2019年7月3日，醫療器械技術審評中心發布《深度學習輔助決策醫療器械軟件審評要點》，意味著三類人工智能醫療器械注冊?審評標準正式落地，產業發展的政策瓶頸已被打破。2019年7月17日成立人工智能醫療器械創新合作平臺，以構建開放協同共享的人工智能醫療器械創新體系，形成服務于科學監管、科技創新、產品轉化的人工智能醫療器械創新合作平臺為目標愿景，將全力推動醫學人工智能產品審批。
人工智能醫療器械醫療器械臨床試驗倫理審查要點
2019年7月3日，醫療器械技術審評中心發布《深度學習輔助決策醫療器械軟件審評要點》，意味著三類人工智能醫療器械注冊審評標準正式落地，產業發展的政策瓶頸已被打破。2019年7月17日成立人工智能醫療器械創新合作平臺，以構建開放協同共享的人工智能醫療器械創新體系，形成服務于科學監管、科技創新、產品轉化的人工智能醫療器械創新合作平臺為目標愿景，將全力推動醫學人工智能產品審批。人工智能醫療器械是指器械的工作流程優化、數據處理、輔助診斷等方面，采用以深度學習、神經網絡為代表的數據驅動方式訓練算法的新一代人工智能技術的醫療器械。
一、國內外人工智能醫療器械的概況
人工智能系統有比人類更強的觀察力和洞察力，可快速處理海量醫療和病人信息，提供輔助建議，幫助決策和減少人為偏差，協助醫生將有限精力集中于病人。人工智能系統可基于新信息、結果和操作不斷學習，有助于醫療專業人員作出更加明智、及時的決策 。隨著逐漸落實分級診療和國產醫療器械的快速發展，醫療器械公司為保持其產品競爭優勢以瓜分更多基層醫療市場的蛋糕，除重視硬件質量外，也注重設備智能化，特別是配套的篩查系統和輔助診斷?；鶎俞t療機構缺乏優秀醫生，對人工智能醫療器械需求大，將是人工智能浪潮的最大受益者和主戰場。
1.1 人工智能醫療器械的研發模式
讓醫療器械產品變得更加智能是趨勢，可提高產品的競爭力。智能化、數字化醫療實現醫療設備的全生命周期管理是國際大公司的發展重點。在合作方式上，因為目前沒有明確的收費項目，如肺結節篩查類產品主要以兩種方式進入醫院：一是以科研項目的方式同醫院合作；二是同醫療器械廠商合作，以整體服務包的形式進入。
對于醫療人工智能公司來說，產品研發出來以后，與醫療器械公司的合作有兩種好處，一方面可以通過科研合作的方式，驗證自己產品的實際臨床效果。另一方面，現在大多數醫療人工智能公司都在尋找合適的盈利模式。但由于醫療的嚴謹性，我國尚無針對人工智能產品的認證標準，以往公司常依據醫療器械的認證流程認證二類醫療器械或者三類醫療器械。在沒有獲得認證之前，很多人工智能公司通過與醫療器械公司的合作，將系統搭載在醫療器械上，醫療器械公司只需去省級食品藥品監督管理局進行報備，不需要進行重新的認證，就可在市場上銷售，所得的銷售利潤可以按照雙方提前商量好的比例進行分成。
1.2 人工智能醫療器械的應用
2011年IBM的Watson開啟人工智能醫療的商業發展，深度學習算法歷經多次換代。2016年1月，IBM和美敦力合推糖尿病監測APP，借助數據分析結果，可提前3小時預測低血糖的發生，大大改善病人生活質量。IBM的Watson至今仍未獲得美國食品藥品監督管理局的認證，但其服務都是在法律允許的框架之內。
根據全球市場洞察力（Global Market Insight）的數據報告顯示，人工智能醫療影像緊隨人工智能藥物研發成為第二大細分市場，占比25%，并將以超過40%的增速發展，預計2024年將達25億美元規模。人工智能在醫療影像領域的應用主要包含，圖像或檢查的分類，器官、區域或標記點的定位，目標及病理的檢測，組織結構的分割，病灶區的分割以及圖像配準等，針對的疾病主要有肺結節、糖尿病性視網膜病變、腦卒中等，應用方向主要有疾病篩查、病灶勾畫和臟器三維成像。對細分病種的增強覆蓋和根據自身業務特點對新場景的探索是未來發展方向。
