Zehn Jahre Regulierung von KI-Medizinprodukten: Globale Politikentwicklung und Branchenherausforderungen

Zehn Jahre Regulierung von KI-Medizinprodukten: Globale Politikentwicklung und Branchenherausforderungen

Einleitung

Im vergangenen Jahrzehnt verändert die tiefgreifende Integration von künstlicher Intelligenz (KI) und medizinischen Geräten die globalen Diagnose- und Behandlungsansätze grundlegend. Von der Echtzeit-Sepsis-Vorhersage bis zum automatisierten Netzhaut-Screening haben KI-gestützte Medizinprodukte (AIMD) den Sprung vom Konzeptnachweis zur klinischen Anwendung geschafft. Jedoch stellen die Adaptivität und die „Black-Box"-Eigenschaften von KI-Algorithmen die traditionellen, auf Determinismus ausgerichteten Sicherheitsregulierungsrahmen vor beispiellose Herausforderungen.

Branchenkontext

Getrieben durch die Welle der digitalen Gesundheit (Digital Health) durchlebt die globale Medizintechnikbranche einen Paradigmenwechsel, der von Daten, Algorithmen und Rechenleistung angetrieben wird. KI im Gesundheitswesen gilt nach der internetbasierten Medizin als einer der transformativsten Bereiche. Allerdings hinkt die Entwicklung der Regulierungssysteme stets hinter der technologischen Iteration hinterher. Wie ein Gleichgewicht zwischen Innovationsförderung und Patientensicherheit gefunden werden kann, ist zu einer gemeinsamen Aufgabe globaler Regulierungsbehörden geworden.

Wichtige Entwicklungen

Eine kürzlich in *Frontiers in Medicine* veröffentlichte systematische Übersichtsarbeit vergleicht erstmals horizontal die Regulierungspolitik für KI-Medizinprodukte in den USA, der EU, China, Japan und Südkorea im Zeitraum von 2015 bis 2025.

• USA: Die FDA leitete mit dem Digital Health Innovation Action Plan von 2017 die Modernisierung der Regulierung ein und erprobte das Programm zur Software-Vorabzertifizierung (Pre-Cert). 2019 wurde ein auf „geplanten Änderungskontrollplänen" (PCCP) basierender Lebenszyklus-Regulierungsrahmen für KI/ML-Medizinprodukte vorgeschlagen; 2023 folgte der Entwurf eines PCCP-Leitfadens, der die Compliance-Grenzen für Algorithmusänderungen präzisiert.
• EU: Der EU Artificial Intelligence Act (KI-Verordnung) verwendet ein risikobasiertes Klassifizierungssystem, ordnet KI-Medizinprodukte der Hochrisikokategorie zu und verlangt die Erfüllung strenger Anforderungen an Datenqualität, Transparenz und menschliche Aufsicht.
• China: Die National Medical Products Administration (NMPA) veröffentlichte 2022 die „Leitprinzipien für die Registrierungsprüfung von KI-Medizinprodukten" und schuf damit technische Prüfstandards für die Zulassung von KI-Medizinprodukten.
• Japan: Die PMDA entwickelte einen „adaptiven KI-Regulierungsrahmen", der darauf abzielt, regulatorische Flexibilität zu wahren und gleichzeitig die Rechenschaftspflicht für Algorithmen zu stärken.
• Südkorea: Die MFDS treibt parallel die Zulassungs- und Post-Market-Überwachungssysteme für KI-Medizinprodukte voran.

Obwohl die Regulierungsrahmen in den einzelnen Regionen allmählich Gestalt annehmen, zeigt die Übersichtsarbeit alarmierende Daten: Weniger als 30 % der KI-Medizinprodukte offenlegen Informationen zur Bevölkerungsdiversität in den Trainingsdaten; etwa 43 % der von der FDA zugelassenen oder anerkannten KI-Medizinprodukte verfügen über keine klinischen Validierungsdaten, und nur 28 % wurden einer prospektiven Gerätevalidierung unterzogen. Dies bedeutet, dass die Regulierungssysteme im Bereich der technischen Bewertung weiterhin erhebliche blinde Flecken aufweisen.## Marktauswirkungen

