Мы используем технологию cookie для понимания того, как вы пользуетесь нашим сайтом. Под этим подразумевается персонализированный контент и реклама. Для того, чтобы узнать больше - нажмите сюда. Пользуясь данным сайтом вы подтверждаете согласие с нашей политикой. Политика cookie.
Please note that the HospiMedica website is also available in a complete English version
Разделы Партнеры Информация LinkXpress
Вход
Реклама на сайте
Ampronix,  Inc

Мобильное Приложение




FDA разрабатывает нормативную базу для медицинских устройств, связанных с искусственным интеллектом

Редакция HospiMedica - Россия
Опубликовано 08 Aug 2019
Print article
FDA фокусируется на новой нормативно-правовой базе, предназначенной для продвижения медицинских устройств, использующих передовые алгоритмы искусственного интеллекта (фото любезно предоставлено Shutterstock).
FDA фокусируется на новой нормативно-правовой базе, предназначенной для продвижения медицинских устройств, использующих передовые алгоритмы искусственного интеллекта (фото любезно предоставлено Shutterstock).
Управление США по контролю качества пищевых продуктов и лекарственных средств (US Food and Drug Administration - FDA; Силвер-Спринг, штат Мэриленд, США) рассматривает новую нормативно-правовую базу, специально разработанную для содействия разработке безопасных и эффективных медицинских устройств, использующих современные алгоритмы искусственного интеллекта (ИИ).

Алгоритмы ИИ уже используются, чтобы помочь в скрининге заболеваний и предоставлении рекомендаций по лечению. До настоящего времени FDA выдавало регистрационное удостоверение и разрешение на продажу на технологии ИИ, также называемые "фиксированными" алгоритмами, которые не способны постоянно адаптироваться или обучаться при каждом использовании алгоритма. Производители модифицируют эти фиксированные алгоритмы в процессе обучения алгоритма с использованием новых данных, с последующей ручной проверкой и валидацией обновленного алгоритма. В случае традиционного программного обеспечения в качестве медицинского устройства спонсор должен предоставить документ, демонстрирующий безопасность и эффективность модификаций.

Однако алгоритмы машинного обучения, которые постоянно развиваются и называются адаптивными, или непрерывно обучающимися алгоритмами, не требуют ручной модификации для включения обучения или обновлений, поскольку они могут учиться на основе новых пользовательских данных, представленных им в реальных условиях применения. Например, алгоритм, который обнаруживает образования рака молочной железы на маммограммах, может научиться повышать достоверность, с которой он идентифицирует поражения как раковые, или идентифицировать конкретные подтипы рака молочной железы, постоянно обучаясь на основе реального использования и обратной связи.

В настоящее время FDA изучает структуру, которая позволила бы вносить изменения в алгоритмы из реального обучения и адаптации, одновременно обеспечивая безопасность и эффективность программного обеспечения как медицинского устройства. FDA рассматривает вопрос о том, как подход, позволяющий оценивать и контролировать программный продукт от его предрыночной разработки до производительности после выхода на рынок, может обеспечить разумную гарантию безопасности и эффективности и позволить регулирующим агентствам принять итеративный характер этих ИИ-продуктов, обеспечивая при этом соблюдение стандартов безопасности и эффективности.

"Мы делаем первый шаг к разработке нового, индивидуального подхода, чтобы помочь разработчикам вывести устройства искусственного интеллекта на рынок, выпустив документ для обсуждения. Другие шаги в будущем будут включать выпуск проекта руководства, которое будет основано на информации, которую мы получим. Наш подход будет сосредоточен на постоянно меняющейся природе этих перспективных технологий. Мы планируем использовать данные нам полномочия новыми способами, чтобы идти в ногу с быстрыми темпами инноваций и обеспечить безопасность этих устройств", — заявила FDA в своем пресс-релизе.

Ссылки по теме:
Управление США по контролю качества пищевых продуктов и лекарственных средств


Print article

Каналы

Интенсивная терапия

посмотреть канал
Панель инструментов DynoCapture в режиме онлайн отображает показатели здоровья (фото любезно предоставлено DynoSense).

Основные показатели жизнедеятельности смогут находиться под контролем облачной системы

В инновационном беспроводном устройстве предусмотрена связь со смартфонами или сторонними специализированными приложениями,... Читать дальше

Хирургия

посмотреть канал
Система управления жидкостью Triton (фото любезно предоставлено Gauss Surgical).

Монитор оценки кровопотери окажет помощь при послеродовом кровотечении

Интраоперационная платформа для мониторинга кровопотери способствует более надежному определению послеродового кровотечения,... Читать дальше

Женское здоровье

посмотреть канал
В новом исследовании утверждается, что задержка перерезания пуповины улучшает миелинизацию (фото предоставлено фотобанком iStockPhoto).

Отсроченное пережатие пуповины ускоряет раннее функциональное развитие

Новое исследование показывает, что пятиминутная задержка при пережатии пупочного канатика приводит к увеличению запасов железа... Читать дальше

Уход за пациентами

посмотреть канал
Доктор Кара Бернс и медицинское ‘селфи‘ (фото любезно предоставлено Карой Бернс).

Пациентам предоставлена возможность делиться медицинскими изображениями

Новое исследование показывает, что обмен клинически значимыми данными, собранными пациентами или лицами, осуществляющими... Читать дальше

IT

посмотреть канал
Apple PHR способна систематизировать медицинские записи в четком и понятном хронологическом порядке (фото любезно предоставлено Apple).

Apple открывает функцию электронных медицинских карт iPhone для организаций здравоохранения США

Компания Apple даст возможность любой организации здравоохранения с совместимой электронной медицинской картой (ЭМК) регистрироваться... Читать дальше

Новости больниц

посмотреть канал
Система NFER позволяет исследователям отслеживать движения медсестер в реальном времени (фото любезно предоставлено Юнг Хиуп Кимом (Jung Hyup Kim) из Университета Миссури).

Система отслеживания медсестер может улучшить рабочий процесс в больницах

Инновационная система использует комбинацию наблюдения в ручном режиме и неинтрузивных датчиков слежения для наблюдения в... Читать дальше
Copyright © 2000-2019 Globetech Media. All rights reserved.