AI从工具到证据-从FDA的GAIP谈起

深 度 分 析

AI从工具到证据

全球药监机构AI制药指南的格局与趋势

一家药企的质量团队正在讨论：要不要用大模型加速GMP文档撰写？AI辅助的批次放行模型，能不能直接接入生产流程？这些问题在两年前还属于"探索"范畴，但现在，监管的态度正在快速明朗化——而很多药企还没来得及跟上。

到2026年初，三份文件均已落地，正在改变这个讨论的规则。

FDA与EMA联合发布《药物开发中AI良好实践指导原则》（GAIP），用十项原则为AI在药物研发中的应用划定基本要求；ICH通过M15《模型引导的药物研发指南》最终版，为模型证据的评估提供全球协调框架；欧盟委员会与PIC/S在2025年7月联合发布Annex 22草案，就GMP环境下AI应用的技术要求公开征求意见。

三份文件分属不同层级——GAIP是方法论，M15和Annex 22是技术规范——但它们指向同一个判断：AI在制药领域的角色正在发生根本性转变。

过去几年，行业讨论AI时关注的是"模型准不准""效率提升多少"。监管机构的文件也多停留在讨论层面——FDA 2023年的讨论文件、EMA 2024年的反思文件，都在试探边界。但2026年初的这三份文件，标志着监管从"讨论"进入了"定规"阶段。

更关键的变化在于监管重心的迁移。这三份文件共同指向的核心问题，不是"AI模型本身够不够先进"，而是"AI的输出如何进入药品研发和质量决策的证据链"。换句话说，监管机构不再只审查模型，而是开始审查AI产出数据作为决策依据的可信度。

要理解这个转变的来龙去脉，需要把视角拉远——看看全球主要监管机构各自走了什么路，又在哪里汇合。

共识的底色：四块基石搭同一个框架

乍看之下，各监管机构的AI文件五花八门——FDA出了多份指南和讨论文件，EMA发了反思文件和GMP附录，NMPA发布了实施意见和场景清单，MHRA搞了监管沙盒。但如果把这些文件的底层逻辑拆开，会发现它们几乎在同一套框架上运转。

这套框架有四块基石：风险分级、使用场景（COU）、全生命周期管理、人在回路（HITL）。

风险分级是所有机构的起点。FDA的七步可信度评估框架中，第三步就是评估模型风险，而且给出了一个简洁的公式：模型风险 = 模型影响 × 决策后果。模型影响指AI提供的证据在决策中占多大分量，决策后果指判断错误会带来多严重的后果。两者相乘，风险自然分层——用于筛选化合物的模型和用于批次放行的模型，面临的审查强度天差地别。EMA的反思文件同样以风险为锚，明确监管审查力度与AI应用的职责范畴挂钩。ICH M15的评估维度几乎照搬了这个逻辑：关注问题、使用场景、模型影响、错误决策后果、模型风险。

使用场景（Context of Use, COU）是第二个共识，也是最具实操意义的一条。GAIP十项原则将"明确使用场景"列为独立原则，这不是偶然。一个AI模型"能做什么"和"在药品研发中被用来做什么"是两回事——同一个影像分析模型，用于辅助病理学家读片和用于替代人工读片作为临床终点，监管要求完全不同。FDA在指南草案中反复强调，COU定义了模型风险等级、验证强度和审评期望。NMPA的实施意见虽然没有直接使用COU这个术语，但15个应用场景清单本质上就是在做同一件事：把AI的使用边界框定清楚。

后两块基石——全生命周期管理和人在回路——各机构同样高度一致。全生命周期管理针对的是AI模型与传统药物的根本差异：模型会变。数据漂移、概念漂移、持续学习都可能导致模型上线后行为改变。FDA前局长Califf提出的"周而复始"（recurrent）监管理念，核心就是AI的性能需要在实际使用场景中持续监控，上市后评估的严格程度应不亚于上市前评价。EMA、Annex 22草案、欧盟AI法案均要求高风险AI系统建立持续迭代的风险管理系统。NMPA也提出"监测预警—会商研判—指令处置—跟踪回溯"的闭环机制。

人在回路（HITL）则是最具实操意味的底线。GAIP原则第一条就是"以人为本的设计"。Annex 22草案明确要求，即使药企在非关键GMP应用中使用生成式AI，也必须由具备适当资质和培训的人员负责确保输出适合预期用途。NMPA更直接——相关负责官员张伟指出"药品AI审批坚持人工复核兜底，严禁模型在缺乏依据和训练下生成结论"，"药品最终批准权必须始终由人类审评员掌握"。FDA的三模块框架中，第一个模块就是"人类主导的治理、责任和透明度"。

