Brytyjskie regulacje dotyczące wyrobów medycznych opartych na AI czeka reforma obejmująca cały cykl życia
Wielka Brytania zaproponowała istotną zmianę regulacji dotyczących wyrobów medycznych opartych na AI po tym, jak niezależna komisja wysłuchała opinii ponad 12 000 osób. Zamiast traktować zatwierdzenie jako jednorazowy etap końcowy, propozycja zakładałaby monitorowanie systemów AI przez cały okres ich działania.
Plan pochodzi od National Commission into the Regulation of AI in Healthcare, panelu ekspertów powołanego przez Medicines and Healthcare products Regulatory Agency. Jego główny wniosek jest jednoznaczny: przepisy projektowane z myślą o stosunkowo statycznych wyrobach medycznych nie pasują do oprogramowania zmieniającego się zależnie od lokalizacji, danych, aktualizacji i procesów klinicznych.
Komisja chce, aby Wielka Brytania zastąpiła jednorazowe zapewnienie zgodności etapowym dostępem, dowodami z rzeczywistej praktyki, ciągłym nadzorem i wyraźniejszym podziałem odpowiedzialności w całym systemie ochrony zdrowia. To tworzy główny kompromis. Regulatorzy chcą, aby pacjenci szybciej otrzymywali użyteczne technologie, lecz wczesnemu dostępowi muszą towarzyszyć egzekwowalne ograniczenia i wiarygodne monitorowanie.
Brytyjskie regulacje dotyczące wyrobów medycznych opartych na AI wyjdą poza jednorazowe zatwierdzanie
Komisja chce, aby zatwierdzenie regulacyjne stało się początkiem nadzoru, a nie jego końcem.
Komisja opublikowała swoje zalecenia 10 września 2026 r., po tym jak MHRA powołała ją we wrześniu 2025 r. Był to niezależny, niestatutorowy organ doradczy, więc jego raport sam w sobie nie zmienia brytyjskiego prawa.
Rząd i MHRA rozważą zalecenia przed wydaniem formalnej odpowiedzi. To rozróżnienie ma znaczenie, ponieważ raport jest planem działania, a nie przyjętymi ramami regulacyjnymi.
Mimo to propozycja przedstawia urzędnikom szczegółową drogę naprzód. Jej pierwsze zalecenie wzywa do systematycznego przeglądu UK Medical Devices Regulations 2002. Celem są ramy dostosowane do oprogramowania i produktów wykorzystujących AI.
Komisja twierdzi, że obecne przepisy nie klasyfikują jasno każdego produktu AI dla ochrony zdrowia. Asystent administracyjny, aplikacja wellness i narzędzie wspomagające decyzje kliniczne mogą stwarzać bardzo różne ryzyka. Ich granice mogą jednak być trudne do wytyczenia, gdy jeden produkt łączy kilka funkcji.
Zgodnie z propozycją regulatorzy skupialiby się bliżej na funkcji medycznej tworzącej istotne ryzyko kliniczne. Uwzględnialiby także oczekiwane korzyści, cykl życia produktu oraz zgodność z międzynarodowymi podejściami regulacyjnymi.
Raport poświęca szczególną uwagę wyrobom klasy I o niskim ryzyku, które producenci mogą czasem deklarować samodzielnie. Zaleca usunięcie słabości tego modelu, gdy oprogramowanie stwarza ryzyko dla pacjenta wystarczające, by uzasadnić niezależny nadzór.
Najbardziej widoczną propozycją jest etapowe zezwalanie. Ramy komisji definiują je jako wdrożenie w ograniczonym zakresie przed uzyskaniem szerszego zezwolenia.
Wyrób mógłby najpierw działać w określonych szpitalach, środowiskach klinicznych lub grupach pacjentów. Jego twórca zbierałby dowody w uzgodnionych warunkach, podczas gdy klinicyści i regulatorzy śledziliby jego działanie.
Rozszerzenie zależałoby od tych dowodów. System działający bezpiecznie mógłby przejść do szerszego zastosowania, natomiast słabe lub niestabilne wyniki mogłyby wstrzymać wdrożenie.
Urzędnicy rządowi porównali ten model do uczącego się kierowcy korzystającego z oznaczeń „L”. Analogia oddaje zamierzoną równowagę między doświadczeniem w rzeczywistych warunkach a ograniczonymi warunkami działania.