各公司正通過將人工智能醫療器械產品投入醫院免費試用來積累大量臨床數據，以此提高臨床應用的精準度，為申報國家藥品監督管理局認證提供可靠的數據基礎，縮小臨床結果與實驗室結果之間的差異。這卻給不熟悉人工智能醫療器械審查注意事項的倫理委員會帶來極大挑戰。
1.3 美國人工智能醫療器械審批現狀
美國食品藥品監督管理局的人工智能影像系統分為計算機輔助檢測（computer-aided detection）和計算機輔助診斷（computer-assisted diagnostic），前者用于檢測身體異常狀況，后者評估疾病的存在與否，比如嚴重性、疾病分類或預測。為加快醫療人工智能審評審批進程，2017年7月，美國食品藥品監督管理局發布數字健康創新行動計劃，根據電子健康產品特征、臨床應用前景、用戶界面特性和商業化周期等，建立新型實效性強的監管方法。
美國食品藥品監督管理局已批準多個人工智能醫療器械，審批遠快于中國。如2018年2月審批了第一個針對中風的人工智能診斷決策支持產品（ContaCT）；同月審批了第一個針對兒童自閉癥的人工智能診斷決策支持系統，Cognoa公司的一款深度學習應用；2018年4月批準了IDx公司首個自主式人工智能診斷設備IDx-DR的軟件程序，可通過查看視網膜照片對糖尿病性視網膜病變進行自主診斷；2018年5月批準了新型人工智能工具OsteoDetect，用人工智能算法協助醫生快速診斷腕骨骨折。在醫學影像方面，美國食品藥品監督管理局首次批準通用電氣公司的低劑量CT肺癌篩查方案，可精準成像，發現早期的微小結節，通過自動標記難識別的肺結節，輔助醫生快速、精準地進行篩查。
美國醫療人工智能行業已有不少產品上市，我國醫療人工智能行業也盡快需要拳頭級產品在國際上參與競爭。據報道，2018年11月底國家藥品監督管理局對創新特別審批申請的1 054項項目進行審批，同意了192項，含已獲批上市的51項創新醫療器械，但都不是人工智能醫療器械。
二、人工智能醫療器械的研發現狀
在機器學習與深度學習越來越風靡的高科技行業中，利用人工智能進行影像三維分割、病理圖像分析處理、個性化精準醫療等方面的工作來輔助醫生進行診斷與治療方案擬定已日漸普及。
2.1 我國人工智能醫療器械分類
原國家食品藥品監督管理總局發布的新版《醫療器械分類目錄》已于2018年8月1日起施行。特意新增了與人工智能輔助診斷相對應的類別，即目錄中的對醫學影像與病理圖像的分析與處理。我國人工智能定位于輔助診斷，協助醫生而不可直接服務于病人。按照最新的分類規定，把醫用軟件按二類、三類醫療器械設置審批通道。若診斷軟件通過其算法提供診斷建議，只能輔助診斷，不直接出具診斷結論，其相關產品按二類醫療器械管理。若診斷軟件通過其算法可自動識別病變部位和提供明確的診斷提示，其風險級別相對較高，其相關產品按三類醫療器械管理。可見當前人工智能產品大多屬于三類醫療器械。
美國批復的人工智能產品大都是走二類醫療器械的認證流程，通過跟傳統臨床決策支持系統做等同對比證明安全有效性。相比我國絕大部分人工智能醫療器械產品被定為三類醫療器械，大部分人工智能產品在美國都被定為二類醫療器械，我國對待人工智能醫療器械產品的審批態度更慎重，法規相對更嚴謹，對臨床評價的路徑控制更嚴格。
三類醫療器械的申報需有臨床試驗數據支撐，部分二類醫療器械可豁免臨床試驗，但診斷軟件的申報可否豁免臨床試驗，國家藥品監督管理局尚無具體規范。當前人工智能醫療器械企業中，僅武漢蘭丁的全自動數字（遠程）病例分析儀和EDDA科技公司研發的IQQA人工智能賦能平臺獲得國家藥品監督管理局認證，其他企業都還處于免費提供試用的階段。目前尚未有一款產品獲得三類人工智能醫療器械證書。業內認為我國人工智能醫療器械獲得注冊證的困難之處在于：對產品的認識速度跟不上對審評的認識程度，對高風險產品的臨床驗證滿足不了臨床的實際需求。而這些問題的解決還有賴技術的突破和臨床驗證的積累。
