Vigilanz.
Der EU AI Act fügt Anforderungen für bestimmte Hochrisiko-KI-Systeme hinzu. Für KI-Systeme, die Medizinprodukte sind, sollen zentrale Hochrisiko-Bestimmungen ab dem 2. August 2027 gelten.
Europäische Leitlinien verknüpfen die Überwachung nach Markteinführung mit der Art und den Risiken der Technologie. Diese Richtung ähnelt dem Aufruf der britischen Kommission zu einer angemessenen Lebenszyklusaufsicht.
Die rechtlichen Strukturen sind jedoch nicht identisch. Großbritannien arbeitet nach den UK Medical Devices Regulations, während EU-Vorschriften im Rahmen des Windsor Framework weiterhin in Nordirland gelten.
Ein Entwickler, der den britischen Markt bedient, kann daher innerhalb des Landes auf unterschiedliche Regulierungsregime treffen. Angleichung kann Reibung verringern, diese rechtlichen Unterschiede jedoch nicht beseitigen.
Die Kommission unterstützt außerdem Anerkennungs- und Reliance-Wege mit vertrauenswürdigen ausländischen Regulierungsbehörden. Solche Wege können ausländische Bewertungen berücksichtigen, ohne die endgültige Entscheidung des Vereinigten Königreichs aufzugeben.
Dieser Ansatz könnte doppelte Prüfungen für Produkte mit überzeugender Evidenz aus anderen Ländern reduzieren. Er könnte Patientinnen und Patienten auch einen früheren Zugang zu nützlichen Geräten ermöglichen.
Reliance wird riskant, wenn Behörden Zulassungsentscheidungen ohne den zugrunde liegenden Kontext austauschen. Ein Modell, das in einem anderen Gesundheitssystem validiert wurde, kann im NHS anders funktionieren.
Datenstandards und transparente Evidenz sind daher unerlässlich. Regulierungsbehörden benötigen genügend Details, um zu bestimmen, ob ausländische Erkenntnisse auf lokale Bevölkerungsgruppen und Arbeitsabläufe übertragbar sind.
Internationale Koordination kann auch die Überwachung nach der Zulassung verbessern. Ein Sicherheitssignal, das in einem Markt erscheint, kann relevant sein, bevor dasselbe Muster andernorts sichtbar wird.
Gemeinsame Terminologie für Modellversionen, Änderungen, Vorfälle und Leistungskennzahlen würde diese Signale leichter interpretierbar machen. Sie würde auch die Pflichten von Herstellern vorhersehbarer machen.
Harmonisierung sollte jedoch nicht zu einem Wettlauf um den am wenigsten anspruchsvollen Weg werden. Entwickler werden naturgemäß Märkte mit klaren und zeitnahen Zulassungen bevorzugen.
Die Kommission versucht, Sicherheit und Geschwindigkeit als wechselseitig unterstützend zu gestalten. Vorhersehbare Bedingungen können Investitionen fördern, während fortlaufende Evidenz Patientinnen und Patienten schützt.
Dieses Versprechen ist bislang unbewiesen. Das Vereinigte Königreich muss zeigen, dass gestufter Zugang bessere Evidenz schafft, ohne die für eine vollständige Zulassung erforderliche Strenge zu verringern.
Gelingt dies, könnte der Rahmen andere Regulierungsbehörden beeinflussen. Wird die Umsetzung jedoch langsam oder uneinheitlich, droht Entwicklern eine weitere Prozessebene ohne entsprechende Klarheit.
Drei Signale werden zeigen, ob die Reform Patienten schützt
Der nächste Test besteht darin, ob Minister den beratenden Entwurf in durchsetzbare Regeln, finanzierte Überwachung und nutzbare öffentliche Informationen überführen.
Das erste Signal ist die formelle Antwort der Regierung. Die Verantwortlichen müssen entscheiden, welche Empfehlungen sie übernehmen und welche Gesetzgebung, Leitlinien oder operative Änderungen erfordern.
Eine überzeugende Antwort würde zuständige Organisationen und Zieltermine benennen. Sie würde außerdem zwischen kurzfristigen MHRA-Leitlinien und Änderungen unterscheiden, die Anpassungen des Medizinprodukterechts erfordern.
