欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 行业动态 / 文章详情
行业动态

药监局 AI+药品监管实施意见落地,医药企业要先做这三件事

上邦 AI 工程团队2026-11-06阅读 约 9 分钟
国家药监局 2026 年发布《人工智能+药品监管》实施意见(国药监综〔2026〕6号),提出到 2030 年初步构建药品监管与 AI 融合创新体系。本文从医药企业视角,拆解这份文件要求企业提前准备的三件事:申报资料结构化、高质量数据集建设、人机协同的合规留痕。
药监局 2026 年落地的《人工智能+药品监管》实施意见(国药监综〔2026〕6号),把'申报资料电子提交标准化、结构化'和'高质量数据集、垂直大模型、智能体'写进了监管能力目标,到 2030 年要初步建成融合创新体系。对医药企业而言,现在就该做三件事:把申报资料从散落文档变成结构化数据、把研发与上市后真实世界数据按质量维度治理、给所有 AI 辅助环节留好可追溯的人机协同记录。一个中等规模的仿制药企业,先做申报资料结构化这一项,通常四到六周可见效。最容易被忽视的是'算法可追溯'——监管要的不是模型黑箱,而是每一步判定都能还原到人审与机审的协作链路。

文件要点:从审评审批到政务服务的全场景

国药监综〔2026〕6号 提出,到 2030 年初步构建药品监管与人工智能融合创新体系,运行管理机制基本形成,形成满足监管智能化需要的高质量数据集、垂直大模型和智能体。到 2035 年基本形成数智驱动、智能敏捷、自主可控、生态协同的智慧化药品安全治理新格局。落地的重点场景包括:构建人机协同智能审评审批体系,推动申报资料电子提交标准化、结构化,完善审评审批知识库,加快'两品一械'审评审批大模型与智能体研发应用,覆盖产品智能分类、资料审查、问题识别、报告生成等环节。对医药企业,这意味着监管端会用 AI 读你的申报资料,你自己的资料若还是扫描件堆砌,吃亏的是审评效率。

第一件事:申报资料结构化与标准化

文件明确要求'申报资料电子提交标准化、结构化',这与国际接轨的方向一致。企业现在能做的,是把 CTD 等申报资料从 PDF 扫描件、Word 文档拆成'可机读'的字段与章节结构,让监管的大模型能直接抽取关键数据点。我们建议把申报资料的版本、章节、关键参数统一纳入知识库系统管理,使'哪一版提交了什么、改了哪句话'全程留痕,避免审评问询时翻箱倒柜。这一步不直接产生 AI 模型,却是后续所有智能审评能跑起来的地基。
举个具体例子:一份仿制药的 CTD 申报资料往往上千页,审评老师要在里面找'生产工艺参数''质量标准''稳定性数据'三处关键字段。如果企业把这些字段提前结构化、做成可机读的指标卡,监管的大模型就能直接定位,审评问询的来回次数会显著减少。这一步不需要 AI,只需要把文档工程做规范,却是智能审评能发挥作用的前提,也是企业当下就能着手、收益最确定的动作。

第二件事:真实世界数据的质量治理

真实世界数据(RWD)是 AI+药品监管的另一个支柱。国家药监局 2026 年第 16 号公告决定适用 ICH《M14:使用真实世界数据进行药品安全性评估的非干预性研究》指导原则,自公告发布之日起的相关研究均适用 M14。与此同时,器审中心就《医疗器械真实世界数据 质量通用要求(征求意见稿)》公开征求意见,该稿从准备阶段质量、采集阶段质量、结果阶段质量三个维度提出共 50 个指标,适用于医疗器械临床评价真实世界数据。另有 YY/T 2029—2026《脑机接口医疗器械 用于人工智能算法的脑电数据集质量要求与评价方法》于 2027 年 9 月 1 日实施。把这些质量要求前置到企业自己的数据治理流程,是拿到监管信任的前提。
对创新药与器械企业,我们的实操建议是:不要等申报时才补数据质量。应在真实世界数据产生的那一刻就按'准备-采集-结果'三维度打标,把源数据、清洗规则、质控记录全部留存。这样当监管或审评中心索要 RWD 质量证据时,企业能直接拿出符合那 50 个指标框架的文档,而不是临时返工。质量治理的投入主要在流程与系统,而非算法本身。

第三件事:人机协同的合规留痕

文件反复强调'人机协同'而非'机器替代'。落到企业侧,任何引入 AI 辅助的审评、监测、不良反应信号挖掘环节,都要能把'模型输出了什么、人审改了什么、最终结论依据什么'完整还原。我们建议把判定依据、人工复核意见与模型输出一起存入私有 AI 知识库,并在知识库中维护法规条款与内部 SOP 的映射,使每次 AI 辅助都有据可查。监管要的是可审计的协作链路,不是一段无法解释的模型推理。

落地节奏与常见误区

回到企业怎么排期。我们建议分三步走,而不是一次性大改:第一步用四到六周完成申报资料结构化,这是投入最小、监管最看重的地基;第二步用两到三个月建立真实世界数据的质量治理流程,把源数据到质控记录的链路跑通;第三步把人机协同留痕做成标准模板,嵌入既有审评与监测流程。三步走的好处是每一步都有可见产出,不会因为项目周期过长而中途搁置,也便于在每一步结束后做合规内审。
常见误区有两个。一是'等监管系统上线了我们再动',但文件已经明确监管端会用 AI 读资料,企业资料不结构化只会拖慢自己的审评;二是'买个大模型就 AI 转型了',却忽略了结构化数据、质量治理、可追溯留痕这些非模型的基础设施。我们在项目里反复强调:AI+药品监管对企业侧的真正要求,是把数据底座和合规链路做扎实,模型只是上面的一层能力,没有底座的模型是空中楼阁。
对中小型 Biotech,资源有限时优先做第一件事(申报资料结构化)性价比最高,因为它直接缩短与审评中心的沟通成本,且不需要自建大模型团队。真实世界数据治理和人机协同留痕可以在产品进入关键临床或上市申报阶段再重点投入。把有限的数字化预算花在'最靠近监管验收'的环节,是中小企业在 AI+药品监管趋势下的务实选择,也避免了在不确定收益的方向上过早重投入。

企业自查三件事清单

① 申报资料是否已结构化、可机读,而非扫描件与散落文档;
② 真实世界数据是否按准备、采集、结果三维度做了质量治理与留存;
③ 所有 AI 辅助环节是否保留了人机协同的可追溯记录;
④ 法规条款与内部 SOP 是否有统一、可检索的权威来源;
⑤ 上述四项是否经过内审,而非仅停留在技术团队口头约定。

上邦解读:别把 AI 当成甩锅对象

我们注意到一个倾向:企业引入 AI 后,一旦出问题就归咎于'模型不可控'。但监管口径是明确的'人机协同',责任主体始终是人。正确的姿势是让 AI 做重复、可量化的初筛,让人做判断与签字,并把这条链路完整记录。我们在多个项目里把'机审建议 + 人审结论 + 差异说明'做成标准留痕模板,既满足可追溯,也让人审工作量下降明显。AI 是杠杆,不是替身。
说明:本文引用的文件编号、目标年份与指标数量均来自国家药监局及器审中心公开文件,具体条款以官方正式文本为准;企业落地路径应结合自身产品类型与审评要求。

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(nmpa.gov.cn)
国家药监局关于适用 M14 指导原则公告(2026 年第 16 号) - 国家药品监督管理局
医疗器械真实世界数据 质量通用要求(征求意见稿) - 国家药监局医疗器械技术审评中心
相关标签:AI+药品监管真实世界数据结构化申报高质量数据集NMPA

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案