跳到正文
PharmaBuddy·· 10 天前精选AI 评分76

日本厚生劳动省就CMC领域使用AI·机器学习模型发布事务联络,行业解读其风险分级与全球监管差异

日本 PMDA关于AI在GMP中的观点:会自己学的 AI,不许进车间

AI 导读

日本厚生劳动省医药局医药品审查管理课于2026年11月5日发布事务联络,汇总CMC领域使用AI·机器学习模型时的考量,明确适用范围限于运行期间参数固定的模型。文件给出从QOI、COU、模型风险(MI×CWD)、V&V到可信性判断与文件化的六步流程,低风险模型可缩小验证范围但评价不得省略。

推荐理由

对比日本、欧盟与美国对AI进入GMP的处理,核心分歧在于按模型类型还是决策权重划红线。

正文

先讲一个真实场面。2026 年 4 月,FDA 给一家叫 Purolea Cosmetics Lab 的企业发警告信,里面专门有一节标题叫「药品生产中人工智能的不当使用」。检查员问:为什么没做工艺验证就把药发出去了?企业答:「我们不知道有这个法律要求,因为我们用的那个 AI agent 没告诉我们要做。」
八个月后,日本人交出了一份 23 页的文件,回答的其实是同一个问题的另一半:如果 AI 真要进车间、进放行决策,凭什么信它、要验到什么程度、谁来签字。日本人的做法很日本——不喊口号,先画一张风险打分表,还顺手把「会自己学习的模型」请出了适用范围。

先把最容易搞混的一件事说清楚

网上已经有人把这份 11 月 5 日的文件叫成「PMDA 指南」。严格讲不对。抬头写的是厚生劳动省医药局医药品审查管理课,发给各都道府县卫生主管部(局),性质是「事务联络」,也就是行政通知;PMDA 在「别记」里跟日本制药团体联合会、日本制药工业协会、美国研究制药工业协会在日执行委员会、欧洲制药团体联合会并列,是五家抄送单位之一。

但把 PMDA 当成「出题人」,一点没冤枉它。这份文件出自令和 6 年度 AMED「药品等规制调和·评价研究事业」里的《关于采用先进手法的药品制造·管理及评价手法中的生命周期管理研究》,技术班底、后续跟企业对话、以及把它推到国际规则桌面上去的,都是 PMDA。所以本文仍然按「PMDA 对 AI 的态度」来讲,但会把「行政通知」与「监管科学原则」这两层分开——这个区分,恰恰是理解日本态度的钥匙。

一、三天,两份文件:一个把生成式 AI 请进来,一个把它挡在车间外

原文翻译 · 11 月 5 日事务联络正文

「关于『药品的制造·质量管理(CMC)领域中使用包含 AI·机器学习的模型时的考量』:在药品生产现场,包含机器学习在内的人工智能技术的探讨正在推进,所使用模型的性能与可信性的评价成为课题。此次,在令和 6 年度 AMED 医药品等规制调和·评价研究事业《关于采用先进手法的药品制造·管理及评价手法中的生命周期管理研究》中,已按别添汇总形成《药品的制造·质量管理(CMC)领域使用 AI·机器学习等模型时的考量》,烦请向贵管下相关业者周知并活用。另,本事务联络的抄送亦按别记发送至相关团体等,特此告知。」

别记抄送对象:日本制药团体联合会、一般社团法人日本制药工业协会、美国研究制药工业协会在日执行委员会、一般社团法人欧洲制药团体联合会、独立行政法人医药品医疗器械综合机构。

解读观点

抬头、日期、五个抄送单位,一个字都不花哨。但注意「周知并活用」这个动词——这不是罚单,不是禁令,是一份「请拿去用」的路线图。它要解决的痛点写得很直白:企业不是不想用 AI,是不知道「模型的性能和可信性怎么评价、怎么向监管当局说明」。日本人认定的堵点,是说不清,不是不许用。

再留意抄送名单里那两家外资协会:PhRMA 在日执行委员会、EFPIA 日本。一份给地方卫生主管部门的事务联络,专门抄给美欧制药行业协会,意思很明白——这份规则是写给出海型企业看的,从一开始就默认了跨国申报场景。

再看三天前那一份。2026 年 11 月 2 日,PMDA 监管科学中心发布《AI 在药事活动中应用的基本原则(早期考量)》,日文与英文版同时挂网。

原文翻译 · PMDA 11 月 2 日基本原则(要点)

定位是「Early Consideration(早期考量)」:在科学认知仍在积累阶段发布的参考信息,观点可随技术、实践与国际协调而变化;明确声明不设定新的监管要求;英文版为暂定译本,与日文原版不一致时以日文为准。

适用范围:涵盖包含生成式 AI 在内的 AI 在药品、准药品、化妆品、医疗器械、再生医疗产品全生命周期中支持监管判断与决策的场景,从非临床、临床到制造与上市后;基础研究与日常诊疗不是主要对象。读者包括 PMDA 自身、申请人、上市许可持有人、制造商、申办方、CRO,以及 AI 模型/系统的开发者与供应商。

三层结构:第一层「以人为本」——AI 用于支持而非取代人的判断与决策,患者与公众利益优先,最终责任留在人;第二层六项核心原则——风险为本、明确使用情境与范围、数据治理、公平/问责/透明、多学科专长、遵守适用法令与标准;第三层五项实施管理原则——模型设计开发、模型评价、生命周期管理、人为监督、AI 素养。

解读观点

把两份文件并排读,反差就出来了:11 月 2 日明确把生成式 AI 写进适用范围,11 月 5 日却把「运行中会持续/自动更新参数、输出内容或行为难以事先充分规定与验证的模型」直接划到适用范围之外。中间只隔了三天。

这不是自相矛盾,是两条完全不同的风险线。11 月 2 日管的是「监管活动里怎么用 AI」——审评员查资料、企业写申报稿、上市后信号梳理,这些场景输出是草稿、决定仍由人做,所以可以把生成式 AI 纳进来,用「人负责 + 数据治理 + 素养」兜住。11 月 5 日管的是「模型直接进 CMC 决策链」——工艺参数、质量预测、放行依据,输出会变成批记录的一部分,一旦模型自己变了,今天验证的那套证据明天就不成立。GMP 的底层假设是「同一输入、同一输出、可重现」,这个假设跟「模型自己越用越聪明」天然打架。