2.2 企業應對策略
為適應國家政策，我國大部分人工智能醫療器械企業刪除和增加診斷功能，同時按照二、三類醫療器械申報。當前一些企業已獲二類人工智能醫療器械證書，不少人工智能企業都在積極進行三類醫療器械的申報。隨著分類目錄的出現，現階段各家醫療人工智能公司在研發產品的同時理應加速國家藥品監督管理局認證的過程，這樣在市場化過程中才可以在相對平等的條件下和醫療器械公司、醫療機構達成合作。在具備盈利可能性的前提下，保護自己的品牌不成為醫療器械公司的附庸。
2.3 已進入注冊申報階段
根據醫療器械注冊流程，要經過產品定型、檢測、臨床試驗、注冊申報、技術審評、行政審批這六步。檢測報告和臨床試驗報告是注冊申報的前提條件，通過之后國家藥品監督管理局才會正式受理。目前已有90多家企業跟國家藥品監督管理局就三類證書的申請進行溝通，具體包括數據集的整理、敏感性特異性指標的評估、安全性有效性的評估等方面。國家藥品監督管理局2019年5月27日公布了《創新醫療器械特別審查申請審查結果公示》(2019年第6號)，深圳硅基智能科技有限公司申報的“糖尿病視網膜病變分析軟件”產品已獲批創新醫療器械，進入臨床試驗及審評快速綠色通道。國家藥品監督管理局在創新產品的審批申報方面還開通申報的綠色通道等優惠政策。
中國食品藥品檢定研究院負責人工智能醫療器械產品的質量評價與研究工作。并非全部產品需臨床試驗后才能上市，源于真實世界的臨床試驗數據可用于臨床前及臨床的評價，前瞻性和回顧性的臨床數據可用于臨床評價。中國食品藥品檢定研究院規劃的人工智能醫療器械檢驗體系有四個步驟：標準數據、體模測試、軟件性能、模擬對抗，已建立起了彩色眼底圖像和肺部CT影像兩個數據庫。數據庫構建過程主要包括數據收集、圖像標注、數據管理三個步驟。
三、人工智能醫療器械倫理審查的核心問題
人工智能醫療器械倫理審查的問題除人工智能和醫療器械各自問題外，也有人工智能與醫療器械疊加帶來的問題。已有文獻概述了醫療器械倫理審查的要點。人工智能應用于醫療領域的倫理問題，包括公平受益、失業、患者隱私、醫療安全、責任劃分和監管等。其原因涉及未遵守基本倫理原則、技術缺陷、立法和監管缺失、隱含算法偏見、數據質量欠佳等。鑒于目前人工智能算法準確度和適應性是限制其臨床應用的瓶頸，因此人工智能醫療器械倫理審查的核心問題包括難以準確評估風險、建立恰當類型數據庫、確保數據安全、算法更新導致軟件迭代等。
3.1 難以準確評估風險
人工智能醫療器械的使用與健康息息相關，風險評估尤為重要。臨床使用風險應考慮數據質量控制、算法泛化能力的直接影響和算力所用計算資源（即運行環境）失效的間接影響。為使風險最小化，確保人工智能醫療器械的可靠性，需在使用過程中評估其風險。倫理審查中應注意其考量因素是否包括了臨床使用中的假陽性、假陰性和進口軟件的中外差異，以及風險管理活動相關的預期用途、使用場景、核心功能及措施、要求。
3.2 建立恰當類型數據庫
數據是人工智能醫療器械的核心要素，將成為制約人工智能醫療器械發展的瓶頸。因此，數據庫的建立是人工智能醫療器械審批的先行之舉，2019年7月17日之前我國僅存在肺結節和眼底兩類影像數據庫，未來將建立肺CT、腦磁共振、冠狀動脈CT血管造影等更多測試樣本數據庫，且明確測試數據庫的類型包含檢驗數據庫、真實世界數據。2018年9月以來，多達230家醫院IBM Watson診療系統由于開不安全藥物、診斷錯誤而備受質疑，導致美國德克薩斯州安德森腫瘤中心在已投入6 700萬美元后放棄該項目。據《華爾街日報》等媒體報道，Watson診療系統的訓練用真實病例數很小，肺癌635例已屬最多，卵巢癌106例為最少。基于足夠數量的數據庫樣本用于訓練人工智能醫療器械，將大幅降低其誤診率和漏診率。