四块基石拼在一起，各机构的底层逻辑就清晰了：先按风险分级确定审查强度，再通过COU框定使用边界，用全生命周期管理覆盖模型从开发到退役的全过程，最后用人在回路确保关键决策始终有人把关。

这套框架的趋同不是巧合。各机构面对的是同一个根本问题——AI输出能不能作为决策证据被信任。而要回答这个问题，风险分级、使用场景、生命周期管理、人工复核缺一不可。共识已经形成，但共识之下，各机构选择落地这条路的方式却大不相同。

四条路，一个方向：路径分化背后的监管哲学

共识是骨架，路径是血肉。四家走在最前面的监管机构，各自走出了截然不同的路线。

FDA：敏捷试点

FDA是AI制药监管中动手最早的。据行业报道，FDA已收到超过500份涉及AI/ML的药品申请，这个数字本身就解释了它为什么走得最快——不是先想清楚再动手，而是被潮水般的申请推着往前走。

FDA的策略是"边做边学"。2023年先发讨论文件试探行业反应，2025年1月推出指南草案给出七步可信度评估的操作路径，2026年1月联合EMA发布GAIP原则。每一步都不是终极方案，而是迭代版本。与此同时，FDA自己也在用AI——2025年5月正式部署内部生成式AI工具Elsa，辅助审评人员阅读、写作和总结。FDA人员发表的研究显示，结合RAG的GPT-4 Turbo在回答FDA指南文件问题时，约70%的情况下能生成正确回答，但仍有13.4%包含错误信息，89.2%的情形下能正确引用源文件（据FDA研究人员发表于Springer期刊的研究，DOI: 10.1007/s43441-025-00798-8）。这个数据本身就很说明问题：连FDA自己都在摸着石头过河。

FDA的路径选择背后是一个务实的判断：与其等监管框架完美了再放行，不如在试点中积累经验，用真实申请的反馈来打磨规则。

EMA：伦理审慎

如果说FDA是"先跑再系鞋带"，EMA则恰恰相反——先确认系好了每一根鞋带。

EMA在2024年9月发布的反思文件，第一步不是规定怎么做，而是先问一个更根本的问题：AI/ML技术的应用是否属于EMA及欧盟成员国药品监管机构的职责范畴？监管审查力度以此为依据。这种"先问该不该管，再问怎么管"的态度，体现了欧盟一贯的伦理审慎风格。

但审慎不等于慢。EMA做了两个"全球第一"：2025年4月发布首个AI工具资格认定（AIM-NASH，帮助病理学家分析肝脏活检扫描图像），2025年7月联合PIC/S发布全球首份AI GMP附录（Annex 22草案）。尤其值得注意的是Annex 22的一个关键决定：明确将生成式AI和大型语言模型排除在关键GMP应用之外——如ChatGPT、DeepSeek这类生成式AI产品不应用于关键GMP环节。这个判断比其他任何监管文件都更直接地划了一条红线。

EMA的路径背后是欧洲的监管传统：法律框架先行（欧盟AI法案是全球首个AI法律文件），伦理底线明确，然后在这个框架内鼓励创新。

NMPA：顶层设计

中国的路径跟前两者都不一样。FDA从申请案例中长出规则，EMA从法律框架中推导细则，NMPA则选择了"顶层设计先行"——先画蓝图，再建基础设施，最后填场景。

2024年6月，NMPA发布《药品监管人工智能典型应用场景清单》，列出15个示范场景。2026年4月，发布《关于"人工智能+药品监管"的实施意见》，直接给出了十年目标：到2030年初步构建药品监管与AI融合创新体系，到2035年形成智慧化药品安全治理新格局。

这份实施意见有一个其他监管文件没有的特点：它不只是在管AI，更在建"底座"。七大重点方向之外，还有五项基础支撑——高质量数据集建设、大模型应用及算法管理平台、算力基础设施建设、安全防护体系、建设运行管理机制。换句话说，NMPA不只是在回答"AI产出能不能进证据链"，还在回答"要让AI产出进证据链，行业需要先具备什么条件"。

MHRA：监管沙盒

英国的选择最灵活。MHRA没有急着出指南，而是建了一个"试验场"——AI Airlock监管沙盒项目。企业可以在受控环境中测试新兴AI技术，在产品开发早期就与监管机构对齐合规预期。这种"先试后管"的方式，特别适合技术迭代速度快、监管尚未明确的灰色地带。

