韓國人工智慧（AI）醫療器械臨床試驗設計指引

1. 為何 AI 醫療器械的臨床試驗需要「加強版」設計

AI／機器學習（ML）醫療器械的臨床性能研究，表面上與一般器械相似（前瞻 vs. 回溯、單中心 vs. 多中心、診斷準確度 vs. 臨床結局），但更容易出現資料外洩（data leakage）、隱性偏倚、不同醫療機構輸入條件差異，以及實務族群與開發資料不同而導致的性能落差等問題。韓國指引因此強調：在試驗設計中必須把資料品質、真值／參考標準（reference standard）、以及臨床流程相容性納入核心控制。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

指引亦使用如「鎖定式演算法（locked algorithm）」等概念（同一輸入應得到同一輸出），提醒申請者在臨床評估期間應清楚界定軟體版本與演算法狀態。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS) 延伸參考：IMDRF “Machine Learning-enabled Medical Devices: Key Terms and Definitions”

2. 先把「臨床主張」說清楚：用途、角色與輸出

一個可被審查接受的試驗設計，通常需要先明確定義：

• 預期用途／適應用途與臨床問題（篩檢、分流、診斷、預後、監測等）
• 在醫療決策中的角色（獨立輸出 vs. 醫師輔助決策）
• 輸出型態（二分類、多分類、連續分數、偵測、分割、優先排序等）

上述定義會直接影響比較對象、終點指標與統計方法。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

3. 研究設計：前瞻或回溯（既有資料）皆可，但控制重點不同

3.1 前瞻性臨床性能研究

當需要在標準化流程下驗證性能（例如需嚴格盲測、即時流程使用、或避免時間序列上的臨床做法變動造成干擾）時，前瞻性設計更能支撐結論。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

3.2 回溯性臨床性能研究（使用既有資料）

若既有資料品質良好且研究問題主要為診斷／判讀性能，也可採回溯設計。然而指引要求仍需嚴格控制偏倚，例如清楚區分訓練／驗證／測試資料，並公開病例挑選與排除規則，以降低性能被高估的風險。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS) 相關監管脈絡可參考：FDA “Use of Real-World Evidence to Support Regulatory Decision-Making for Medical Devices”

4. 資料策略：AI 試驗可信度的地基

• 納入／排除條件與代表性：需說明樣本如何對應預期使用族群與疾病光譜，並避免因取樣偏差造成泛化能力不足。
• 資料獨立性與外洩控制：測試資料必須與開發資料獨立，並避免重複個案、重複影像或同一受試者多次就診造成重疊。
• 輸入品質與多中心差異：需預先訂定輸入品質門檻（影像、檢體、操作流程等），並規劃跨機構／跨設備的差異評估。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

5. 真值（reference standard）：如何建立可再現的「答案」

指引列舉多種可用的參考標準，例如病理結果、既有臨床診斷準則、專家影像判讀、專家共識／仲裁，以及必要時的追蹤隨訪等。重點在於：必須證明該參考標準對你的臨床主張具有合理的臨床有效性，並在方案中處理判讀差異與不確定性。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

6. 比較對象、盲測與臨床流程真實性

比較對象應與產品主張一致（例如標準照護的醫師判讀、既有軟體/器械、或有無 AI 輔助的流程）。同時應清楚界定醫師何時可看到 AI 輸出，以避免偏倚並確保結果可反映真實使用情境。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

7. 終點與統計：以診斷性能為核心的可解釋結果

終點可包含靈敏度、特異度、AUC、PPV/NPV、一致性指標、判讀時間等；並應預先定義主要/次要終點與成功標準（必要時包含非劣性或優效界值）。統計分析需能處理相關資料結構（例如同一受試者多病灶、多讀者多病例設計），並呈現信賴區間與不確定性。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS) 延伸參考：FDA “Statistical Guidance on Reporting Results from Studies Evaluating Diagnostic Tests”

8. 實務清單（送審前自檢）

• 鎖定並文件化演算法版本、前處理流程與可追溯性
• 清楚描述資料來源、清理、去識別化與稽核紀錄
• 合理化參考標準並設計仲裁程序
• 說明 AI 與醫師互動方式、訓練要求與預期行為
• 預先登錄終點、成功標準與分層/亞組分析（含多中心/多設備差異） 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)

9. 重點結語

對 AI 醫療器械而言，「臨床試驗設計」與「資料與真值策略」幾乎不可分割。依照韓國指引建立可檢核的資料治理與參考標準，能大幅提升性能結果的可信度與可再現性，並使證據更貼近預期使用情境。 來源：Guidance on Clinical Trials Design of Artificial Intelligence (AI)-based Medical Devices (MFDS)