换句话说,PMDA 的态度不是「保守」或者「开放」二选一,而是按输出会不会落进 GxP 记录来分车道:不落记录、人再审一遍的,欢迎;落记录、要拿去做质量决策的,先冻结参数再说。这个分法,比笼统喊一句「拥抱 AI」有用得多。

二、23 页逐条拆:日本给 AI 进 CMC 定的六步账本

下面按原文件顺序,把关键条款逐段翻译,每段单独说我的看法。日文正文 10 页、英文参考译本 11 页,内容一一对应;英文版页码 11—21,日文版页码 1—10。

条款 1 · 适用范围与定位:一条「除名线」

原文翻译 · 第 1、2 节

「本文在遵循ICH M15《模型引导的药物开发一般原则》(2026 年 1 月 29 日 Step 4 文件)所示一般原则的基础上,整理了在药品制造·质量管理(CMC)领域具体适用模型时的评价思路。本文对象不仅包含 ML 等数据驱动模型,还包括基于物理定律、化学反应机理等的机理模型(本文称『物理模型』)及其组合的混合模型。」

「本文的目的是,为开发者/申请者就自身模型按其使用目的(Context of Use: COU)进行适当的风险评价、立项并执行必要的验证与确认(Verification & Validation: V&V)计划提供标准探讨流程。由此,就生产现场及上市许可申请中『具体用何种数据集、验证什么』提供可预见性,进而促进 CMC 领域中含 ML 在内的 AI 技术的活用。」

「CMC 领域此前一直在使用数据驱动模型(例:化学计量学模型)与物理模型(例:停留时间分布 RTD 模型)及其混合模型……因此也可设想,基于 ICH M15 的模型分析计划(MAP)与监管当局事前协议未必总是必要。本文旨在使模型评价顺畅化、简化与监管当局的协议;本文未涉及咨询时点,但也不妨碍向监管当局咨询。计算机化系统验证(CSV)、数据完整性等 GMP 要求事项需另行参照相关通知与指南。」

「本文记载事项应结合各模型特性与技术进步柔性解释,并非意图作为一律适用于所有情形的僵硬规则。……本文以数据驱动模型、物理模型及混合模型为对象,但限于运行期间模型参数固定的模型。运行中通过学习等方式持续或自动更新模型参数、输出内容或行为难以事先充分规定·验证的模型,不在本文适用范围之内。」

解读观点

这一段信息密度最大,四个动作一次做完:认母法、给糖、减负、划线。

「认母法」是挂靠 ICH M15,不另起炉灶——AI 不是一个新物种,只是「模型」这个老家族的新成员,家里原本就有 PLS 回归、RTD 模型、混合模型。这一句把整份文件的气质定死了:日本不打算为 AI 发明一套新 GMP。

「给糖」是那句「进而促进……活用」,以及「MAP 事前协议未必总是必要」。对做过申报的人,这句的分量很重:成熟方法不必事事先跑去跟当局开会,省的是实打实的时间。「减负」不是放松要求,是减少流程摩擦——这个姿态跟后面要讲的欧盟草案完全不是一路。

「划线」就是那条除名线:参数固定的才谈,运行中会自己学、输出无法事先充分规定的,请出门。对照一下现实:现在最热的 LLM、Agent、在线学习模型,基本都落在门外。日本没有说「禁止」,只是说「这份文件不管你」——但对企业来说效果差不多:想拿这类模型去做 CMC 申报,目前没有可遵循的标准路径,只能个案去谈。这是极克制的一手,比写「禁用」留了余地,比写「可用」守住了底线。

还有一句容易漏:「CSV 与数据完整性另行参照」。意思是这份文件只管「模型可信不可信」,不管「系统合规不合规」。两本账要分开记,别拿模型验证报告去顶 CSV,也别拿 CSV 报告去顶模型可信度。国内不少项目现在就混在这一步。

条款 2 · 四类模型、两套「验证/确认」、三种数据

原文翻译 · 第 3 节术语定义

数据驱动型模型:基于观测数据经验性学习输入输出关系的模型,不必然以物理定律或化学反应机理的先验假设为前提;PLS 回归、随机森林、深度学习等属此类。其中内部结构难以解释、输入输出关系透明度低的,称为黑箱型模型。

物理模型(机理模型):基于物理定律、化学反应机理、物料衡算等科学原理构建,如 RTD 模型、反应速率模型。混合模型:二者组合,例如用机器学习推定物理模型参数。替代模型(surrogate,亦称 metamodel / emulator):以参照物理模型仿真所得数据集为训练数据构建、或经训练以模仿参照物理模型行为的数据驱动模型,通过近似其输入输出关系实现更低计算负荷/更短评价时间的预测;可单独使用,也可在定义的 COU 范围内作为混合模型的构成要素替代参照物理模型的全部或一部分。

模型验证(model validation):以评价模型稳健性及性能适当性为目的的作业。模型确认(model verification):以保证用户自编代码(由编程语言或软件使用者所写指令)不含错误、公式反映模型假定、在编程语言或软件中表述无误、计算准确为目的的作业。另分别定义了分析法验证/确认、工艺验证/确认。

训练数据:用于模型学习、不含于测试数据;调参数据:用于模型选择及最优化、不含于测试数据;测试数据:不用于训练/调参,在训练/调参后用于估计模型性能的数据。

解读观点

光是「验证/确认」这一对词,就值得国内项目组抄下来贴墙上。中文里我们常把 validation 和 verification 笼统叫「验证」,结果写方案时经常搅成一团:verification 问的是「代码有没有写错」,validation 问的是「这个模型拿来做这件事靠不靠谱」。文件把它拆成两个独立作业,还把「用户自编代码」单独拎出来——这一句分明是冲着现在满车间跑的 Python 脚本、Jupyter notebook 去的。谁审过那几行代码?谁证明公式没抄错?