Porównanie ujawnia również trudne pytanie polityczne. Uczący się kierowca ma obok siebie licencjonowanego opiekuna, podczas gdy odpowiedzialność za algorytm medyczny może obejmować wiele organizacji.
Producenci tworzą i aktualizują model. Szpitale wybierają miejsca jego wdrożenia. Klinicyści interpretują jego wyniki, a dostawcy technologii mogą zarządzać infrastrukturą przesyłającą dane między systemami.
MHRA reguluje wyroby medyczne, lecz inne organizacje nadzorują jakość ochrony zdrowia, standardy zawodowe, zamówienia publiczne, badania i ochronę danych. Etapowe zezwolenie nie może chronić pacjentów, jeśli te obowiązki nie są połączone w praktyce.
Propozycja wykracza więc poza zatwierdzanie produktów. Wzywa do podejścia obejmującego cały system, które łączy regulatorów, świadczeniodawców, specjalistów, twórców, producentów, pacjentów i społeczeństwo.
Ten szerszy zakres sprawia, że raport jest czymś więcej niż aktualizacją technicznych zasad dotyczących wyrobów. To próba zdefiniowania, kto musi działać, gdy wyniki zmieniają się po wejściu systemu AI do opieki klinicznej.
Statyczne przepisy dotyczące wyrobów nie radzą sobie ze spadkiem skuteczności AI
System AI może przejść ocenę, a mimo to zachowywać się inaczej, gdy zmieniają się lokalni pacjenci, procesy pracy lub dane.
Tradycyjne regulacje wyrobów medycznych często przywiązują dużą wagę do dowodów zebranych przed wejściem produktu na rynek. Podejście to działa najlepiej, gdy zatwierdzony produkt pozostaje zasadniczo niezmieniony po wdrożeniu.
Oprogramowanie wykorzystujące AI komplikuje to założenie. Jego skuteczność może zależeć od populacji, szpitala, sprzętu, procesu klinicznego i potoku danych, które je otaczają.
Model diagnostyczny opracowany na danych z jednego regionu może napotkać gdzie indziej inne wzorce chorób. Może także otrzymywać obrazy z innych skanerów lub dane rejestrowane zgodnie z innymi praktykami klinicznymi.
Różnice te mogą prowadzić do skuteczności zależnej od kontekstu, co oznacza, że wyniki różnią się zależnie od środowiska użycia. Rzetelna ocena laboratoryjna nie jest w stanie uchwycić wszystkich warunków występujących w krajowym systemie ochrony zdrowia.
Spadek skuteczności stwarza kolejny problem. Jest to mierzalne pogorszenie lub zmiana zachowania modelu po wdrożeniu, często spowodowane zmianami danych lub warunków klinicznych.
Nie wymaga on wydania przez twórcę nowego modelu. Otaczający świat może się zmieniać, podczas gdy podstawowe oprogramowanie pozostaje niezmienione.
Szpital może wymienić sprzęt do obrazowania, zmienić kryteria kierowania pacjentów lub wprowadzić nowy proces pracy z elektroniczną dokumentacją. Populacje pacjentów również mogą zmieniać się z czasem.
Algorytm może wtedy przetwarzać dane wejściowe różniące się od danych użytych podczas jego tworzenia. Jego dokładność może stopniowo słabnąć, nie powodując jednego oczywistego zdarzenia awaryjnego.
Ten stopniowy wzorzec ma znaczenie, ponieważ konwencjonalne systemy nadzoru często skupiają się na incydentach. Poważna usterka uruchamia zgłoszenie, dochodzenie lub działanie korygujące.
Pogorszenie działania AI może być mniej widoczne. System może stać się nieznacznie mniej czuły dla jednej grupy, generować więcej fałszywych alertów lub tracić dokładność w jednej lokalizacji.
Żaden pojedynczy wynik nie musi wyglądać na podlegającą zgłoszeniu awarię wyrobu. Skumulowany efekt może jednak nadal opóźniać diagnozy lub zwiększać liczbę niepotrzebnych procedur.
Komisja argumentuje, że to ryzyko sprawia, iż reaktywny nadzór jest niewystarczający. Jej preferowana alternatywa wykorzystuje cykliczne pomiary skuteczności i dowody z rzeczywistej praktyki przez cały cykl życia produktu.
