跳到正文
热点事件历史事件

日本厚生劳动省发布CMC领域AI使用考量通知

3 篇报道2 个报道来源首报10 天前更新

先了解这件事

AI 综述

日本厚生劳动省医药局11月5日发布23页行政通知,明确CMC领域的AI模型考量仅适用于参数固定、输出可事先规定的模型;运行中会自学习、输出无法事先规定的模型被排除在讨论范围外。 文件按模型输出是否直接进入批准事项区分资料要求:作为控制策略、设计空间等批准依据,或为实时放行检测、实时工艺控制等佐证管理策略所必需时,须纳入CTD;仅在GMP管理下生产现场使用、不直接进入批准事项的模型(如偏差调查支持、企业内部质量管理工具),不一定要放入CTD,但须应监管机构要求立即出示。 文件还给出六步流程和按输出可信程度、出错后果严重程度分级的3×3风险表。高风险模型上线后须监控漂移、写明再学习触发条件并准备切回传统方法;扩大适用范围或换数据重训视为新模型,风险分级与验证需重做。

AI 根据报道生成 · 9 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月13日
  1. PharmaBuddy
    解读日本 11 月 5 日 AI 用于 GMP 的行政通知:自学习模型被排除,另设 3×3 风险表

    日本 11 月 5 日的 23 页文件属行政通知,仅将参数固定、输出可事先规定的模型纳入讨论,运行中会自学习、输出无法事先规定的模型被排除在外。文件给出六步流程和一张 3×3 风险表,按模型输出的可信程度与出错后果严重程度两个维度分级。高风险模型上线后必须监控漂移、写明再学习触发条件并备好切回传统方法的退路,扩大适用范围或换数据重训被视为新模型,风险分级与验证需重做。

  2. PharmaBuddy精选
    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。

  3. GMP办公室
    日本厚生劳动省医药局发布CMC领域灵活使用AI与机器学习模型的考量文件

    日本厚生劳动省医药局发布《药品生产·质量管理(CMC)领域中灵活使用AI·机器学习模型的考量》,说明AI模型在GMP领域应用的基本原则。