「替代模型」被单列一类,也是老练之处。做连续制造、数字孪生的团队都懂:物理模型算得太慢,就训一个轻量模型去近似它。文件立刻追问一句——在 COU 范围内,你凭什么说它「以足够精度再现」了参照物理模型(后文第 IV 节还会再问一次)。这条对国内做工艺建模、实时放行预测的企业,是可以直接改成自查项的。

三种数据的定义看着枯燥,实际是给后面「测试数据必须独立」埋伏笔。训练、调参、测试,三份数据不许串门,一句话堵死了「拿训练集调完再拿同一批数据报准确率」这个最常见的漂亮数字。

条款 3 · 六步流程,以及 COU 要写到多细

原文翻译 · 第 4 节模型评价流程

「模型评价流程如下:① 定义关注问题(Question of Interest: QOI);② 定义使用目的(COU);③ 评价模型风险(Model Influence: MI × Consequence of Wrong Decision: CWD);④ 制定并执行V&V 计划;⑤ 由 V&V 及不确定度量化(Uncertainty Quantification: UQ)结果判断模型对 COU 是否适当(模型可信性 Credibility);⑥文件化。」

I. QOI 的定义:「模型试图回答的疑问。」
II. COU 的定义:「为回答 QOI 所用模型的角色及范围。」
【角色】说明要模型化什么、模型输出如何被利用、以及决策工作流——谁接收模型输出、基于它如何决定下一步动作。
【范围】基于建模所用数据的范围(输入变量范围、产品·工艺种类等)明确适用范围;并从与其他证据的相对贡献角度,说明是否并用其他信息(验证实验数据、制造实绩数据、分析法实测值等),以及模型输出是否为唯一信息源。

解读观点

六步里最容易被糊弄过去的是第 ② 步。国内写 AI 用例说明,常见写法是「用于辅助工艺参数趋势分析」——听着挺像 COU,其实什么都没定。日本人的要求具体到有点较真:谁收到输出、他拿这个输出做什么决定、还有没有别的证据一起摆上桌、模型输出是不是唯一信息源。

为什么非要问「是不是唯一信息源」?因为这句直接决定后面风险打几分、验证做多深。同一个模型,摆在「仅供参考、后面还有成品检验」和「直接决定放行」两个位置,是两件完全不同的东西。把 COU 写清楚,本质上是逼企业在买模型之前先想明白:这个 AI 到底要占多大的决策权重。很多 AI 项目最后卡在验证上,根子在最初 COU 就没敢写死。

顺带一提,「QOI → COU → 风险 → V&V → 可信度 → 文档」这个次序不能倒。先有要回答的问题,才有模型;先定风险,才定验证深度。现实里反着来的太多了:先买了个平台,再倒过来找它能解决什么问题。

条款 4 · MI × CWD:这张 3×3 表,是整份文件最值钱的一页

原文翻译 · 第 III 节模型风险评价

「模型风险由模型输出在某一决策相关证据整体中所占贡献(MI)与错误决定所生结果(CWD)组合决定。」

MI(模型影响度):在考虑追加数据或证据贡献后,模型输出在意思决定中被意图赋予的权重。
· High:模型输出相对于其他贡献证据成为支配性依据,且不存在可与之对抗的独立证据。
· Medium:无法归入 High 或 Low 者。
· Low:模型输出只是多个独立证据之一被参照的补充信息,其他证据以同等或以上权重参与决策。
(注)评价 MI 时不仅要看模型输出,还要考虑参与该决策的其他独立证据(例如工程内管理试验、最终制品试验)的有无及其贡献程度;存在这类独立验证手段时,模型输出不再是决策的唯一依据,MI 可相对评低。

CWD(错误决定后果):基于全部可用信息做出错误决定所生的潜在不良影响,综合不良结果的潜在重大性(Severity)与发生可能性(Likelihood)评价。
· High:错误决定可能直接对患者安全性(健康损害)或有效性造成不良影响,或损害重要品质特性(CQA),导致产品召回等重大规制措施;且该结果依全部可用信息判断属充分可能。
· Medium:无法归入 High 或 Low 者。
· Low:错误决定不影响,或影响 CQA、重要工艺参数(CPP)或患者直接的可能性低。
(注)即使 Severity 高,若 Likelihood 低,CWD 亦可评为 Medium。

模型风险分类

CWD High

CWD Medium

CWD Low

MI High

High

High

Medium

MI Medium

High

Medium

Low

MI Low

Medium

Low

Low

(注 1)该矩阵为通常状况下的判断参考,各分区判定之际须将其依据文件化。
(注 2)错误判断的可检出性(Detectability)不是事后补正模型风险的要素。但存在独立验证手段(工程内管理试验、最终制品试验等)时,模型输出不再是唯一依据,故该手段的存在可在 COU 设定及 MI 评价中考虑;与 Detectability 相关的管理手段,在判断模型可信性及运行上的可接受性时亦可作为证据考虑,此时须将其判断正当化并文件化。
(注 3)应依据风险评价确定的模型风险,判断是否需再按模型固有特性——模型复杂度修正。

复杂度

模型示例

模型风险修正

High

黑箱型模型(深度学习等)

考虑向上修正(Low→Medium→High 方向)

Medium

不归入 High 或 Low 者

维持评价

Low

PLS/PCR 等线性模型,或基于第一原理的物理模型

可考虑向下修正(High→Medium→Low 方向)

(注)上述基准是为提高判定一致性的示例性标准,应结合个别模型特性与利用文脉柔性解释。混合模型的复杂度采用物理成分与数据驱动成分中占支配一方者的复杂度。

解读观点

这张表最妙的地方,是它把「AI 风险」从一个形容词变成了一个可以争吵、可以复核、可以写进会议纪要的分数。MI 问「这个模型说话有多算数」,CWD 问「说错了会多严重」,两个维度一交叉,九个格子。以后 QA、工艺、数据科学三方坐下来,吵的不再是「AI 靠不靠谱」,而是「我们这份 COU 里 MI 到底算 High 还是 Medium,理由是什么」——而且理由必须写下来(注 1)。这一步对国内企业的价值,可能比任何一个技术条款都大。

更见功力的是注 2。企业最爱说的一句话是「我们有成品检验兜底,所以这个 AI 风险不高」。日本人回得很有分寸:可检出性不能拿来事后往矩阵里塞、把红格改成绿格;但如果你一开始就把「有中控、有成品检验」写进 COU、并据此把 MI 评低,那是合规的,只是得书面论证。说白了,兜底手段是设计的一部分,不是评分后的借口。这一刀切得很准,堵的正是风险评估里最常见的「先定结论再找理由」。

注 3 的「复杂度修正」更是把话说透了:同样的用途、同样的后果,黑箱模型往上调一档,PLS/PCR 或第一性原理模型可以往下调一档。这等于官方承认「可解释性本身就是一种风险控制措施」,也等于给「要不要上深度学习」这笔投资标了合规成本。对正在选型的企业,这张表可以直接拿去做技术路线的经济性比较——多出来的那点预测精度,值不值多一档的验证工作量?