Dowody z rzeczywistej praktyki oznaczają informacje zbierane, gdy wyrób działa w rzeczywistych warunkach opieki. Mogą obejmować zgłoszenia dotyczące bezpieczeństwa, wyniki kliniczne, wzorce błędów, skuteczność w podgrupach oraz dane operacyjne.
Nie chodzi wyłącznie o zbieranie większej ilości informacji. Regulatorzy potrzebują wcześniej określonych progów, które pokażą, kiedy skuteczność wyszła poza akceptowalny zakres.
Twórcy potrzebują również procedur eskalacji. Powinny one określać, kiedy należy wszcząć dochodzenie, ograniczyć użycie, zawiesić aktualizację lub wycofać wyrób.
Komisja zaleca ponadto oceny równości w zdrowiu na przestrzeni całego cyklu życia. Średnia skuteczność modelu może ukrywać słabsze wyniki dla niedostatecznie obsługiwanych populacji lub mniejszych grup demograficznych.
Problem ten może stać się poważniejszy podczas etapowego wdrażania. Wczesne lokalizacje mogą nie reprezentować całej populacji, która zetknie się z systemem po rozszerzeniu jego zastosowania.
Wiarygodna ścieżka zezwalania musi zatem określać, które grupy uwzględniono w dowodach. Musi także wyjaśniać, jak regulatorzy zareagują, gdy skuteczność różni się między tymi grupami.
Zaangażowanie społeczne komisji wspiera ten nacisk. Badanie Health Foundation wykorzystało warsztaty z udziałem 78 osób w Cardiff, Milton Keynes i Yorku w marcu i kwietniu 2026 r.
Uczestnicy opracowali pięć zasad regulacji AI w ochronie zdrowia. Dokładność była ich najwyższym priorytetem, a nadzór człowieka i ochrona przed nierównym dostępem do opieki również stanowiły kluczowe warunki.
Wyniki nie oznaczają, że społeczeństwo odrzuca AI w ochronie zdrowia. Pokazują, że akceptacja zależy od widocznych mechanizmów kontroli i dowodów, które zachowują znaczenie po wdrożeniu.
Dlatego ciągłe monitorowanie znajduje się w centrum proponowanych brytyjskich regulacji dotyczących wyrobów medycznych opartych na AI. Łączy ono wczesny dostęp z trwałym obowiązkiem wykazywania bezpieczeństwa i skuteczności.
Etapowe zezwalanie zamienia pewność na lepsze dowody
Etapowe zezwalanie akceptuje ograniczoną niepewność na początku, a następnie wymaga silniejszych dowodów przed rozszerzeniem ekspozycji.
Propozycja komisji podważa założenie, że regulatorzy muszą rozstrzygnąć każdą niepewność, zanim produkt trafi do pacjentów. W przypadku niektórych systemów AI kontrolowane wdrożenie może dostarczyć lepszych dowodów niż dodatkowe testy laboratoryjne.
Podejście to może pomóc, gdy skuteczność silnie zależy od lokalnych procesów pracy. Może także pomóc twórcom sprawdzić, czy klinicyści wykorzystują wyniki zgodnie z przeznaczeniem.
Na przykład model może oznaczać możliwe udary na obrazach medycznych. Jego techniczna dokładność ma znaczenie, ale równie istotne są czasy reakcji, obsada personelu, sposób prezentacji alertów i procedury eskalacji.
Etapowe wdrożenie mogłoby ograniczyć ten model do określonych szpitali z przeszkolonym personelem. Zezwolenie mogłoby wymagać częstego raportowania i ścieżki awaryjnej na wypadek niedostępności usługi.
Producent i szpitale mogliby następnie badać, czy system poprawia opiekę w tych warunkach. Rozszerzenie nastąpiłoby dopiero po spełnieniu wcześniej określonych wymogów bezpieczeństwa i skuteczności.
Zalecenie 14 komisji stwierdza, że ścieżki te powinny uwzględniać dojrzałość techniczną, potrzebę kliniczną i niezbędne mechanizmy kontroli ryzyka. Wskazuje również, że ich warunki powinny być przejrzyste.
Ścieżka od etapowego do pełnego zezwolenia musi być jasno określona. Bez niej szpitale mogłyby zależeć od produktu, który pozostaje tymczasowy przez nieokreślony czas.