MHRA同时将AI作为医疗器械（AIaMD）纳入既有监管体系，要求通过Yellow Card方案报告AI相关安全事件。这是把AI安全纳入药物警戒框架的早期尝试。

空白地带

并非所有ICH成员都跟上了节奏。截至2026年7月，PMDA（日本）和Health Canada（加拿大）均未发布专门针对AI制药的指南文件。日本在2025年12月发布了国家级的《人工智能基本计划》，强调技术创新与风险防控并重，但这不是药品监管专门指南。加拿大设立了AI咨询委员会和AI安全研究所，但药品监管领域的AI专门指南尚处空白。

ICH本身也未发布以AI为标题的专门指南。M15《模型引导的药物研发指南》虽然与AI密切相关，但主题是模型引导的药物开发（MIDD），不以AI为核心。不过，M15定稿版中新增的"模型影响按低中高三档评级""错误决策后果需同时考量严重程度及发生概率"等内容，与FDA的可信度评估框架高度呼应——全球协调的底层逻辑正在通过ICH渗透。

分化背后

四条路径的差异，表面上是节奏快慢，深层是各自监管哲学和产业生态的投射。FDA面对的是全球最活跃的AI制药创新生态，必须用敏捷回应速度；EMA背靠欧盟的法律传统和伦理框架，审慎是制度惯性；NMPA面对的是一个产业转型期的大国市场，顶层设计能避免碎片化建设；MHRA体量小、灵活度高，沙盒是性价比最高的选择。

但四条路殊途同归——无论从哪个入口进入，最终都要回答同一个问题：AI的输出，能不能作为决策证据被信任。而这个问题，正在催生一个更深的范式转变。

范式转变：从"验证模型"到"治理证据"

理解这个范式转变，需要先看清楚旧范式是什么。

传统药品监管的验证逻辑是"代表性验证"：一种药物通过设计严格的临床试验，在代表性人群中证明安全有效，获批上市后通过药物警戒体系监测风险。这套逻辑的核心假设是——药物本身不会变。一片药今天有效，明天依然有效，因为它的化学结构是确定的。

AI模型打破了这个假设。模型上线后可能因为训练数据更新而行为改变，可能因为输入数据分布偏移而性能衰减，也可能因为持续学习而自我迭代。一个在验证集上表现优异的模型，放到真实世界的生产线上可能完全不是一回事。这意味着，传统的"上市前验证一次、上市后被动监测"模式，对AI来说天然不够用。

监管机构的回应是：把验证的对象从"模型"转移到"证据"。换句话说，监管不再问"你的模型在验证集上准确率多少"，而是问三个新问题：你的模型输出进入了哪个决策？那个决策错了会怎样？你怎么持续监控它？

模型风险：不是问"模型好不好"，而是问"错了会怎样"

FDA的七步可信度评估框架中，最精巧的设计在第三步——模型风险 = 模型影响 × 决策后果。这个公式的意义在于，它把监管注意力从"模型本身性能"转移到了"模型输出在决策中扮演什么角色"。

一个准确率99%的模型，如果它的输出只是决策中的一条参考信息（模型影响低），而且即使判断错误也不会造成严重后果（决策后果低），那它的风险等级是"低"。反过来，一个准确率95%的模型，如果它的输出是批次放行的唯一依据（模型影响高），而且判断错误意味着一批不安全药品流入市场（决策后果高），那它的风险等级是"高"，需要最严格的验证和持续监控。

ICH M15定稿版进一步强化了这个逻辑。新增条款明确：当模型结果是决策的唯一依据时，模型影响评定为"高"；错误决策后果需同时考量潜在负面影响的严重程度和发生概率。这意味着ICH层面的全球协调框架，已经把"模型在决策中的角色"作为评估的核心维度。

数据治理：从"追规模"到"可审计的代表性"

过去几年，行业讨论AI数据时关注的是"有多少数据""数据量够不够大"。但监管机构的关注点正在转移——不是数据规模，而是数据的可审计性和代表性。

GAIP原则中"数据治理与文档管理"单独成条，要求从数据来源、偏倚管理到可追溯性建立完整记录。EMA的反思文件将"数据偏倚与代表性"列为关键议题。Annex 22草案更是限定适用范围——仅适用于静态模型和确定性输出模型，动态模型和生成式AI被排除在外，一个重要原因就是后者的数据治理链路目前无法满足GMP环境下的可审计要求。

WHO在《使用人工智能进行药品研发和供应的益处和风险》中识别了AI在制药领域的多项风险，其中包括偏见和安全性——偏见来自训练数据集、开发者背景和部署环境三个方面——这不是靠增加数据量能解决的，而是需要系统性的偏倚评估和管理机制。