还有个细节别放过:Severity 高但 Likelihood 低时,CWD 可以评 Medium。这是把 ICH Q9 的老底子搬了过来,提醒风险不是「最坏后果」单维度。整套框架处处在说同一句话:别为 AI 另造一套方法论,把已有的质量风险管理用扎实就够了。

条款 5 · V&V 计划:范围可以缩,评价不能省

原文翻译 · 第 IV 节 V&V 计划

「V&V 的目的是判断模型的可信性,该可信性评价无论模型风险如何,须对全部模型实施。模型风险低时,可缩小 V&V 的范围·深度,但评价本身不得省略。以下所示为制定 V&V 计划时应考虑事项的示例,并非全部项目对所有模型均为必须;适用项目应依模型种类(数据驱动/物理/混合)、COU、模型风险及模型复杂度选择。」

【一般项目】模型假定的说明;「模型种类与构造」(算法与架构概要)及「模型选择的科学根据」(结合对象现象与数据特性的说明);模型学习方法;建模所用训练/调参数据的种类·分布、数据量及超参数的说明;数据前处理及变量选择适当性的说明;模型的稳健性(robustness)及界限事项(limitations);对 COU 所定适用范围的数据网罗性(含设计空间,如适用)。

【模型确认(verification)项目】软件质量保证;验证用户自编代码及数值算法正确反映模型公式、假定与规格并按预期发挥功能(适用时可用已知解验证、基准比较、与独立实现比较、单元测试、再计算等);计算误差评估,采用数值近似解法时含该近似精度的评估。

【模型验证(validation)项目】测试数据(独立于训练/调参数据)的适当性说明;训练/调参/测试数据是否代表 COU 的说明(分布、偏倚等);模型评价手法(性能指标);模型预测与观测数据的一致度;模型预测的不确定度。

【按建模手法区分的项目】
·数据驱动模型:以交叉验证等手法评价泛化性能(模型对测试数据能在何种程度做出准确预测或决策);模型解释可能性及说明可能性的评价。
·物理模型:作为模型基础的物理定律、化学反应式等的正当性说明;由实验数据推定模型参数的方法及推定精度说明;仿真中计算误差与稳定性评估——数值解收敛于特定值而不发散(不趋向正负无穷)、不出现不可接受的振荡。
·混合模型:除上述两类项目外,还须说明数据驱动部分与物理部分各自角色、两个模型部分是否用同一数据集训练;以替代模型置换物理模型全部或一部分时,评价其是否在 COU 下以适切精度再现参照物理模型。

(注)使用已完成 CSV 的计算机化系统时,V&V 计划中软件质量保证要求可视为已由该 CSV 满足;此时开发者须证明目标模型已在该系统中正确实现。对开源软件及库,考虑其使用实绩,明确所用编程语言、执行环境、库名及其版本、以及所调用的函数等,以确保手法透明性与再现性。

解读观点

「评价本身不得省略」这七个字,是整份文件最硬的一句,也是最容易被误读的一句。日本人给的不是豁免,是按需减量——低风险可以少做几项、做浅一点,但「这个模型对 COU 到底可不可信」这个结论,一个模型都不能没有。国内不少 AI 项目现在的做法是拿「人工复核」四个字把验证整段跳过,按这份文件的逻辑,这一步过不去。

项目清单本身也很有现场感。「已知解验证、基准比较、独立实现比较、单元测试、再计算」——这不是给算法科学家看的,是给写脚本的人看的。「库名及版本、所调用函数」这条更直白:几个月后检查员要能复现你那次预测,光说「我们用了 scikit-learn」不够。做过数据完整性审计的人都懂,这跟 ALCOA+ 是同一套思路,只是把对象从记录换成了模型状态。

「泛化性能 + 可解释性评价」被绑在一起,跟前面的复杂度修正形成闭环:黑箱不是不能用,是用了就得在风险分和验证项上一起还债。而物理模型那条「数值解不发散、不出现不可接受振荡」,几乎可以肯定是从 RTD 仿真、连续制造物料衡算的真实踩坑里总结出来的——不是理论推演,是被算崩过的经验。

CSV 那条则体现了务实的分账:系统层验过的,模型层不重复验,但要证明模型在这套系统里被正确实现。这条能替企业省下大量重复文档,也再次说明这份文件的基调是「减少摩擦」而非「加码」。

条款 6 · 可信度判断与 UQ:给「不确定」也定个量

原文翻译 · 第 V 节模型可信性判断

「为判断模型对 COU 的预测结果及其贡献是否适当,基于事先设定的技术基准、V&V 结果及 UQ,至少须说明以下事项:① 事先设定的技术基准(V&V 中应确认的接受基准或判定基准);② V&V 结果概要及对上述技术基准的符合状况;③UQ 的方法、前提、结果,及其对预测与模型贡献的影响;④ 由 V&V 及 UQ 所得证据对该 COU 的适用可能性(Applicability)评价;⑤ 综合以上,对模型及其预测对 COU 是否适切且可接受、能否用于回答 QOI 作出最终判断。」

(注)本文所称 UQ,指考虑成为模型预测中内在不确定度来源者(例:测量误差、参数推定误差、数值计算误差),定量评价其向模型输出传播的影响。UQ 所需严苛程度取决于模型风险及 COU。