Propozycja wzywa również do oceny planów nadzoru w momencie udzielania zezwolenia. Producenci mogliby być zobowiązani do prowadzenia badań po wprowadzeniu produktu na rynek i składania cyklicznych raportów dotyczących skuteczności.
Regulatorzy potrzebowaliby procedur umożliwiających interwencję przed wystąpieniem incydentu podlegającego zgłoszeniu. Wykrywalne pogorszenie skuteczności mogłoby samo w sobie uruchomić eskalację.
Ten projekt odwraca zwykły rozkład dowodów. Nie eliminuje testów przed wprowadzeniem na rynek, lecz przyznaje dowodom po wprowadzeniu na rynek większą rolę.
Ten kompromis ma potencjalne korzyści. Pacjenci mogliby wcześniej otrzymywać obiecujące technologie, a regulatorzy mogliby oceniać skuteczność w warunkach, które mają największe znaczenie.
Stwarza on również poważne ryzyko wykonawcze. Ograniczone wdrożenie nadal obejmuje prawdziwych pacjentów, a słabe monitorowanie przekształciłoby kontrolowaną niepewność w niezarządzaną ekspozycję.
Dostępność danych jest jednym z ograniczeń. Szpitale muszą rejestrować spójne informacje o wersjach modeli, danych wejściowych, wynikach, działaniach klinicznych, rezultatach i grupach pacjentów.
Rejestry te mogą znajdować się w oddzielnych systemach. Producent może widzieć dzienniki techniczne, nie otrzymując wyników klinicznych potrzebnych do ich interpretacji.
Szpitale mogą posiadać dane o wynikach leczenia, ale nie dysponować telemetrią modelu potrzebną do zidentyfikowania zmiany w oprogramowaniu. Regulatorzy otrzymują wówczas niepełny obraz złożony z danych pochodzących od kilku organizacji.
Częstotliwość monitorowania tworzy kolejny dylemat. Raportowanie miesięczne może nie wychwycić nagłego pogorszenia, podczas gdy nadzór w czasie rzeczywistym może generować szum i fałszywe alarmy.
Progi wydajności również muszą mieć znaczenie kliniczne. Niewielka zmiana statystyczna może nie wpływać na opiekę nad pacjentem, podczas gdy umiarkowana zmiana średniej może ukrywać poważne szkody dla określonych podgrup.
Etapowe zatwierdzanie wymaga zatem czegoś więcej niż etykiety autoryzacji. Potrzebuje standardów danych, identyfikowalności, zdolności analitycznych oraz zasad rozstrzygania sprzecznych dowodów.
Wielka Brytania przetestowała już elementy tego modelu za pośrednictwem piaskownicy AI Airlock. MHRA uruchomiła ten program w 2024 roku, aby badać wyzwania regulacyjne z wykorzystaniem rzeczywistych produktów.
Druga faza analizowała nadzór po wprowadzeniu na rynek, tworzenie dowodów, czynniki ludzkie oraz zmieniające się algorytmy. Program wykazał, że obecne ramy mogą być rozproszone i trudne do konsekwentnego stosowania.
Airlock analizował również z góry określone plany kontroli zmian. PCCP opisuje planowane modyfikacje oprogramowania, proces ich kontrolowania oraz sposób oceny ich skutków.
Taki plan może pozwolić deweloperowi na wprowadzanie zatwierdzonych kategorii zmian bez ubiegania się o nową ocenę dla każdej aktualizacji. Plan musi jednak określać jasne granice i wymogi walidacyjne.
W raporcie Airlock z 2026 roku wskazano, że PCCP nie zostały jeszcze formalnie osadzone w brytyjskich ramach. Opisano w nim również niepewność co do tego, jak miałyby funkcjonować w praktyce.
Ta luka jest istotna, ponieważ etapowa autoryzacja i kontrolowane aktualizacje zależą od przewidywalności regulacyjnej. Deweloperzy muszą wiedzieć, które zmiany mieszczą się w zakresie istniejącego zatwierdzenia.
Regulatorzy potrzebują równie jasnych informacji o zmianach wymagających ponownej kontroli. Szpitale muszą wiedzieć, która wersja działa i czy odnoszą się do niej nadal istniejące dowody.
Ścieżka etapowa może poprawić zarówno dostęp, jak i bazę dowodową, gdy te elementy współdziałają. Bez nich grozi jej przekształcenie w łagodniejszą drogę zatwierdzania, z trudniejszymi do dostrzeżenia awariami.