3.3 確保數據安全
數據安全已成為人工智能的關注重點。人工智能醫療器械的網絡安全存在較多隱患且無法得到及時修復，有些企業并不須具備必要的網絡安全風險防控能力，其網絡安全主動發現和監測預警能力均有待提升。有些企業在設計時沒有考慮健康數據傳輸過程中的保密性等安全問題。企業作為運營者應承擔主體防護責任，主管部門應履行監管責任。數據安全性的提高需得到醫療機構的配合，醫療機構在對健康數據進行歸檔、備份等數據傳輸操作時，尤其是通過公共互聯網傳輸敏感數據時，若未對敏感數據進行加密處理，容易造成患者治療信息、基因等重要醫療健康數據信息泄露。
醫療行業成為數據泄露的重災區，由黑客滲透入侵導致的數據泄露事件增速最快，由于服務器配置不當、漏洞等因素造成的未授權訪問問題也日益增多。2017年美國就有15次重大醫療信息泄露事件，約300萬名病人的信息被泄露。我國同樣面臨類似嚴峻挑戰，2017年9月《法制日報》報道了一醫院服務信息系統遭黑客入侵，多達7億多條信息被泄露，8 000多萬條信息被販賣。
3.4 算法更新導致軟件迭代
軟件更新是導致人工智能軟件召回的主要原因之一，應考慮對軟件安全性和有效性的正面和負面影響。軟件更新包括數據驅動型和算法驅動型軟件更新，由此產生重大軟件更新、輕微軟件更新及其版本命名規則。表面看來，算法作為一種數學結構，具有客觀的和確定性的特征。因此，算法決策應該不大可能會受到人們的情感和價值觀的影響，但實際情況卻恰恰相反。人工智能的算法雖說只是一種數學表達，看似與價值無關，實際上卻不可避免地存在主觀偏見。這種偏見的來源是多方面的，既有可能來自于訓練系統的數據輸入，又有可能來自于編程人員的價值觀嵌入。為加快人工智能醫療器械的審批，基于現有歷史數據的回顧性研究可用于臨床評價，甚至算法性能評估可采用屬于回顧性研究的第三方數據庫。
2019年4月2日美國食品藥品監督管理局發布人工智能醫療器械變更的監管框架的討論稿及征求意見，已于2019年6月3日前提交了討論意見稿。擬議的監管框架可使美國食品藥品監督管理局和制造商從上市前開發到上市后對軟件產品性能進行評估和監控。這個潛在的框架允許將人工智能醫療器械的迭代改進能力納入其監督管理范圍之內，同時確?；颊叩陌踩Ｒ残柘蚬娬髑髮θ斯ぶ悄茚t療器械監管的意見和看法。
四、倫理審查的要點
新事物該如何監管，對于企業和監管部門來說都是挑戰。為給所有企業一個導引，2018年12月25日在北京舉辦“人工智能類醫療器械注冊申報公益培訓”，公布了人工智能領域三類醫療器械審批要點，界定了適用范圍，講解了人工智能醫療產品在審批過程中所面臨的數據庫、數據安全、軟件更新、云計算服務等問題。醫療器械技術審評中心安排了資深醫療器械審評專家，對醫療器械的法規與注冊流程、設計開發與注冊申報資料要求、醫療器械臨床評價與臨床試驗、創新醫療器械特別審批程序、人工智能醫療器械數據質量控制要求、深度學習輔助決策軟件審評要點等進行了專題講解。但這些審批流程和要點不是法律法規，而是技術文件，而技術文件可以根據技術的發展和產品的特點變化而改變。三類醫療器械審批要點的出爐對于醫療人工智能領域來說，無疑是一重大突破，尤其是對之前軟件涉及不明確的數據問題，算法更新問題以及風險評估維度等都給出了定性。國家藥品監督管理局跟美國食品藥品監督管理局溝通緊密，亦參考了美國的做法，目前已經形成統一標準。
