FDA与欧洲监管机构为制药领域AI制定统一规则
文件规定，影响临床决策的AI模型必须遵守严格的GxP标准，具备完整可追溯性和风险管理。这是算法不再成为“黑箱”、成为循证医学合法工具的第一步。
制药行业几十年来一直遵循全球规则：美国由FDA监管，欧洲由EMA监管，如果药物同时符合两者要求，就能进入覆盖全球三分之二药品销售的市场。2026年1月14日，这两大监管机构实现了算法领域前所未有的突破——他们发布了关于人工智能在药物开发中应用的十项统一原则。“黑箱”将不再被接受。
监管机构表态“够了”：发生了什么
这份文件标题平淡无奇：“药物开发中良好AI实践的指导原则”。但这一名称背后，是首次跨大西洋尝试，将制药领域的AI纳入清晰的监管框架——无需重复要求，没有管辖冲突，使用共同语言。
这里的关键词是GxP。良好实践是支撑整个制药行业的质量标准体系：GMP针对生产，GCP针对临床试验，GLP针对实验室。现在，FDA和EMA明确要求，影响监管决策的AI模型必须遵守这些标准。这意味着数据可追溯性、决策可审计性和风险管理——而这正是大多数神经网络从未具备的。
欧洲卫生专员Oliver Várhelyi直言不讳：“这些原则表明，我们如何能在跨大西洋两岸合作，在全球创新竞赛中保持领先地位，同时确保最高水平的患者安全。”
改变游戏规则的十项原则
该文件并未制定新法律——而这正是其优势所在。它建立了一个坐标系，任何计划向FDA或EMA提交申请的药品制造商现在都必须回答具体问题。
第一项原则是以人为本。AI并非取代人类，而是支持人类决策。这不是哲学，而是监管要求：如果算法提出建议，人类专家必须能够理解、质疑并推翻该建议。
第二项跨领域原则是基于风险的方法。验证和监控的级别必须与AI系统的潜在影响相匹配。用于整理内部笔记的工具与用于优先处理安全审查或触发临床操作步骤的算法，即使技术上使用相同模型，也属于完全不同的风险级别。
第三项是数据治理和文档记录。FDA和EMA现在要求数据来源、处理步骤和分析决策必须以详细、可追溯且可审计的方式记录。简而言之：如果你的模型学会了预测分子毒性，你必须准备好展示它是在什么数据上训练的，以及每一步做出了什么决策。
第四项是生命周期管理。AI系统随时间变化：基础模型的新版本、提示词的演变、数据来源的变化。监管机构明确指出，当AI影响受监管工作时，“设置后不管”是不可接受的。需要版本控制、漂移监控、变更控制——且所有这些都必须可审计。
为何现在发生
制药公司已向FDA提交了超过500份含有AI成分的药物申请。截至2024年11月，AI已用于3000多种药物的开发或重新定位。2025年制药领域AI市场估值19.4亿美元，预计到2034年将达到164.9亿美元，年复合增长率27%。
监管机构意识到自己落后了——并决定不仅迎头赶上，还要通过协调实现跨越。这一倡议的根源可追溯到2024年4月FDA与欧盟的双边会议。随后EMA发布了AI反思文件，FDA发布了指南草案。2026年1月，各方坐下来商定了共同原则。
另一个信号是FDA于2025年11月启动内部AI Benchbook和员工培训课程。监管机构不仅为行业制定规则，还在培训自己的检查员，让他们了解在审计AI系统时应关注什么。与此同时，EMA已将数据和AI工作纳入其2028年战略（EMANS）。
谁赢、谁输、钱在哪里
最明显的受益者是已经在构建AI基础设施的大型制药公司。GSK在2026年1月的JP摩根会议上宣布，AI合作伙伴关系将帮助其通过加强早期研发组合来应对专利悬崖。礼来与NVIDIA签署了多项协议——从建造制药领域“最强大”的超级计算机到联合AI实验室。阿斯利康收购了Modella AI以加速肿瘤药物开发。
但赢家不仅限于巨头。明确的规则降低了初创公司和风险投资的不确定性。2014年至2024年，制药领域AI交易的风险投资增长了400%以上，现在投资者有了路线图：如果一家公司从一开始就按照GxP构建其AI系统，其退出——无论是通过药物销售还是公司出售——将变得更加可预测。
临床技术供应商——Veeva、Suvoda等——也受益。他们的系统已嵌入受监管流程，“嵌入式AI”原则成为结构性优势：当算法存在于可审计平台内时，证明GxP合规比作为独立工具通过数据复制粘贴更容易。
谁输了？那些将AI作为“黑箱”实施而不关心可追溯性的公司。监管机构引入了“影子使用”一词——即分析师已在工作中大量使用大型语言模型，而管理层假装无事发生的情况。这种做法成为有毒资产：如果算法影响了申请且没有相关文档，FDA检查期间的后果可能是灾难性的。
具体预测：到2028年会发生什么
第一个时间表已经确定。欧盟AI法案将于2026年8月2日全面生效——其对高风险系统的分类直接与新的FDA-EMA原则交叉。在两个市场运营的公司实际上获得了统一标准：遵守十项原则成为进入美国和欧洲的通行证。
第二个方向是细化。目前，这些原则有意保持高层次，专家已指出“原则与实际实施之间存在实践差距”。预计FDA将在未来两年内发布关于AI模型验证、“使用环境”定义和漂移监控的更具体指南。
第三个方向是交易浪潮。当游戏规则确定后，整合加速。阿斯利康已开始收购AI初创公司，而这仅仅是开始。大型制药公司需要的不仅仅是算法，而是封装在GxP合规外壳中、文档齐全可供检查的算法。理解这一点并相应构建产品的初创公司将首先被收购。
2026年的主要信号由一位行业分析师总结：“FDA和EMA已将焦点从‘AI能否做到这一点’转移到‘你如何控制AI所做的事情’。”对于一个算法错误可能意味着患者死亡的行业，这不是官僚主义的吹毛求疵。这是AI从实验性玩具转变为循证医学合法工具的过程。
— Editorial Team