解读观点

「事先设定接受基准」放在第 ① 项,顺序就是态度。先看结果再定合格线,是数据完整性里最经典的一条红线,换个马甲在 AI 上又出现了一次。放到车间里说:模型上线前就得把「准确率到多少算过」「哪个子群体不能低于多少」写死、批准,跑完测试再对表。

第 ④ 项 Applicability 容易被跳过,但它问的是最要命的问题:你在 A 产品、A 设备、A 批原料上验出来的证据,凭什么能用到 B 产线?这跟工艺验证里「最差条件」「代表性批次」的逻辑一脉相承,也正是模型漂移的源头——COU 之外的数据进来,模型其实已经出界了,只是没人发现。

UQ 这条我特别想给 QC 同行标一下。它承认了一件事:模型输出不是一个数,是一个带不确定度的数。测量误差、参数估计误差、数值计算误差会一路传播到预测里。做含量预测、OOS 趋势判断、方法替代的场景,如果不看这层不确定度,一个「看起来合格」的预测值可能刚好压在规格限上——这跟用未评估测量不确定度的数据做放行判定,是同一类风险。而 UQ 要做多深,同样按风险与 COU 定,又回到那张 3×3 表。

条款 7 · 文件化:模型在药事上到底站哪个位置

原文翻译 · 第 VI 节文件化

「汇总上述内容并文件化。此时须明确模型在药事规制上的位置。」

分类

内容示例

模型不直接用于制造·意思决定,仅用于工艺理解与条件探讨(结果可能与规制事项相关)

开发阶段的条件最优化、实验计划效率化

模型输出直接构成承认事项(控制战略·设计空间等)的依据

实时放行检验(RTRT)

、实时工程管理(承认申请阶段或承认后导入)

模型在制造现场GMP 管理下运行,但不直接构成承认事项

偏差调查支援、公司内部品质管理工具(PQS/GMP 范畴)

· 模型输出直接构成承认事项依据、或为控制战略正当化所不可缺时,应纳入承认申请资料(CTD)。
· 模型在制造现场 GMP 管理下运行但不直接构成承认事项时,纳入 CTD 的必要性一般较低,但须备妥资料以便应监管当局要求提示。
·模型风险为 High 时,还须包含以下内容:
①监控模型预测精度是否随时间劣化(模型漂移)的计划。计划可含持续监控模型性能、检出模型异常或性能劣化的方法与频度;模型漂移的监控不仅对 High 风险模型,Medium 风险且长期适用于制造工程时也宜考虑。发现漂移时,重评该模型性能对 COU 是否仍适切;据评价结果决定可否继续使用、是否需要再学习或再验证;若漂移应对伴随 COU 变更,须按变更后的 COU 重新评价模型风险。
②模型再学习或更新时的触发条件、手续及再验证基准。
③检出模型异常或预期外性能劣化时的应对计划,可含:判定停止使用模型的基准与手续;切换至替代判断或既往方法的手续(回退程序 fallback);与 GMP 质量体系(偏差管理、变更管理)的联动方法。

解读观点

这张三分类表解决的是一个特别现实的问题:同一个 AI 模型,站在不同位置,要交的作业完全不同。放在开发阶段做条件筛选,进不了 CTD;拿去做 RTRT、撑设计空间,就得进申报资料、跟变更挂钩;在车间里帮着查偏差,不进 CTD,但检查员上门时得能立刻把材料摊出来。企业最怕的不是做验证,是不知道自己该按哪一档做。日本人先把位置定死,再谈证据,顺序很聪明。

High 风险那三项,才是这份文件真正跟国际接轨的地方。模型漂移监控、再学习触发与再验证、异常应对与回退——等于把「验证」从一次性动作改成了持续状态。尤其第 ③ 项要求写清「什么时候停用」「切回传统方法怎么切」「怎么跟偏差管理、变更管理挂上钩」,这是把 AI 正式纳入了 PQS,不是让它游离在质量体系之外当个工具。

还有一句读起来轻、落地很重:「若漂移应对伴随 COU 变更,须按变更后的 COU 重新评价模型风险」。意思是,模型不行了就悄悄扩一点适用范围、换一批数据重训,不算修好,算换了个模型,风险分要重打、验证要重来。这一句基本堵死了「用在线学习绕过变更控制」的路——也再次解释了为什么第 2 节要把自适应模型划出适用范围:逻辑上是自洽的,不是双标。

三、PMDA 到底什么态度:四个词,一条线

把 23 页和 11 月 2 日那份原则放在一起,PMDA 的立场可以收成四个词。

第一,欢迎,而且主动推。11 月 5 日文件写的是「促进活用」,还主动给 MAP 事前协议减负;PMDA 自己的 FY2025 GMP 年报里说得更直白:先进制造技术能提高生产率、强化数据利用、早期发现潜在问题、预防偏差、提升决策一致性,有机会让质量体系变得更具预防性和主动性。这是一家把 AI 当成「解决劳动力短缺、稳定供应」工具的监管机构,不是防 AI 的机构。

第二,挂靠既有框架,不另起炉灶。ICH M15 是母法,Q9 的风险逻辑是底座,CSV/数据完整性的通知照旧适用。日本没写「AI 附录」,只写了一份把 M15 落到 CMC 实务的「简化版操作说明」。这跟后面欧盟的做法形成最鲜明的分野。

第三,柔性。原文白纸黑字「柔性解释,非僵硬规则」,风险矩阵是「通常状况下的判断参考」,复杂度修正是「示例性标准」,连 PMDA 自己那份基本原则都声明「不设定新的监管要求」、英文只是暂定译、观点会随技术与国际协调变化。日本给的是可谈判的空间,不是可引用的罚则。

第四,一条硬线:参数必须固定。柔性了一整份文件,唯独在「模型运行中会不会自己变」这一点上不让步。因为这不是松紧问题,是 GMP 可重现性假设的边界。

解读观点 · 别忘了 PMDA 在国际桌上的动作

只看国内文件,容易把日本读成「温和跟随者」。但把几条线连起来,方向完全不同:PMDA 正在参与 PIC/S GMP 指南 Annex 22(AI in Manufacturing)的起草,从早期阶段就把用例与风险为本的思路带进讨论;同时通过 FY2026 厚生劳动科学研究费设立项目,专门开发支撑 Annex 22 落地的用例;PMDA 自己说,这样做是为了「把日本产业界的实务视角带进 PIC/S 国际讨论,再把讨论进展带回国内」。加上 2026 年 4 月 20 日 MHLW 与新加坡 HSA 签署 GMP 领域监管合作备忘录,推动检查结果互信,这条链就很清楚了。

