CliniGA CRO

CliniGA CRO 博客

监测器械算法中的输入分布偏移

评估新输入条件对算法表现解释的影响,结合数据质量、技术兼容性和临床背景,说明使用边界及证据需求。

类别代表性照片:监测器械算法中的输入分布偏移
摄影: Mr. Satterly · 许可: CC0 · 图片已裁剪并调整尺寸。
发布
更新

器械算法代码未变时,仍可能收到不同输入。不同影像系统、用户群或采集方法,可能产生不同于开发数据的条件。不要将性能监测局限于软件版本。

定义评估

明确预期输入条件及已知局限。分布变化是调查信号,本身不是临床失败或安全性事件的证明。解释需要一并检查数据质量、技术兼容性及临床背景。

示例分析

例如,较低分辨率图像从新中心到达。平均输出看似相似,但部分记录的置信度降低。团队不自动接受结果,而是检查采集条件及相关群体,并区分代表新输入的证据与沿用自先前验证的假设。

实用核查

  • 记录输入格式、质量范围及临床使用条件的变化。
  • 定义哪种信号启动复核,以及由谁负责评估。
  • 采用有理由的方法,将受影响输入组与整体性能一并检查。

决定与局限

决定应解释变化条件是否仍在预期范围内,以及是否需要进一步证据。未检测到信号,不能证明覆盖每种新条件。必要时,授权复核人员重新考虑使用限制、数据采集或验证,并保留理由。

常见问题

分布偏移是否属于器械故障?
本身不是。应调查其对实际性能及风险的影响。
代码未变是否无需重新评估?
不是。输入及使用背景变化,可能使相同代码处于实质不同的条件。

来源

  1. MDCG 2020-1 — 软件临床评价
  2. MDCG 2023-4 — 软件与硬件组合