Bezpieczeństwo pacjentów zależy od wspólnej odpowiedzialności
Najtrudniejszą częścią regulacji w całym cyklu życia jest przypisanie działań, a nie jedynie wykrycie, że system AI się zmienił.
Komisja odrzuca pogląd, że sami producenci mogą zarządzać każdym ryzykiem. AI w ochronie zdrowia działa w systemie społeczno-technicznym, co oznacza, że rezultaty oprogramowania zależą od ludzi, organizacji, procesów i infrastruktury.
Prawidłowy wynik modelu może mimo to wyrządzić szkodę, jeśli klinicysta błędnie go zinterpretuje. Wadliwy rezultat może również zostać wychwycony, gdy personel rozumie ograniczenia systemu.
Stronniczość automatyzacji komplikuje tę relację. Opisuje skłonność do faworyzowania zautomatyzowanej rekomendacji nawet wtedy, gdy istnieją dowody przeciwne.
Szkolenia mogą ograniczyć to ryzyko, lecz sama edukacja nie wystarcza. Interfejsy, obciążenie pracą, alerty, lokalne zasady i oczekiwania kierownictwa wpływają na zachowanie klinicystów.
Komisja twierdzi, że AI powinna wspierać pracowników ochrony zdrowia, zamiast zastępować ich osąd. Wzywa również, aby pacjenci wiedzieli, kiedy AI w istotny sposób przyczynia się do ich opieki.
Nie każde wykorzystanie w tle wymaga takiego samego ujawnienia informacji. Administracyjne narzędzie do planowania harmonogramów rodzi inne obawy niż oprogramowanie wpływające na diagnozę lub wybór leczenia.
Wyzwanie regulacyjne polega na określeniu proporcjonalnej przejrzystości. Zbyt mało informacji pozostawia pacjentów nieświadomych, podczas gdy masowe komunikaty mogą stać się pozbawione znaczenia.
Odpowiedzialność staje się jeszcze ważniejsza, gdy coś pójdzie nie tak. Pacjenci potrzebują drogi do uzyskania wyjaśnień, dochodzenia, korekty i zadośćuczynienia.
Producent może obwiniać lokalne wdrożenie. Szpital może wskazywać na zatwierdzone urządzenie, a klinicysta może twierdzić, że system wpłynął na decyzję.
Komisja chce, by zakresy odpowiedzialności ustalano przed wdrożeniem. Umowy zakupowe, nadzór kliniczny i warunki regulacyjne musiałyby wspierać ten sam plan monitorowania i reagowania.
Wcześniejsza polityka brytyjska już uznała ten problem. W swojej wcześniejszej odpowiedzi regulacyjnej rząd poparł porozumienia między producentami a instytucjami ochrony zdrowia dotyczące monitorowania bezpieczeństwa i wydajności.
W odpowiedzi tej poparto także plan awaryjny na wypadek konieczności wycofania urządzenia. Urzędnicy zaznaczyli jednak, że część obowiązków powinna znaleźć się w wymogach zakupowych, a nie w prawie dotyczącym wyrobów medycznych.
Nowa komisja przyjmuje szersze spojrzenie. Argumentuje, że regulacje, zamówienia, standardy zawodowe i zarządzanie ochroną zdrowia muszą działać jako połączony system.
Propozycja obejmuje przeszukiwalne publiczne źródło informacji o bezpieczeństwie urządzeń AI. Pacjenci mogliby sprawdzać znane incydenty i inne istotne szczegóły dotyczące konkretnych produktów.
Rozwija to zasadę leżącą u podstaw istniejących baz danych dotyczących bezpieczeństwa. Użyteczna przejrzystość wymaga jednak czegoś więcej niż publikowania surowej liczby incydentów.
Produkt używany miliony razy będzie naturalnie generował więcej zgłoszeń niż system wdrażany rzadko. Różnice w praktykach raportowania mogą również zniekształcać porównania.
Informacje publiczne muszą zatem wyjaśniać zamierzone zastosowanie, wersję urządzenia, klasę ryzyka, skalę wdrożenia oraz ograniczenia dostępnych dowodów. W przeciwnym razie pozorna otwartość może wprowadzać w błąd.