原國家食品藥品監督管理總局與國家衛生計生委于2016年3月共同頒布了《醫療器械臨床試驗質量管理規范》，告別了參考《藥物臨床試驗質量管理規范》的歷史，明確了醫療器械臨床試驗的倫理審查要求。但迄今尚無針對醫療器械臨床試驗的倫理審查工作指導原則，更多參照《藥物臨床試驗倫理審查工作指導原則》。評估受試者的風險與受益是倫理審查的核心任務。醫療器械臨床試驗項目的評審主要從受試產品與試驗操作兩個方面予以關注和考慮。倫理委員會除審查醫療器械本身的科學性和倫理性外，也要審查醫療器械與人工智能軟件疊加帶來的風險與受益。鑒于目前人工智能醫療器械大部分仍處于注冊申報階段，臨床正在或即將開展的大部分項目是企業以科研方式進入醫院，并免費試用為主。醫療機構應與企業簽訂合同，明確補償和傷害受試者的賠償，也要明確未來產品成果和知識產權的分享方式。鑒于人工智能醫療器械的前沿性，必要時需聘請獨立顧問。
4.1 適用范圍
根據深度學習輔助決策醫療器械軟件分類，有醫療器械數據、深度學習、輔助決策、醫療器械軟件；依據軟件類型可分為人工智能軟件組件（醫療器械內含的人工智能軟件）和人工智能獨立軟件（本身即為醫療器械的人工智能軟件）；根據軟件用途分為輔助決策（包括但不限于輔助篩查、輔助識別、輔助診斷、輔助治療），以及前處理（如成像質量改善、成像速度提升、圖像重建）、流程優化（如一鍵操作）、常規后處理（如圖像分割、數據測量）等非輔助決策。其中人工智能獨立軟件的適用范圍包括：（1）明確預期用途、使用場景和核心功能。（2）包括但不限于處理對象、目標疾病、臨床用途、患者人群、目標用戶、使用場所、數據采集設備要求(若適用)、臨床使用限制(若適用)。人工智能軟件組件的適用范圍可參照人工智能獨立軟件要求，并在產品適用范圍中予以體現。
4.2 研究要求與資料
所有人工智能軟件功能均應開展需求分析、數據收集(若適用)、算法設計和軟件確認；且每項人工智能軟件功能應獨立開展需求分析、數據收集(若適用)、算法設計、軟件確認。對于算法設計，提供算法設計的相關資料，包括算法選擇及訓練。要注意是否采取避免偏見的措施。算法設計應當考慮算法選擇、算法訓練、網絡安全防護、算法性能評估等活動的質控要求。建議數據驅動與知識驅動相結合進行算法設計，以提升算法可解釋性。算法性能上要注意假陽性與假陰性指標、重復性與再現性、魯棒性/健壯性。對于深度學習非輔助決策軟件，前處理需遵循算法性能評估、臨床評價；流程優化需算法性能評估；常規后處理需算法性能評估，必要時需臨床評價。
研究資料包括軟件描述文檔、網絡安全描述文檔、軟件版本命名規則。軟件描述文檔要求核心算法部分應當結合本審評要點提供相應算法研究資料，以及測試集、公開數據庫、測評數據庫、回顧性研究、算法性能評估結果比較分析資料。其他資料應當提供網絡與數據安全過程控制研究資料、第三方數據庫(測評、公開)的基本信息(如名稱、創建者、數據量、數據分布)和使用情況(如使用量、數據分布、比重、資質)。
研究者手冊中，輔助決策軟件應明確軟件的適用范圍、臨床使用限制、注意事項、用戶培訓、數據采集設備要求、數據采集操作規范、輸入與輸出、算法性能評估總結(測試集基本信息、評估指標與結果)、臨床評價總結(臨床數據基本信息、評價指標與結果)等信息。此外，企業應結合法規、標準、用戶、產品、數據、功能、性能、接口、用戶界面、網絡安全等分析需求，以避免臨床需求和使用風險。
4.3 研究方案
臨床試驗需基于軟件的預期用途、使用場景和核心功能，按照診斷試驗進行臨床試驗設計，其核心要點包括：（1）試驗設計：建議優先選擇同品種產品或臨床參考標準進行非劣效對照設計，次之可選擇用戶結合軟件聯合決策與用戶單獨決策進行優效對照設計；非劣效或優效界值的確定應有充分臨床依據。此外考慮到用戶的差異性，可選擇多閱片者多病例試驗設計。（2）觀察指標：以敏感性、特異性、接受者操作特征曲線（receiver operating characteristic,ROC)/曲線下面積(area under curve,AUC)為主要指標，亦可選擇時間效率等指標作為評價指標。（3）入排標準：基于目標疾病的流行病學特征。（4）參與機構：異于訓練數據主要來源機構，地域分布盡可能廣泛，機構數量需盡可能多。