数据治理的标准正在从"数据够多"变成"数据可审计"——每一条进入模型的数据，它的来源、质量、处理方式都需要有据可查。这跟GMP对原始数据的要求在逻辑上是一致的。

持续监控：从"一次性验证"到"周而复始"

Califf提出的"周而复始"（recurrent）监管理念，是对传统验证模式最直接的挑战。他的核心主张是：AI的性能需要在实际使用场景中持续监控，上市后评估的严格程度应不亚于上市前评价。

这不是一个抽象的理念。Annex 22草案要求静态模型在使用中不得通过新数据调整性能——如果模型需要更新，就要走变更控制流程。欧盟AI法案要求高风险AI系统建立持续迭代的风险管理系统，覆盖整个生命周期。NMPA的实施意见提出"监测预警—会商研判—指令处置—跟踪回溯"的闭环机制。FDA的七步框架中，第七步"确定AI模型对使用场景的适用性"不是终点，而是生命周期管理的起点——模型适用性需要在使用中持续验证。

这个转变对行业意味着什么？意味着"打补丁"的时代正在结束。

补丁时代的终结

2026年4月，FDA对Purolea Cosmetics Lab发出一封警告信。原因不是产品质量本身出了问题，而是这家企业盲目使用AI生成文件，未经授权的质量人员复核便直接投入使用。虽然这是一家化妆品企业而非药企，但FDA对AI生成内容的执法逻辑跨行业一致——药企不能因为行业不同就认为这条红线不适用。

这封警告信的信号意义远超个案本身。它标志着FDA已经不再停留在"出指南、等遵守"的阶段，而是开始用执法行动划定红线——AI生成的内容如果没有人工复核，就是合规缺陷。

ISPE的三连警告

2026年7月，ISPE（国际制药工程协会）连发三篇文章，措辞之严厉在行业组织中罕见。

核心判断只有一个：AI能力培训已正式成为GMP核心要求，绝非简单的IT推广项目。ISPE明确警告——AI可以起草偏差报告，但绝不能代替质量人员做最终放行决定。缺乏底层架构的AI自主权不仅是合规负债，更是业务连续性的毁灭者。

最触动药企神经的是一组数字：据ISPE发布的行业分析，涉及AI辅助流程的GxP补救事件，平均耗费企业90万至240万美元，导致管线延误14至22个月。

这不是理论推演，而是行业已经付出的真金白银。当补救成本达到这个量级，"先用了再说"的策略就不再成立——一次AI相关的483或警告信，可能直接吃掉一个季度的利润。

认知滞后：Annex 22的红线还没被读懂

Annex 22草案做了一个在所有监管文件中最直接的决定：明确将生成式AI和大型语言模型排除在关键GMP应用之外。如ChatGPT、DeepSeek这类生成式AI产品不应用于关键GMP环节——不是"不建议"，是"不适用"。

但行业对这个红线的认知明显滞后。许多药企的质量团队还在讨论"怎么用大模型加速GMP文档撰写"，而Annex 22已经把这类应用排除在关键GMP之外。即使用于非关键GMP应用，也必须由具备适当资质和培训的人员负责确保输出适合预期用途——这不是建议，是要求。

PDA（美国注射剂协会）从另一个角度发出了警告：药企盲目依赖"双源采购"，在GMP体系中简单叠加供应商只是在"重新分配风险"而非"降低风险"。每一个新增的外部接口——包括AI系统的接口——都代表一套独立的质量系统和验证框架。AI不是即插即用的效率工具，它接入GMP体系的那一刻，就带来了完整的验证、变更控制和文档管理义务。

监管颗粒度在变细

把这几件事放在一起看，一个趋势已经很清楚：监管的颗粒度正在变细。

三年前，监管文件还在讨论"AI在制药中要不要用"这种方向性问题。现在，Annex 22在限定"哪种AI可以用在哪种GMP场景"，FDA在用警告信划定"AI生成文件必须经过人工复核"，ISPE在量化"补救一次要花多少钱"。从方向到边界，从边界到执行，从执行到成本——每一层都在变细。

这意味着药企过去习惯的"打补丁"式合规——先用起来，出问题再补流程、补培训、补验证——已经走到了尽头。不是因为它一直不对，而是因为监管执法和行业实践都已经到了"补丁补不住"的阶段。一次AI相关的合规缺陷，不再是补一份CAPA就能过关的事，而是可能直接触发管线延误和百万美元级别的损失。