Die Verbesserung des Regulierungsrahmens bedeutet nicht nur eine zusätzliche Compliance-Belastung, sondern bietet dem Markt einen berechenbaren Weg. Für Medizinprodukteunternehmen mit ausgereiften Qualitätsmanagementsystemen und Fähigkeiten zur Erhebung von Real-World-Daten bedeuten Instrumente wie PCCP, dass Algorithmus-Iterationen nicht erneut den vollständigen Zulassungsprozess durchlaufen müssen, was Compliance-Kosten und -Zeit erheblich reduziert. Digitale Gesundheitsunternehmen, die die klinische Validierung vorziehen, können sich einen Wettbewerbsvorteil verschaffen. Gleichzeitig werden die Anforderungen der Regulierungsbehörden an Transparenz und Datenvielfalt die Unternehmen dazu zwingen, Grundsätze der Fairness und Erklärbarkeit bereits in der Algorithmus-Designphase zu integrieren, was der langfristigen gesunden Entwicklung der Branche zugutekommt.

Herausforderungen und Risiken

Allerdings stellt die „Fragmentierung“ der globalen Regulierung weiterhin ein Kernrisiko dar. Verschiedene Länder haben unterschiedliche Definitionen, Risikoklassen und klinische Anforderungen für KI-Medizinprodukte, was zu hohen Kosten für Zulassungen in mehreren Ländern führt. Darüber hinaus sind Algorithmus-Bias und unzureichende klinische Validierung nicht nur Regulierungsprobleme, sondern auch Gefahren für die öffentliche Gesundheit. Wenn Trainingsdaten nicht repräsentativ sind, können KI-Diagnosesysteme bei bestimmten Bevölkerungsgruppen systematische Verzerrungen aufweisen und gesundheitliche Ungleichheiten vergrößern. Zudem besteht ein grundlegender Widerspruch zwischen der Fähigkeit von KI-Systemen zum „kontinuierlichen Lernen“ und dem derzeitigen statischen Zulassungsmodell; wie ein dynamischer Regulierungsmechanismus etabliert werden kann, bleibt zu erforschen.

Zukunftsperspektiven

In den nächsten drei bis fünf Jahren werden sich drei große Trends in der globalen Regulierung von KI-Medizinprodukten abzeichnen: Erstens könnten internationale Koordinierung und gegenseitige Anerkennungsmechanismen Durchbrüche erzielen, beispielsweise durch die Bezugnahme auf IEC/ISO-Standards oder gemeinsame Prüfungen, um Doppelbewertungen zu reduzieren. Zweitens werden Real-World Evidence (RWE) zunehmend für die Post-Market-Überwachung und die Validierung von Algorithmusänderungen von KI-Medizinprodukten eingesetzt und ergänzen damit traditionelle klinische Studien. Drittens werden sich die regulatorischen Anforderungen von „technischer Leistungsfähigkeit“ hin zu „klinischem Nutzen“ und „Fairness“ verschieben, was bedeutet, dass Unternehmen Qualitätssysteme aufbauen müssen, die den gesamten Lebenszyklus des Algorithmus abdecken. Auf Kapitalseite werden Investoren zunehmend Wert auf die regulatorischen Strategien und den klinischen Evidenzbestand von KI-Gesundheitsunternehmen legen; Unternehmen, die „regulierungsfreundliche“ Innovationen umsetzen können, werden eher Marktgunst erlangen.

Fazit

Wenn technologische Entwicklung, Kapitalflüsse und regulatorischer Wandel ineinandergreifen, tritt die KI-Medizinproduktebranche in eine „Regulierungsanpassungsphase“ ein. Die Marktaussichten hängen nicht länger allein von der Genauigkeit der Algorithmen ab, sondern davon, ob die gesamte Branche ein dynamisches Gleichgewicht zwischen Innovationstempo und Patientensicherheit herstellen kann. In diesem Prozess wird die Tiefe der internationalen regulatorischen Zusammenarbeit direkt darüber entscheiden, ob der globale KI-Gesundheitsmarkt sein volles Potenzial entfalten kann.