跳到正文
MHRA Inspectorate· Peter Brown·精选AI 评分79

MHRA 发布博文说明 GxP 检查回复中使用 AI 的监管预期与自愿披露安排

Use of AI for GXP inspection responses: setting standards without stifling innovation

AI 导读

MHRA 就 GxP 检查后提交合规团队的回复中使用 AI 说明监管预期,要求所有回复事实准确可核查、经有经验人员技术审核并由有权限者签署。MHRA 称已发现含不存在指南引用和失实内容、未回应严重缺陷的 AI 生成回复,其中一例复核时间由约 4 小时增至 20 小时以上。

推荐理由

MHRA 说明了 AI 生成检查回复中已发现的问题及对提交材料可核查、经技术审核和签署的预期,并列出自愿披露安排。

正文 · AI 翻译

本博客专门涉及在 GxP 检查后向 MHRA 合规团队提交的材料。

MHRA 已发现多例由人工智能(AI)生成、提交给合规团队的检查活动相关信息。本博客阐述了我们对使用 AI 生成支持检查的信息的当前看法。

现实情况 

AI 工具正被用于起草提交给 MHRA 的检查回复。该技术带来了实实在在的好处:有助于阐明复杂的技术问题、提高一致性、加快常规起草速度并促进创新。若使用得当,AI 可以支持更好的监管结果并改善患者安全。

然而,我们也遇到了包含引用不存在的 MHRA 指南、引用不恰当的监管框架,以及对严重缺陷的回复看似意在误导而非解决根本问题的情形。例如,MHRA 收到的一份检查回复长达 90 多页,却未针对所发现的缺陷作出回应。这导致检查员需投入过多的时间和专业知识进行审阅和回复。至少有一例中,一份针对影响患者安全的严重缺陷的 AI 生成回复包含重大不准确之处,包括不存在的参考文献以及不准确的信息,延误了严重合规问题的解决,造成额外的行政负担和延误。该回复的内容需要多学科团队审阅,并对先前发布的 MHRA 指南进行全面分析,导致审阅和回复所需时间从约 4 小时增加到 20 小时以上。除了造成资源紧张外,AI 被不当使用已从理论风险转变为实际发生的风险。

没有改变的内容

各机构一直对其向 MHRA 提交的回复的准确性负责,其负责人也一直被期望核实事实性陈述。技术审阅仍是质量体系的核心组成部分。同样,向检查员作出重大虚假陈述一直属于监管违规行为。这些责任不会因为起草工具的改变而改变。

澄清

MHRA 坚持其作为监管机构的立场,支持创新,以安全有效的监管为重点,并将患者安全作为我们的首要任务。为此,我们关注的不是你是否使用 AI,而是你提交的材料是否准确、可核实,并在适当的监督下准备。

我们发布此博客文章是为了明确这一点,并聚焦于过程和结果,而非具体工具。原则很简单:

所有提交材料/回复必须:

  • 事实准确且可核实
  • 由具备适当经验的人员进行技术审阅
  • 由具有权限并承担责任的人员签署批准
  • 事实性陈述有证据支持
  • 适合具体的监管背景。

无论你如何起草提交材料,这些期望都适用。无论你使用 AI、模板、顾问,还是从头撰写,良好的质量管理系统都能发挥作用。

自愿披露

在我们对 AI 使用理解的演进过程中,我们为各机构提供选择,可向合规团队披露在回复/提交材料中使用 AI 的情况。这并非强制要求,但我们相信透明对各方都有益。

如果您选择披露:

  • 在提交给合规团队的材料/回复开头附上一段简要说明
  • 指明哪些部分涉及 AI 辅助
  • 确认已进行人工核验和批准
  • 在使用 AI 工具方面保持透明,同时具备稳健机制以确保提交内容的准确性和可靠性,这表明更成熟、更透明的质量文化。

采用稳健核验流程的公司,无论是否使用 AI,都展现出那种保护并优先考虑患者的质量思维。披露有助于我们了解该领域如何演变,并使我们能够为行业提供更好的支持。检查员在评估组织合规性时会积极考虑这一点。

提交材料核验/质量检查不充分的表现

当我们审阅回复时,我们会评估监督流程的质量。对提交信息核验不充分的警示信号包括:

  • 事实性错误的陈述或并不存在的参考文献
  • 与具体情况不符的泛泛表述
  • 在应有组织特定细节之处缺乏此类细节
  • 引用监管框架却未说明其相关性
  • 不同提交材料之间技术术语不一致
  • 回复过于冗长,未能恰当处理相关主题

这些模式,无论由 AI 还是其他因素造成,都表明质量体系存在薄弱环节。如果我们发现影响检查开展的不准确信息,我们可能会采取行动;如果为回应检查而提供的信息不准确、不完整或过于冗长,我们可能会拒绝该回复或将其退回要求重新提交。由于 CAPA 不佳,我们还可能在未来的检查优先级排序中将该组织视为更高风险,和/或将该组织转交检查行动组(IAG)。我们还可能评估您的核验流程,反复出现的模式可能表明存在系统性缺陷,需要采取监管行动。

共同推动负责任的 AI 使用

MHRA 此前已讨论过其对监管透明度的关注。我们设定结果预期(准确、经过充分核验的文件),并让行业自行决定方法,这与我们对 MHRA 监管和行业解读的一贯做法一致。采用稳健流程的公司,无论是否借助 AI,都符合监管标准。提交未经核验材料的公司则不符合。

随着 AI 变得日益复杂,这一框架仍然适用,因为它聚焦于问责和流程,而非检测和禁止。我们并非试图监管检查过程中使用的技术;而是通过适当的质量监督,确保聚焦于患者安全和相称的监管应对。

这一做法与 MHRA 更广泛的关注点一致,即注重结果的监管,我们设定明确的预期,并与行业协作以实现这些预期。

这关乎相称的风险管理

对检查缺陷的回复应体现有效的纠正和预防措施:通过基于证据的调查识别真正的根本原因,按比例评估影响,实施针对根本问题而非表面症状的措施,并验证其有效性。AI 工具可以支持这一过程的某些环节,但无法替代制定有意义的纠正措施所需的技术理解和组织知识。如果回复仅体现肤浅或通用的 CAPA,而没有真正进行根本原因分析的证据,无论该回复是如何起草的,都将被认定为质量体系薄弱环节。

MHRA 此前曾就有效的 CAPA 是什么样的这一主题撰写过文章。

我们认识到 AI 能力将迅速发展,MHRA 也将随之继续构建一个基于明确期望、透明流程和共同责任的框架。负责任地使用 AI 的人将蓬勃发展,而那些试图利用技术掩盖不充分的回复、填补资源或专业知识缺口,或隐瞒导致严重缺陷的知识匮乏的人,将受到严格审查。

来源:MHRA Inspectorate · mhrainspectorate.blog.gov.uk