结论先行:国家药监局《关于'人工智能+药品监管'的实施意见》(国药监综〔2026〕6号)把'人工智能+药品监管'的路线图定了下来,核心是构建'数智赋能、人工复核、全程留痕'的人机协同体系,目标到 2030 年初步构建融合创新体系、到 2035 年形成数智驱动的智慧治理格局。对医药企业来说,最现实的信号是:监管侧在用 AI,企业侧的申报资料、生产追溯、质量数据也必须能经得起 AI 化审查。下面把算法可追溯、数据合规、人机协同三条要求拆开讲。
意见讲了什么
据国家药监局公开信息,意见聚焦药品监管改革重点任务,提出下一阶段监管数智化的七大重点方向:构建人机协同智能审评审批体系、提升全链条智能化监管能力、推动风险监管体系数智升级、推进检查执法智能化规范化、提升协同监管效能、提升政务服务智能化水平、促进监管与产业数智化协同发展。目标层面,到 2030 年初步构建药品监管与人工智能融合创新体系,到 2035 年基本形成数智驱动、自主可控的智慧化药品安全治理新格局。
对医药企业最相关的是第一条——人机协同智能审评审批体系。意见提出加快'两品一械'审评审批大模型与智能体研发应用,在第二类医疗器械审评、药品上市后变更备案、普通化妆品备案等重点场景落地,并明确'数智赋能、人工复核、全程留痕'的工作制度。
要求一:算法要锁死,即可追溯
意见强调审评审批大模型与智能体的应用要'安全、高效、可信赖',本质上是要求算法可追溯、可复核。落到企业侧的含义是:你提交给监管的申报资料如果由模型辅助生成或结构化,那么'用的是哪一版模型、喂的什么数据、得出什么结论'必须能还原。所谓'算法锁定',就是模型变更要登记、要能回归、要能解释,不能今天一个结果明天另一个结果却说不清原因。
这对企业数字化是个硬约束,也是个好约束:它倒逼企业在上 AI 之前先把数据基础和版本管理做扎实,而不是模型黑箱一把梭。我们做检索增强类系统时也坚持答案可溯源,监管侧的逻辑和这是一致的。
要求二:数据要合规
意见在生产环节提出,完善疫苗、血液制品、特殊药品等高风险品种生产数智化监管机制,基于企业对生产过程监控视频、图像、物联感知等数据的实时分析,动态监测质量安全风险;在流通环节推动药品追溯体系数智化升级,加快推进全部在产品种赋码,实现生产、流通、使用全过程可追溯。
对企业来说,这意味着两件事:一是数据要真实、完整、可追——生产过程留痕、物料追溯闭环,不再是'锦上添花'而是'准入前提';二是数据安全要到位,涉及工艺、质量的数据属于高度敏感信息,处理与流转必须满足合规与安全要求。涉及敏感数据的系统建设,可以参考私有化部署方案,把数据留在内网、操作全程留痕。对医药企业而言,数据合规不是可选项,而是和产品质量同等重要的底线,越早纳入架构设计,后期返工与合规风险的成本越低,也越能在监管侧启用 AI 化审查时平稳对接。
要求三:人机协同,AI 不替代人
意见反复出现的定语是'人工复核、全程留痕'。监管侧的态度很清楚:AI 是辅助审评、辅助监测的工具,最终责任与判断仍在人。企业侧同理——用 AI 做申报资料预填、质量趋势分析可以提效,但关键结论必须有人签字、有依据、可复核。
① 申报资料结构化电子化:先把文件做成机器可读、字段清晰,方便后续 AI 化审查;
② 生产数据留痕可溯:关键工序、物料、设备数据按批次留痕,能还原全过程;
③ 模型与规则变更走登记:任何辅助模型的版本更新留记录、可回归;
④ 数据安全与权限分级:敏感质量数据按角色隔离,操作可审计,满足合规要求。
② 生产数据留痕可溯:关键工序、物料、设备数据按批次留痕,能还原全过程;
③ 模型与规则变更走登记:任何辅助模型的版本更新留记录、可回归;
④ 数据安全与权限分级:敏感质量数据按角色隔离,操作可审计,满足合规要求。
对企业 IT 系统的具体要求
意见虽然面向药监系统,但对医药企业的数字化方向是同向的。企业要建立能经得起 AI 化审查的资料体系,首先得把申报资料做成结构化、电子化的形态,而不是散落的 Word 和 PDF。字段清晰、版本清楚,监管侧的大模型才能准确解析,企业自己也才能快速定位'哪版说了什么'。
其次是生产过程的数据底座。意见强调基于视频、图像、物联感知数据动态监测质量风险,这要求企业的 MES、SCADA、质检系统之间数据能打通、能对齐时间戳。数据孤岛不破,再好的风险监控智能体也喂不饱。
数据治理先行:先有干净数据,再谈 AI
医药行业的数据合规要求本就高于一般制造业,AI 化只会把这条线拉得更紧。我们给企业的建议是:别一上来就追'上大模型',先把主数据、批记录、偏差与变更记录治理干净,建立统一的数据字典和权限模型。数据治理是慢功夫,但它是后面一切 AI 应用的地基,地基不稳,上层越智能越危险。
同时,任何进入 AI 流程的数据都要可溯源:这条记录从哪个系统来、谁在什么时间写入、被哪个模型读过,都要留痕。这既是合规要求,也是出了偏差能快速定位根因的前提。
三个可立即启动的动作
① 盘点申报与质量数据资产,识别哪些还没结构化、没版本化;
② 打通一条核心数据流(如批记录到质检),先做可追溯;
③ 建立模型与规则的变更登记机制,任何辅助工具上线留版本、可回归。
② 打通一条核心数据流(如批记录到质检),先做可追溯;
③ 建立模型与规则的变更登记机制,任何辅助工具上线留版本、可回归。
监管与企业:同一套'可信 AI'语言
把监管侧和企业侧放在一起看,其实在说同一件事:AI 要可用,先要可信。监管用'数智赋能、人工复核、全程留痕'定义人机协同,企业侧要做的就是把这套语言落到自己的系统与流程里——数据可追溯、模型可审计、关键决策有人负责。这不是负担,而是让 AI 真正进入核心环节的前提。
对医药企业来说,现在正是把数据底座和合规框架补齐的窗口期。等监管的大模型真的开始批量审查申报资料,临时补课的成本会远高于现在就做结构化与留痕。把'算法锁死、数据合规、人机协同'当作数字化建设的三条基线,比追任何一个单点的大模型应用都更关键。
落到具体动作,企业不必等监管细则完全落地才开始。先把'资料结构化、过程可留痕、模型可回归'这三件不依赖外部政策的事做起来,本身就是为未来的 AI 化审查打地基。越早做,后续接入监管大模型、对接追溯平台的摩擦越小,合规成本也越低。不少企业的教训是临时补课比提前治理贵得多。
① 数据可追溯:每条记录来源与写入时间可查;
② 模型可审计:辅助模型版本变更留记录、可回归;
③ 决策有人负责:关键结论由人签字确认。
② 模型可审计:辅助模型版本变更留记录、可回归;
③ 决策有人负责:关键结论由人签字确认。
参考来源
《国家药监局关于'人工智能+药品监管'的实施意见》(国药监综〔2026〕6号) - 国家药品监督管理局官网;'人工智能+药品监管'建设蓝图相关报道 - 人民日报全国党媒平台、中央广播电视总台公开报道;2026 药品数智发展大会 - 国家药监局信息中心公开信息