所以 11 月 5 日这份文件不该孤立地读。它更像是「国内先把方法论跑通,再拿去国际规则里对齐」的一个中间产物:日本企业先按六步法把 COU、风险分、V&V 证据攒出来,等 Annex 22 定稿时,这些材料能直接对上检查员的提问。PMDA 不是在等规则,是在给本国企业提前攒筹码。这一点,比文件里任何一条技术条款都值得国内同行留意。

四、同一道题,六种解法:全球监管对「AI 进 GMP」的态度

2026 年,全世界没有一部叫「AI GMP」的成文法。但六方已经各自把底牌亮了,而且切入点完全不同——不是同一段话换主语,是六套不同的执法哲学。

美国 FDA:不立新规,直接用老法条开罚单

原文翻译 · FDA 警告信 Purolea Cosmetics Lab(MARCS-CMS 722591,2026.04.02)「药品生产中人工智能的不当使用」一节

「在 FDA 对你药品生产设施的检查期间,你向检查员表示使用了 AI agent〔依法遮蔽〕以协助企业符合 FDA 法规。具体而言,你使用 AI 创建药品规格、规程以及主生产或控制记录,以符合 FDA 要求。」

「若你将 AI 用作文件创建的辅助,必须审核 AI 生成的文件以确保其准确且实际符合 cGMP。你未如此做,构成对21 CFR 211.22(c)的违反。检查期间还记录了你对药品生产运营中人工智能的过度依赖:例如,FDA 检查员发现你在分发药品前未实施工艺验证(21 CFR 211.100 要求),并已告知你;你答复称并不知晓该法律要求,因为你所使用的 AI agent 从未告知你需要这样做。」

「我们知悉你已停止药品生产。如计划恢复生产并使用 AI 协助 cGMP 活动(如规程与规格的制定),AI agent 的任何输出或建议,均须由贵司质量部门(QU)经授权的人员代表依《FD&C 法》501(a)(2)(B) 条审核并放行。参见 21 CFR 211.22、21 CFR 211.100。」

解读观点

这是目前全球最有画面感的一份 AI 执法文本,也是最「美国」的一份:通篇没有一条 AI 专门法规,全部引用 211.22(c)、211.100、FD&C Act 501(a)(2)(B) 这些几十年前的老条款。FDA 的态度一句话说完——AI 不是法外之地,你用 AI 生成的规格和主生产记录,跟人写的一样要 QU 审核;AI 没告诉你有工艺验证要求,不构成免责理由。

把这条跟前面日本文件对照,差别一下就出来了:日本在回答「怎么证明模型可信」,FDA 在回答「出了事谁签字」。一个是事前的方法论,一个是事后的责任归属。两条路并不冲突,反而是互补的——企业既要有六步法攒出来的证据,也必须有那个「经授权的 QU 人员」在记录上签字。顺带说一句,2025 年 1 月 FDA 那份《使用 AI 支持药品与生物制品监管决策的考量》草案,用的也是「按 COU 做基于风险的可信度评估」,和日本的思路同源;只是 FDA 至今没有为 AI 单独设豁免,21 CFR Part 11 的电子记录、审计追踪、电子签名照旧全套适用。

欧盟 EMA/欧委会 与 PIC/S:把红线写进 GMP 正文

原文翻译 · EU GMP Annex 22《人工智能》征求意见稿(2025.07.07,与修订版 Chapter 4、Annex 11 同步公开;由 EMA GMDP 检查员工作组与 PIC/S 共同起草)

适用范围:用于药品与活性物质生产的计算机化系统中、对患者安全、产品质量或数据完整性有直接影响的关键应用(critical applications)所嵌入的 AI 模型;定位于 Annex 11 的附加指南。

「本草案适用于静态模型(使用中不通过纳入新数据调整性能)及具有确定性输出的模型。使用中持续自动学习的动态模型、以及同一输入可能给出不同输出的概率性模型,不在涵盖范围内,且被声明不适用于关键 GMP 应用。」

「本文件不适用于生成式 AI 与大语言模型(LLM),此类模型不应用于关键 GMP 应用;用于非关键 GMP 应用时,应由具备充分资质与培训的人员负责判断输出是否适合预期用途。」

其他要点:预期用途须由工艺 SME 在验收测试开始前书面描述并批准;输入数据须刻画常见与罕见变异、局限及潜在错误或偏倚,必要时按决策结果、site/设备基线、物料特性、缺陷类型与严重度分层;接受标准须在测试前建立并批准,且模型的接受标准至少不低于其所替代工艺的性能;测试数据须独立于训练数据、代表并扩展预期用途的完整样本空间、分层并含相关子群;记录特征归因与置信度;与风险相称的人为监督及运行中性能监控。

解读观点

欧盟这一手,跟日本「我不管你,但也没给你路」的柔性完全相反:它直接把「哪些模型不许进关键应用」写进了 GMP 附录正文——静态、确定性、可解释,三选三全满足;动态自适应、概率性输出、GenAI/LLM,明确「should not be used」。这是目前全球唯一把 AI 排除清单写进 GMP 层级文本的规则。

最值得抄走的其实是那句「接受标准至少不低于被替代工艺的性能」。它逼企业先量清楚现有人工/既有自动化流程的真实水平,再谈 AI 有没有变好。多少 AI 项目汇报里只有一个孤零零的「准确率 98%」,却没有基线——没有基线,98% 既可能是巨大提升,也可能是严重退化。这条比任何一句「要重视验证」都管用。

状态要说准:2025 年 10 月 7 日咨询截止,收到约 1300 条意见;截至 2026 年 10 月仍未定稿,EMA 在 2026 年 6 月底—7 月初的多方研讨会上正在讨论是否于风险为本控制策略下重新纳入 GenAI/LLM 与概率/自适应模型,普遍预期 2026 年底至 2027 年落地。但草案已经把检查员的思路暴露了,等定稿再准备就晚了。