补丁时代的终结，倒逼的是一个更根本的问题：药企该怎么把AI从"效率工具"变成"可治理的证据来源"。

对药企的实际影响

把前面的分析收拢到操作层面，有几件事已经不再是"未来考虑"的事。按一个AI项目从立项到上线的顺序排列，它们恰好构成一张行动路线图。

立项阶段：COU不是文书工作，是风险定价

很多药企把"明确使用场景"当作注册申报中的文书工作——填一个表格，说明模型用途，交差。但FDA的七步框架把这个动作变成了风险定价的起点：COU定义了模型影响和决策后果，后者决定模型风险等级，后者决定验证强度和审评期望。

这意味着，同一个AI模型用在不同的场景，监管成本可能差一个数量级。用于化合物虚拟筛选的模型，模型影响低、决策后果低，验证要求相对轻量。用于CMC质量放行的模型，模型影响高、决策后果高——一旦判断错误意味着一批不安全药品流入市场——验证要求极其严格，模型漂移必须及时发现。

药企在立项阶段就需要做这个风险定价：这个AI模型将用于什么决策？它的输出在决策中占多大分量？判断错误的后果有多严重？这三个问题的答案，决定了后续验证、文档和监管沟通的全部投入量。等到申报阶段才补COU，等于在项目末期才做预算——成本已经锁死。

建设阶段：数据治理和人在回路

立项之后进入建设期，两件事必须同步推进。

第一件是数据治理。过去药企的数据治理主要关注数据完整性和安全性——ALCOA+原则（可归因、清晰、同步、原始、准确，加上完整、一致、持久、可追溯）。AI时代的数据治理需要在这个基础上再加一层：数据的代表性和偏倚管理。GAIP原则中"数据治理与文档管理"单独成条，要求从数据来源、偏倚管理到可追溯性建立完整记录。WHO识别的六大风险中，偏见排在第一位——来自训练数据集、开发者背景和部署环境三个方面的偏见。这不是靠增加数据量能解决的问题。AI模型的训练数据需要像GMP原始数据一样被管理——来源可追溯、质量有评估、偏倚有分析、变更受控制。数据治理的边界从"生产记录"扩展到了"模型训练集"，质量体系的覆盖范围在扩大。

第二件是人在回路（HITL）。GAIP原则第一条"以人为本的设计"听起来像一句价值观声明，但在执行层面，它已经变成了可检查的合规要求。Annex 22草案要求，即使药企在非关键GMP应用中使用生成式AI，也必须由具备适当资质和培训的人员负责确保输出适合预期用途。NMPA更直接——"药品AI审批坚持人工复核兜底，严禁模型在缺乏依据和训练下生成结论"。FDA的警告信已经证明：AI生成文件未经质量人员复核直接使用，就是合规缺陷。

对药企的实际影响是：AI能力培训不再是IT部门的事，而是GMP培训体系的一部分。ISPE已经明确这一点。质量团队需要理解AI模型的基本原理、局限性和失败模式，才能有效履行"人在回路"的复核职责。一个不懂AI的质量人员签核AI生成的文件，在监管视角下跟"没有复核"没有本质区别。

上线阶段：持续监控不是可选项

模型上线后，最后一件事是持续性能监控。传统药品的验证逻辑是"上市前验证一次，上市后被动监测"。AI模型打破了"验证一次就够了"的假设——模型会漂移，性能会衰减，行为会变化。FDA的"周而复始"理念、Annex 22的变更控制要求、欧盟AI法案的持续迭代义务、NMPA的闭环监管机制——所有这些都在传递同一个信号：AI模型的验证不是一次性事件，而是持续过程。

对药企的实际影响是：AI模型上线后，需要建立持续性能监控机制——定期评估模型在实际数据上的表现，设定性能阈值和预警机制，一旦模型漂移超过阈值就触发变更控制流程。这套机制在传统药品质量体系中并不存在，需要新建。

一个判断

从2023年FDA发出第一份讨论文件，到2026年1月三大文件密集落地，再到2026年7月ISPE三连警告和FDA执法行动——监管从"讨论"到"定规"到"执法"的链条已经走完第一轮。下一轮的重点将从"出指南"转向"查执行"。

对于药企内部推动AI落地的人来说，这意味着窗口期正在收窄。在监管执法全面铺开之前，把AI的治理架构搭好——COU风险定价、人在回路培训、数据治理升级、持续监控机制——是当前性价比最高的投入。等警告信落到自己头上再补课，代价是90万到240万美元和14到22个月的管线延误。

2026年1月的三份文件，
不是终点，而是起跑线。

深 度 分 析 · 医 药 监 管