FDA承認医療機器におけるAI/MLモデル特性の透明性評価
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：Evaluating transparency in AI/ML model characteristics for FDA-reviewed medical devices
雑誌名：NPJ Digit Med. 2025 Nov 17; 8(1): 673. doi: 10.1038/s41746-025-02052-9. Epub 2025 Nov 17.
概 要：
本研究は、医療機器への人工知能（AI）および機械学習（ML）の急速な統合に伴い、規制報告における透明性の必要性を強調しています。2021年に米国食品医薬品局（FDA）が発表した良好な機械学習実践（GMLP）原則に対する遵守状況は不明であり、1970年から2024年12月までにFDAに承認またはクリアされたAI/ML対応デバイスの1,012件の安全性および有効性の要約（SSED）をレビューしました。モデルの開発と性能の透明性は、17のカテゴリーにわたる新しいAI特性透明性報告（ACTR）スコアを用いて評価されました。平均ACTRスコアは17点中3.3であり、2021年のガイドライン後に0.88ポイントの改善が見られました（95% CI, 0.54-1.23）。約半数のデバイスが臨床研究を報告せず、過半数が性能指標を報告していないことが明らかになりました。これらの結果は透明性のギャップを浮き彫りにし、AI/ML医療技術への信頼を確保するための強制可能な基準の必要性を強調しています。
方 法：
本研究は、1970年から2024年12月までにFDAに承認またはクリアされたAI/ML対応医療機器の1,012件の安全性および有効性の要約（SSED）をレビューしたもので、透明性を評価するために新しいAI特性透明性報告（ACTR）スコアを導入しました。17のカテゴリーに基づいてモデル開発と性能の透明性を評価しました。
結 果：
平均ACTRスコアは17点中3.3であり、2021年のガイドライン後に0.88ポイントの改善が見られました（95% CI, 0.54-1.23）。約半数のデバイスが臨床研究を報告せず、過半数が性能指標を報告していないことが確認されました。
結 論：
AI/ML医療機器における透明性の欠如が明らかになり、信頼性を確保するための強制可能な基準の必要性が示されました。