还有一个放大效应常被忽略:Annex 22 是EMA 与 PIC/S 共同起草的。PIC/S 有 50 多个参与机构(含 FDA、MHRA、Swissmedic、TGA、HSA 等),日本 PMDA 2014 年 7 月加入并参与起草。一份名义上的欧盟附录,实质上会变成全球检查口径。这也是为什么 PMDA 要急着在国内先跑六步法。

英国 MHRA:被 AI 幻觉反噬的检查回复

公开信息 · MHRA 检查员提示(2026.06.29)

MHRA 报告,收到企业用 AI 准备的 GxP 检查回复,其中引用了并不存在的指南;监管方强调,内容责任仍在企业,每一条引用都须回溯原始出处核对。英国目前对 AI 的正式监管框架主要落在「作为医疗器械的 AI(AI Airlock 监管沙盒,2024 年 4 月—2025 年 3 月试点)」,尚未延伸到药品生产 GMP 的计算机化系统;MHRA 作为 PIC/S 成员参与 Annex 22 相关协调。

解读观点

这条不大,但特别值得单独拎出来,因为它是唯一一个「监管者自己被 AI 输出坑到」的场景。企业拿 LLM 写检查回复,模型编了个不存在的指南编号,回复就递上去了。放到数据完整性的语言里,这是一条不可归因、不可溯源的引用;放到检查员眼里,它瞬间会把整份回复的可信度拉低。

它跟日本那份 11 月 2 日原则里「以人为本 + AI 素养」遥相呼应,也跟 FDA 那封警告信指向同一件事:凡是不直接进批记录、但会进监管沟通的 AI 输出,责任照样在企业,而且最容易出事的地方不是算法,是没人对着源头文件逐条核。对国内做境外检查准备、写 483 回复的团队,这条应该直接写进 SOP:AI 可以起草,引用必须人工回源。

中国 NMPA:监管侧先跑起来,规则端留白

原文摘录 · 国家药监局等七部门《医药工业数智化转型实施方案(2025—2030 年)》(2025.04.03 印发,04.24 公开)与《「人工智能+药品监管」的实施意见》(国药监综〔2026〕6 号)

七部门方案:「研究制订药品和医疗器械质量管理相关计算机化系统验证(CSV)指南文件,重点推动针对工艺过程控制、质量控制、物料管理、生产准备或清场等系统的确认与验证」;「针对人工智能药物研发、医药制造计算机模拟与仿真、虚拟临床试验、真实世界数据应用、远程监管等领域,研究制定监管指南、指导原则、标准规范」;「打造符合医药质量管理规范体系(GXP)的系统解决方案」;到 2027 年「制修订 30 项以上医药工业数智技术标准」「建设 10 个以上医药大模型创新平台、数智技术应用验证与中试平台」。

《实施意见》:「建立健全『数智赋能、人工复核、全程留痕』的人机协同机制」;「对疫苗、血液制品等高风险品种,利用智能体动态监测生产过程的视频、物联感知等数据,及时发现质量安全风险」;推进中药注射剂等品种生产、检验全程数智化;「明确人工智能在药品监管领域的辅助型定位,完善全流程的管理机制,确保技术应用合规、透明、可信赖」。

解读观点

中国的路径跟前面几方都不一样,得用另一套词来讲:不是「给 AI 定规矩」,而是「先让监管能力数智化、同时把产业侧的数智化推起来,规则端留白待补」。注意措辞——「研究制订 CSV 指南」「研究制定监管指南、指导原则」,用的是将来时;而「智能体动态监测疫苗、血液制品生产」「中药注射剂生产检验全程数智化」是已经在推的具体场景。

最该被国内 QA 划重点的,是「数智赋能、人工复核、全程留痕」这十二个字,和「辅助型定位」四个字。把它跟 FDA 的「QU 授权人员审核放行」、PMDA 的「最终责任留在人」并排看,三方在「人签字」这一点上完全同频,只是中国把它写成了机制名称。也就是说,即便国内 GMP 层面还没有 AI 专门附录,「AI 输出必须经人复核并留痕」这条期望已经很清楚了,检查时不会因为你「国内没规定」就不问。

对出海企业,这里有个很实际的落差:国内当前更侧重「监管侧用 AI 看企业」,欧盟 Annex 22 侧重「企业用 AI 做决策时怎么受控」。前者你作为被监管方感受不到太多合规压力,后者会直接落到你的验证文件、供应商审计和批记录上。拿国内「目前没规定」去推断境外检查尺度,是这两年最容易踩的坑。另外七部门方案明确要制订 CSV 指南,这条值得盯——它一旦落地,很可能就是中国版 AI/计算机化系统验证规则的起点。

ICH、WHO 与行业侧:底座的供给方

ICH提供的是母法:M15《模型引导的药物开发一般原则》2026 年 1 月 29 日到达 Step 4,日本 11 月 5 日文件开篇就挂在它下面;Q2(R2)/Q14 已经容纳多变量与模型化分析方法,Q9(R1) 提供风险逻辑,Q13 提供连续制造底座。2025 年 10 月 ICH 大会通过先进制造反思文件,把「含 AI 模型在内的过程建模」列入未来指南工作方向。ICH 至今没有 AI 专门指南,但所有 AI 规则的语法都从它这里来。

WHO反而最克制:2023 年 6 月一次 GMP 咨询的结论是「现在起草指南似乎为时过早,来自企业和监管方的实施信息还不够」,既有 AI 与健康工作主要通过 2018 年与 ITU 共建的 AI for Health 焦点组做基准与标准化方法。WHO 的原则性立场是「AI 应增强而非取代人的决策、须整合进既有 GMP 框架并持续监控」,但都是不具约束力的软性建议。

行业侧补的是工程方法:ISPE 于 2025 年 7 月发布《GAMP Guide: Artificial Intelligence》,是第一个专门面向 GxP 环境 AI 系统验证的完整行业框架,讲风险分级、持续验证、数据治理与人为监督;GAMP 5 第二版、PIC/S PI 041-1 数据完整性指南则继续提供检查员共用的 ALCOA+ 语言。不是法规,但检查员读的就是这些。