4.4 風險控制
風險考量即是對人工智能產品在使用過程中的風險進行評價，以達到抑制風險，提高人工智能產品可靠性的目的。主要考量臨床使用風險，如假陽性（誤診，過度醫療風險），假陰性（漏診，快速進展疾病風險）和進口軟件的中外差異(人種、流行病學、臨床診療準則)。同時考量風險管理活動，包括預期用途(目標疾病、臨床用途、重要程度、緊迫程度)、使用場景(適用人群、目標用戶、使用場所、臨床流程)、核心功能(處理對象、數據兼容性、功能類型)，采取必要的軟件設計、防護、警示等措施管理軟件全生命周期的風險。也要考慮臨床使用限制，包括臨床禁用、慎用等場景。
4.5 數據庫
數據收集應包括目標疾病流行病學特征，如疾病構成(分型、分級、分期)、人群分布(健康狀態、性別、年齡)、統計指標(患病率、治愈率)、并發癥與類似疾病等。采集的數據應當進行數據脫敏以保護患者隱私。數據脫敏應當明確脫敏的類型（靜態、動態）、規則、程度、方法。
臨床評價可采用基于現有歷史數據的回顧性研究?；仡櫺匝芯繎斣谠O計時考慮并嚴格控制偏倚問題，原則上應當包含多家、不同地域、不同層級的代表性臨床機構(非訓練數據主要來源機構)的同期數據，盡可能來自多種、不同采集參數的采集設備。使用原則(基于風險)上，高風險軟件需臨床預試驗或臨床試驗的補充，中風險軟件需臨床預試驗或替代臨床試驗。
第三方數據庫屬于回顧性研究的一種特殊形式，可用于算法性能評估，但未必能夠完全滿足軟件確認的要求。第三方數據庫類型包括非測評數據庫和測評數據庫，其中公開數據庫等非測評數據庫不可用于軟件確認，評測數據庫可用于軟件確認。測評數據庫需滿足可擴展性、網絡與數據安全因素，并具有權威性、科學性、規范性、多樣性、封閉性、動態性。
4.6 數據安全
企業上市前后均應考慮建設軟件自身網絡安全能力，也應在軟件全生命周期過程中考慮網絡與數據安全過程控制要求。基本考量指標有脫敏數據轉移、封閉與開放網絡環境、數據接口兼容性、數據備份與恢復。云計算服務應明確服務模式、部署模式、核心功能、數據接口、網絡安全能力和服務(質量)協議。移動計算終端需結合終端的類型、特點和使用風險明確性能指標要求。
4.7 軟件更新
重大軟件更新要許可事項變更，而輕微軟件更新需質量體系控制，但無需申請注冊變更。算法驅動型更新包括軟件所用算法、算法結構、算法流程、所用框架、輸入與輸出等發生改變，包括算法重新訓練（即棄用原有訓練數據）；數據驅動型指僅由訓練數據量增加而促使軟件更新，實為算法驅動型軟件更新的特殊情況。對于重大軟件更新，判定需遵循的原則為算法驅動型軟件更新通常屬于重大軟件更新，數據驅動型軟件更新若導致算法評估結果發生顯著性改變(與前次注冊/倫理批件相比)則屬于重大軟件更新。
無論何種軟件更新，均應根據質量管理體系要求，驗證與確認與軟件更新類型、內容和程度相適宜的活動。數據驅動型和算法驅動型軟件更新均應再評估算法性能和臨床應用。屬于臨床科研項目的數據驅動型和算法驅動型軟件更新，均需按照新項目進行倫理初始審查。對于高風險軟件，適用范圍變更應當開展臨床試驗，其他情況原則上可使用舊的臨床試驗數據和回顧性研究。對于中低風險軟件，可使用臨床試驗數據和回顧性研究。
要明確并區分重大軟件更新和輕微軟件更新的版本命名規則，重大軟件更新應列舉所有典型情況，并涵蓋數據驅動型和算法驅動型軟件更新。
標簽：第二三類醫療器械注冊證代辦、醫療器械注冊證代辦