Dieses Signal wird zeigen, ob die gestufte Zulassung zu einem klar definierten Weg wird oder ein politisches Ziel bleibt. Eindeutige Regeln für Fortschritt und Rücknahme würden die Position der Kommission stärken.
Vage Zusagen würden sie schwächen. Entwickler und Krankenhäuser können keine Evidenzprogramme rund um ein Zulassungskonzept ohne detaillierte regulatorische Bedingungen gestalten.
Das zweite Signal ist die Ausgestaltung der Überwachung nach dem Inverkehrbringen. Zu den entscheidenden Details gehören verpflichtende Kennzahlen, Berichtsfrequenzen, Subgruppenanalysen und Eskalationsschwellen.
Das Vereinigte Königreich hat die allgemeine Überwachung von Medizinprodukten durch 2025 in Kraft getretene Regeln gestärkt. Die Airlock-Erkenntnisse erklären jedoch, warum KI eine spezifischere Behandlung erfordert.
Bestehende Systeme können davon ausgehen, dass Änderungen klar abgrenzbar und erkennbar sind. Einige KI-Fehler treten schleichend oder nur in bestimmten klinischen Umgebungen auf.
Ein glaubwürdiger Umsetzungsplan sollte Geräteversionen mit Einsatzorten und Leistungsnachweisen verknüpfen. Er sollte außerdem festlegen, wer widersprüchliche Signale untersucht.
Die öffentliche Berichterstattung erfordert eine sorgfältige Gestaltung. Regulierungsbehörden müssen nützliche Sicherheitsinformationen bereitstellen, ohne private Gesundheitsdaten offenzulegen oder irreführende Vergleiche zu fördern.
Veröffentlicht die MHRA gemeinsame Evidenz- und Berichtsstandards, wird die Aufsicht über den gesamten Lebenszyklus messbar. Entwickeln hingegen jedes Krankenhaus und jeder Hersteller eine eigene Methode, bleibt die nationale Transparenz begrenzt.
Das dritte Signal ist die Umsetzungskapazität im NHS und bei der MHRA. Überwachungsanforderungen funktionieren nur, wenn Organisationen über Personal, Werkzeuge und die Befugnis zum Handeln verfügen.
Achten Sie auf Finanzierung, die Rekrutierung von Fachkräften, gemeinsame technische Infrastruktur und klar definierte Rollen für Kliniker. Beschaffungsunterlagen sollten zudem Verantwortlichkeiten zuweisen, bevor der Einsatz beginnt.
Diese Kapazitätsfrage entscheidet darüber, ob kontinuierliche Aufsicht proaktiv wird oder lediglich mehr Bürokratie erzeugt. Hier treffen auch Patientensicherheit und Innovationsanreize aufeinander.
Entwickler profitieren, wenn die Evidenzanforderungen an allen NHS-Standorten einheitlich bleiben. Krankenhäuser profitieren, wenn sie validierte Überwachungsmethoden wiederverwenden und doppelte technische Arbeit vermeiden können.
Teams, die sich auf dieses Umfeld vorbereiten, sollten Entscheidungen, Modelldokumentation, Leistungsberichte und regulatorische Kommunikation in einer durchsuchbaren Wissensdatenbank festhalten. Rückverfolgbarkeit wird Teil des täglichen Betriebs und keine abschließende Compliance-Übung mehr sein.
Der britische Regulierungsvorschlag für KI-Medizinprodukte bietet eine schlüssige Antwort auf eine reale Schwäche einmaliger Zulassungen. Er erkennt an, dass sich mit verändernder Software auch die Aufsicht ändern muss.
Sein Erfolg wird nicht daran gemessen werden, wie viele KI-Produkte in den NHS gelangen. Entscheidend ist vielmehr, ob Probleme früher sichtbar werden, Verantwortlichkeiten klar bleiben und Patienten sicherer versorgt werden.
Die unmittelbare Frage ist daher praktisch: Wird die Regierung die Infrastruktur finanzieren und durchsetzen, die nötig ist, um Lebenszyklusregulierung Realität werden zu lassen?