解读观点 · 六方对照表

机构

最新动作

对「会自己学的模型」

一句话态度

日本 MHLW/PMDA

2026.11.05 CMC 六步法;11.02 AI 基本原则

划出适用范围;GenAI 可进监管活动、不进 CMC 模型评价

先算风险账,再谈能不能用;鼓励但不写禁令

美国 FDA

2025.01 AI 可信度草案;2026.04 首封 AI 专章警告信;2026.01 与 EMA 联合十原则

不分类,现有法规全覆盖

不开新法,用 211.22 和 Part 11 管到底,人签字

欧盟 EMA/PIC/S

2025.07 Annex 22 草案 + Annex 11/Chapter 4 修订

关键 GMP 应用中明确排除动态、概率、GenAI/LLM

静态、确定性、可解释,写进 GMP 正文

英国 MHRA

2026.06 提示 AI 生成的检查回复引用了不存在的指南

无 GMP 专门框架,设备侧有 AI Airlock 沙盒

责任在企业,引用必须回源核对

中国 NMPA

2025.04 七部门数智化方案;2026「人工智能+药品监管」实施意见

未单列排除;明确「辅助型定位」

监管侧先数智化,产业侧鼓励,规则端待补

ICH/WHO/ISPE

ICH M15 Step 4;WHO 认为「为时过早」;ISPE GAMP AI Guide

提供底层语法与工程方法

不立新法,把既有 Q 系列与 GxP 原则延伸到模型

收敛的部分:人负最终责任、先定 COU、风险为本、数据治理与可追溯、独立测试数据、事前接受标准、全生命周期监控。2026 年 1 月 14 日 FDA 与 EMA 联合发布的《药品开发良好 AI 实践指导原则》十项原则,几乎就是这份公约数的公开版——以人为本、风险为本、遵循标准(含 GxP)、明确 COU、多学科、数据治理与文档、模型设计开发、基于风险的性能评估、生命周期管理、清晰必要的信息披露。两大机构声明这些原则将作为各自未来 AI 指南的基础,这句话对跨国企业的含义是:一套治理骨架,可以横跨两个市场。

分歧的部分才是真功夫:红线画在模型类型上(欧盟),还是画在决策权重上(日本);是写进 GMP 附录(欧盟),还是写成柔性事务联络(日本),还是根本不写、直接执法(美国);以及「有成品检验兜底」能不能降风险——日本说可以,但必须写进 COU 和 MI,不能事后补正。这三处差异,会实实在在改变同一个 AI 项目在不同市场要交的证据包。

五、给国内药企的落地清单,以及一个判断

写到这里,把能马上动手的事收成一张单子。不按国家分,按项目推进顺序排:

  1. 先建 AI 用例台账。

    不管模型在研发、生产、QC 还是文档环节,全部登记,第一列只问一件事:输出会不会直接影响患者安全、产品质量或数据完整性。这一刀下去,关键/非关键两类就分开了——Annex 22 管的是前者,日本六步法也主要服务于前者。

  2. 每个模型写一份 COU。

    照日本第 4 节抄格式:角色(谁收到输出、据此做什么决定)+ 范围(输入变量、产品与工艺种类、还有其他证据并用吗、是不是唯一信息源)。写不出「谁据此做什么决定」的用例,先别上线。

  3. 按 MI × CWD 打分,并把依据写进纪要。

    黑箱往上调一档,PLS/PCR 或第一性原理模型可往下调一档;混合模型取主导成分。「我们有成品检验兜底」要写在 COU 和 MI 里,不能事后拿来改矩阵。

  4. 验证可以减量,可信度结论不能省。

    低风险少做几项可以,但每个模型都要有一份「对 COU 是否适切」的书面判断——这是日本原文里唯一一处用了「不得省略」的地方。

  5. 测试数据独立于训练/调参数据;接受标准在测试前批准;基线先量清楚。

    最后半句来自欧盟:模型的接受标准至少不低于被替代工艺。没有基线,任何准确率数字都说明不了问题。

  6. 把脚本文档纳入受控范围。

    编程语言、执行环境、库名与版本、所调用函数、代码审查与单元测试证据——日本人在 V&V 清单里专门写了这一条,中国的数据完整性检查也迟早会问。

  7. High 风险要写三样东西

    :漂移监控(方法与频度、异常检出)、再学习/更新的触发条件与再验证基准、异常应对(停用判据、切回传统方法的回退程序、与偏差管理和变更管理的联动)。漂移处置若改了 COU,风险要重打。

  8. 供应商与 CDMO 的「影子 AI」进审计范围。

    受托方私下用未验证的自动化工具处理你的偏差摘要、检验数据或申报草稿,责任最终落在 MAH 头上;FDA 那封警告信已经证明「AI 说的」不构成免责。

全球监管没人在等一部「AI 大法」。
他们只是把数据完整性、风险管理、计算机化系统验证,
一条一条,慢慢压到了模型身上。

最后一个判断。2026 年真正的分水岭,不是「允不允许用 AI」,而是「模型参数能不能冻结」。日本用适用范围把它绕开,欧盟用附录把它禁掉,美国压根不分类、只追签字的人——三条路,指向同一个技术选择:把模型锁死、验透,把重训当变更控制事件。代价是放弃「越用越聪明」的想象,换来的是可重现、可解释、可在检查时摊开讲。这个交换在 GMP 里从来不亏,因为 GMP 要的从来不是最聪明的系统,是最可预测的那个。

对国内企业,还有一层更现实的:Annex 22 还没定稿,日本这份也只是事务联络,都别等。草案和路线图已经把检查员的提问顺序公开了——先问 COU,再问风险打分依据,再问独立测试数据与事前接受标准,最后问漂移了怎么办。按这个顺序把材料攒好,无论最终文本落在哪一版,都不会白做。日本把这套方法在国内先跑一遍、再带进 PIC/S 讨论,图的就是这个。我们没理由比它晚一步。

参考文献

  1. 厚生劳动省医药局医药品审查管理课. 关于「医药品的制造·质量管理(CMC)领域中使用含 AI·机器学习的模型时的考量」的事务联络

来源:PharmaBuddy · mp.weixin.qq.com