全球人工智能在医疗健康领域的监管仍高度碎片化。70多个国家已出台超过1000项国家级人工智能相关法规及政策框架，主要源自高收入国家。尽管美国食品药品监督管理局（FDA）、欧洲药品管理局（EMA）等主要药品监管机构及世界卫生组织（WHO）已发布关于人工智能赋能系统、平台和产品的指导文件，但目前尚无统一平台能整合或比对这些机构对人工智能治疗生态系统的整体监管方式。这种监管不协调导致执行标准存在差异，可能延迟全球患者获取新型人工智能治疗药物的进程。
为填补这一空白，我们开发了人工智能赋能的持续更新监管情报系统（AICURIS）。该系统最初基于哨点监管机构（如FDA、EMA、WHO）的人工智能相关法规训练而成，旨在持续监测和分类人工智能相关监管内容，并随着管辖范围扩展，实现结构化比对、识别监管趋同与分歧点，推动基于证据的监管趋同讨论。通过分析2019年以来发布的40余万份监管文件，人工智能赋能的混合语义相似性与关键词评分模型对高置信度人工智能相关内容实现了95%的召回率。
本研究总结了对三大主要机构（美国食品药品监督管理局、欧洲药品管理局和世界卫生组织）人工智能相关监管文件的分析结果，分为六个部分呈现：（1）文件语料库构成与过滤结果；（2）模型优化过程；（3）分类模型性能；（4）分类集成模型验证；（5）跨机构偏差缓解；（6）实时监测能力。研究证明，人工智能驱动的数据分析方法能有效整合跨辖区的人工智能药品监管框架，减少全球监管差异，从而推动更公平、协作高效的人类治疗药物创新。
【全文结束】