Komisja zaleca również wzmocnienie uprawnień egzekucyjnych MHRA. Ciągłe monitorowanie zapewnia niewielką ochronę, jeśli regulator nie może szybko uzyskać danych ani działać na podstawie dowodów.
MHRA potrzebowałaby wystarczającej wiedzy technicznej, aby oceniać wydajność modeli i zmiany w oprogramowaniu. Potrzebowałaby również zasobów do nadzorowania rosnącej liczby produktów.
Jennifer Dixon, dyrektor generalna Health Foundation, wskazała problem tych zdolności w ogłoszeniu rządowym dotyczącym komisji. Powiedziała, że wdrożenie zależy od zdolności, umiejętności i systemów NHS.
To najmocniejszy sceptyczny aspekt tej propozycji. Jej projekt jest wiarygodny, ale wartość ochronna zależy od infrastruktury operacyjnej, która pozostaje nierówna.
Szpitale już zarządzają rozległymi obowiązkami dotyczącymi bezpieczeństwa klinicznego, cyberbezpieczeństwa, zakupów i danych. Monitorowanie AI przez cały cykl życia dodaje wyspecjalizowaną pracę w ramach tych funkcji.
Mniejsi świadczeniodawcy mogą mieć trudności z utrzymaniem zespołów zdolnych do interpretowania dryfu, stronniczości, aktualizacji i rzeczywistej wydajności. Mniejsi deweloperzy mogą napotykać podobne ograniczenia.
Centralne wsparcie mogłoby ograniczyć powielanie pracy. Wspólna infrastruktura monitorowania i jednolite standardy raportowania ułatwiłyby porównywanie dowodów między lokalizacjami.
Centralizacja wprowadza jednak własne ryzyka. Krajowa platforma monitorowania musi chronić wrażliwe informacje zdrowotne i zachowywać istotny kontekst lokalny.
Rekomendacje komisji uznają, że wdrożenie wymaga odpowiednio wyposażonych w zasoby regulatorów. Nie określają jeszcze budżetów, poziomów zatrudnienia ani architektury technicznej.
To pominięcie jest zrozumiałe w raporcie doradczym. Oznacza jednak również, że ostateczny plan wdrożeniowy rządu zdecyduje, czy propozycja zmieni praktykę.
Wielka Brytania dołącza do międzynarodowego zwrotu ku nadzorowi w całym cyklu życia
Brytyjska propozycja jest specyficzna dla kraju, lecz jej podstawowe narzędzia regulacyjne coraz bardziej przypominają podejścia stosowane przez inne główne organy.
Regulacja wyrobów medycznych opartych na AI staje się problemem międzynarodowej koordynacji. Deweloperzy często projektują jeden produkt na kilka rynków, podczas gdy regulatorzy zachowują odpowiedzialność w swoich jurysdykcjach.
Różne definicje lub wymogi raportowania mogą podnosić koszty zgodności. Co ważniejsze, niespójne standardy dowodowe mogą utrudniać porównywanie sygnałów dotyczących bezpieczeństwa.
Komisja zaleca międzynarodową harmonizację tam, gdzie wspiera ona jasne i odporne regulacje. Uznaje również, że Wielka Brytania musi zachować odpowiedzialność za produkty używane przez jej pacjentów.
Jednym ze wspólnych narzędzi jest z góry określony plan kontroli zmian. MHRA pomogła opracować międzynarodowe zasady PCCP wraz z amerykańską Food and Drug Administration oraz Health Canada.
Ramy amerykańskie posunęły się dalej. FDA wydała ostateczne wytyczne PCCP dla funkcji oprogramowania urządzeń wspieranych przez AI w sierpniu 2025 roku.
Wytyczne obejmują planowane modyfikacje, metody rozwoju i walidacji, kontrole wdrożeniowe oraz oceny wpływu. FDA ocenia plan w ramach wniosku o dopuszczenie do obrotu.
Upoważniony deweloper może następnie wdrażać zmiany objęte takim planem bez składania odrębnego wniosku dla każdej modyfikacji. Zmiany wykraczające poza plan nadal wymagają odpowiedniej oceny regulacyjnej.
Model ten nie zezwala na nieograniczone samoczynne aktualizowanie oprogramowania. Definiuje kontrolowaną przestrzeń dla przewidywanych zmian i wymaga dowodów, że mechanizmy kontroli pozostają skuteczne.
Podejście komisji brytyjskiej do całego cyklu życia uzupełnia tę ideę. PCCP zarządza znanymi kategoriami zmian, podczas gdy ciągły nadzór poszukuje nieoczekiwanych problemów z wydajnością.
Etapowa autoryzacja dotyczy innego punktu cyklu życia. Reguluje sposób, w jaki początkowy zakres produktu może się rozszerzać, gdy dowody ze świata rzeczywistego zmniejszają niepewność.
Unia Europejska stanowi kolejne ważne porównanie. Jej ramy dotyczące wyrobów medycznych już obejmują wymogi nadzoru po wprowadzeniu na rynek i nadzoru nad bezpieczeństwem.
Akt w sprawie AI UE dodaje wymogi dla niektórych systemów AI wysokiego ryzyka. W przypadku systemów AI będących wyrobami medycznymi kluczowe przepisy dotyczące wysokiego ryzyka mają zacząć obowiązywać od 2 sierpnia 2027 roku.
Europejskie wytyczne łączą monitorowanie po wprowadzeniu na rynek z charakterem i ryzykami technologii. Ten kierunek przypomina wezwanie komisji brytyjskiej do proporcjonalnego nadzoru w całym cyklu życia.
Struktury prawne nie są jednak identyczne. Wielka Brytania działa na podstawie brytyjskich przepisów dotyczących wyrobów medycznych, podczas gdy zasady UE nadal obowiązują w Irlandii Północnej w ramach Windsor Framework.
Deweloper obsługujący rynek brytyjski może zatem napotkać różne reżimy regulacyjne wewnątrz kraju. Zbliżenie przepisów może ograniczyć bariery, lecz nie może wymazać tych różnic prawnych.
Komisja popiera również ścieżki uznawania i polegania na ocenach zaufanych zagranicznych regulatorów. Takie ścieżki mogą uwzględniać zagraniczne oceny bez rezygnowania przez Wielką Brytanię z ostatecznej decyzji.
Takie podejście mogłoby ograniczyć powielanie ocen dla produktów posiadających silne dowody w innych miejscach. Mogłoby również pomóc pacjentom szybciej uzyskać dostęp do użytecznych urządzeń.
Poleganie na zagranicznych ocenach staje się ryzykowne, jeśli organy wymieniają decyzje o zatwierdzeniu bez kontekstu, na którym się opierają. Model zwalidowany w innym systemie ochrony zdrowia może działać inaczej w NHS.
Standardy danych i przejrzyste dowody są zatem niezbędne. Regulatorzy potrzebują wystarczającej liczby szczegółów, aby ustalić, czy zagraniczne ustalenia można przenieść na lokalne populacje i przepływy pracy.
Międzynarodowa koordynacja może również poprawić monitorowanie po zatwierdzeniu. Sygnał bezpieczeństwa pojawiający się na jednym rynku może mieć znaczenie, zanim ten sam wzorzec stanie się widoczny gdzie indziej.
Wspólna terminologia dotycząca wersji modeli, zmian, incydentów i miar wydajności ułatwiłaby interpretację tych sygnałów. Uczyniłaby też obowiązki producentów bardziej przewidywalnymi.
Harmonizacja nie powinna jednak stać się wyścigiem ku najmniej wymagającej ścieżce. Deweloperzy będą naturalnie preferować rynki oferujące jasne i terminowe zatwierdzenia.
Komisja stara się sprawić, by bezpieczeństwo i szybkość wzajemnie się wspierały. Przewidywalne warunki mogą zachęcać do inwestycji, podczas gdy bieżące dowody chronią pacjentów.
Ta obietnica pozostaje nieudowodniona. Wielka Brytania musi wykazać, że etapowy dostęp zapewnia lepsze dowody bez osłabiania rygoru wymaganego do pełnego dopuszczenia.
Jeśli się powiedzie, ramy te mogą wpłynąć na innych regulatorów. Jeśli wdrażanie będzie powolne lub niespójne, deweloperzy mogą stanąć przed kolejną warstwą procedur bez odpowiadającej jej jasności.
Trzy sygnały pokażą, czy reforma chroni pacjentów
Kolejnym sprawdzianem będzie to, czy ministrowie przekształcą doradczy projekt w egzekwowalne przepisy, finansowany monitoring i użyteczne informacje publiczne.
Pierwszym sygnałem będzie formalna odpowiedź rządu. Urzędnicy muszą zdecydować, które rekomendacje przyjmują, a które wymagają legislacji, wytycznych lub zmian operacyjnych.
Mocna odpowiedź wskazałaby odpowiedzialne organizacje i terminy docelowe. Rozróżniałaby również krótkoterminowe wytyczne MHRA od zmian wymagających nowelizacji prawa dotyczącego wyrobów medycznych.
Sygnał ten pokaże, czy etapowe dopuszczenie stanie się zdefiniowaną ścieżką, czy pozostanie jedynie aspiracją polityczną. Jasne zasady przejścia między etapami i wycofania wzmocniłyby argumentację komisji.
Ogólnikowe zobowiązania ją osłabią. Deweloperzy i szpitale nie mogą projektować programów gromadzenia dowodów wokół koncepcji dopuszczenia bez szczegółowych warunków regulacyjnych.
Drugim sygnałem będzie projekt monitorowania po wprowadzeniu na rynek. Istotne szczegóły obejmują wymagane wskaźniki, częstotliwość raportowania, analizę podgrup oraz progi eskalacji.
Wielka Brytania wzmocniła ogólny nadzór nad wyrobami poprzez przepisy, które weszły w życie w 2025 roku. Jednak ustalenia programu Airlock wyjaśniają, dlaczego AI wymaga bardziej szczegółowego podejścia.
Obecne systemy mogą zakładać, że zmiany są odrębne i wykrywalne. Niektóre awarie AI pojawiają się stopniowo lub wyłącznie w określonych środowiskach klinicznych.
Wiarygodny plan wdrożenia powinien łączyć wersje wyrobów z miejscami ich wdrożenia oraz dowodami dotyczącymi skuteczności. Powinien także określać, kto bada sprzeczne sygnały.
Raportowanie publiczne wymaga starannego zaprojektowania. Regulatorzy muszą udostępniać przydatne informacje o bezpieczeństwie, nie ujawniając prywatnych danych zdrowotnych ani nie zachęcając do mylących porównań.
Jeśli MHRA opublikuje wspólne standardy dotyczące dowodów i raportowania, nadzór przez cały cykl życia stanie się mierzalny. Jeśli każdy szpital i producent opracuje własną metodę, widoczność na poziomie krajowym pozostanie ograniczona.
Trzecim sygnałem będzie zdolność wdrożeniowa NHS i MHRA. Wymogi monitorowania działają tylko wtedy, gdy organizacje mają ludzi, narzędzia i uprawnienia do działania.
Warto obserwować finansowanie, rekrutację specjalistów, wspólną infrastrukturę techniczną oraz jasno określone role klinicystów. Dokumenty zakupowe powinny również przypisywać odpowiedzialność przed rozpoczęciem wdrożenia.
Kwestia tych zdolności określi, czy ciągły nadzór stanie się proaktywny, czy będzie jedynie generował więcej dokumentacji. To także miejsce, w którym spotykają się bezpieczeństwo pacjentów i bodźce dla innowacji.
Deweloperzy odnoszą korzyści, gdy wymogi dowodowe pozostają spójne we wszystkich placówkach NHS. Szpitale zyskują, gdy mogą ponownie wykorzystywać zwalidowane metody monitorowania i uniknąć powielania prac technicznych.
Zespoły przygotowujące się na takie środowisko powinny zachowywać decyzje, dokumentację modeli, raporty dotyczące skuteczności i komunikację regulacyjną w przeszukiwalnej bazie wiedzy. Możliwość śledzenia stanie się częścią codziennych działań, a nie końcowym ćwiczeniem z zakresu zgodności.
Brytyjska propozycja regulacji AI dla wyrobów medycznych stanowi spójną odpowiedź na realną słabość jednorazowego dopuszczenia. Uznaje, że zmieniające się oprogramowanie wymaga zmieniającego się nadzoru.
Jej sukces nie będzie mierzony liczbą produktów AI, które trafią do NHS. Znaczące miary to to, czy problemy są wykrywane wcześniej, odpowiedzialność pozostaje jasna, a pacjenci otrzymują bezpieczniejszą opiekę.
Bezpośrednie pytanie ma zatem charakter praktyczny: czy rząd sfinansuje i wyegzekwuje infrastrukturę potrzebną, by regulacja obejmująca cały cykl życia stała się rzeczywistością?
