Globale Regulierung von KI-Medizinprodukten: Ein Jahrzehnt im Wettlauf zwischen Innovation und Sicherheit (2015–2025)

Zehn Jahre weltweite Regulierung von KI-Medizinprodukten: Wettlauf zwischen Innovation und Sicherheit (2015-2025)

Einleitung

In den letzten zehn Jahren hat die Integration von künstlicher Intelligenz (KI) in Medizinprodukte die globalen Diagnose- und Behandlungsansätze grundlegend verändert. Von der Echtzeit-Sepsisvorhersage bis zum automatisierten Screening auf Retinopathie entwickeln sich KI-Medizinprodukte (AIMD) zur zentralen Triebkraft im Bereich der digitalen Gesundheit. Die adaptive Lernfähigkeit von KI und die „Blackbox“-Eigenschaften von Algorithmen stellen jedoch beispiellose Herausforderungen für die traditionellen Regulierungsrahmen für Medizinprodukte dar. Die fünf großen Volkswirtschaften – die USA, die EU, China, Japan und Südkorea – haben nacheinander politische Maßnahmen ergriffen, um ein Gleichgewicht zwischen Innovationsanreizen und Patientensicherheit zu finden.

Hintergrund der Branche

Laut einer im Juli 2025 in Frontiers in Medicine veröffentlichten Übersichtsarbeit haben sich die Regulierungspolitiken der fünf größten Medizinproduktemärkte weltweit – USA, EU, China, Japan und Südkorea – zwischen 2015 und 2025 erheblich weiterentwickelt. Die US-amerikanische FDA schuf mit dem Digital Health Innovation Action Plan (2017) als erste einen Rahmen für das Lebenszyklusmanagement von AIMD. Die EU führte mit dem Artificial Intelligence Act (KI-Act) risikobasierte Klassifizierungsanforderungen ein. Die chinesische National Medical Products Administration (NMPA) veröffentlichte den Leitfaden zur technischen Prüfung von KI-Medizinprodukten (2022). Die japanische PMDA entwickelte einen adaptiven KI-Regulierungsrahmen. Auch die koreanische MFDS erließ entsprechende Politiken. Diese politischen Rahmenwerke sind nicht nur zur Compliance-Basis für internationale Unternehmen geworden, sondern haben auch die Koevolution der globalen Medizintechnologie vorangetrieben.

Wichtige Entwicklungen

US-FDA: Lebenszyklusregulierung und Plan zur vorbestimmten Änderungskontrolle

2017 startete die FDA den Digital Health Innovation Action Plan und führte ein Pilotprojekt zur Vorabzertifizierung von Software ein. 2019 schlug die FDA im Proposed Regulatory Framework for AI/ML-Driven Medical Device Software ein Regulierungsmodell vor, das auf den Total Product Life Cycle (TPLC) ausgerichtet ist; im Mittelpunkt steht der Predetermined Change Control Plan (PCCP). Dieser Mechanismus erlaubt es den Herstellern, bereits vor der Marktzulassung Parameter für Algorithmusaktualisierungen festzulegen, sodass der Algorithmus nach der Zulassung auf Basis von Real-World-Daten kontinuierlich lernen kann, ohne für jede Änderung einen neuen Antrag einreichen zu müssen. Der AI/ML Software Action Plan von 2021 präzisierte die PCCP-Leitlinien sowie die Anforderungen an die Leistungsüberwachung nach dem Inverkehrbringen. 2023 veröffentlichte die FDA einen Entwurf von Leitlinien für die Einreichung von Zulassungsanträgen mit PCCP und präzisierte darin die Meldebedingungen und Ausnahmeregelungen für Algorithmusänderungen.

EU: Risikoklassifizierung und der KI-Act

Die EU hat mit dem KI-Act risikobasierte Klassifizierungsanforderungen eingeführt, die KI-Medizinprodukte (AIMD) als Hochrisiko-KI-Systeme einstuft und strenge Auflagen in Bezug auf Daten-Governance, Transparenz und menschliche Aufsicht verlangt. Dieser Rahmen ergänzt die Medizinprodukteverordnung (MDR) und legt besonderen Nachdruck auf die kontinuierliche Prüfung von KI-Algorithmen und die Überwachung nach dem Inverkehrbringen, was ihn zu einer der strengsten Regelungen weltweit macht.

China: NMPA-Sonderleitlinien und Algorithmus-Erklärbarkeit中国：NMPA-Sonderleitfaden und Algorithmus-Erklärbarkeit

Die chinesische NMPA veröffentlichte 2022 die „Technischen Prüfgrundsätze für Medizinprodukte mit künstlicher Intelligenz“ und legte damit die Anforderungen an die Bewertung von Sicherheit und Wirksamkeit von AIMD fest, wobei insbesondere die Erklärbarkeit von Algorithmen, Datenqualität und klinische Bewertung betont wurden. Zuvor hatte China KI-Medizinprodukte bereits in das „Besondere Prüfverfahren für innovative Medizinprodukte“ aufgenommen, um die Zulassung bahnbrechender Produkte zu beschleunigen.

Japan und Südkorea: Flexible und pragmatische Regulierungswege

Die japanische PMDA schlug einen „adaptiven KI-Regulierungsrahmen“ vor, der eine Balance zwischen algorithmischer Rechenschaftspflicht und regulatorischer Flexibilität sucht. Die südkoreanische MFDS hat ihrerseits basierend auf den Besonderheiten ihrer Industrie schrittweise Zulassungsleitfäden und Risikomanagementanforderungen für AIMD etabliert.

Marktauswirkungen

Diese Regulierungsrahmen beeinflussen nicht nur die Produktentwicklungswege der Hersteller, sondern verändern auch die Beschaffungsentscheidungen von Krankenhäusern und klinischen Einrichtungen. Beispielsweise ermöglicht der PCCP-Mechanismus eine kontinuierliche Iteration von KI-Medizinsoftware, reduziert die Last wiederholter Zulassungsverfahren und beschleunigt so die Markteinführung von Produkten. Gleichzeitig hat die erhöhte regulatorische Transparenz das Vertrauen von Klinikern in KI-Werkzeuge gestärkt. Auf dem Kapitalmarkt wird ein klarer Regulierungsweg oft als Schlüsselfaktor für die Finanzierung von KI-Medizinunternehmen angesehen. Die zunehmende Klarheit der Regulierungsrahmen verkürzt den Weg von KI-Medizinprodukten vom Labor zur Klinik und beeinflusst damit die Bewertungslogik des Kapitalmarkts.

Herausforderungen und Risiken

Trotz der Fortschritte der einzelnen Regulierungsbehörden bleiben die Herausforderungen erheblich. Der Übersichtsartikel weist darauf hin, dass weniger als 30 % der AIMD die demografische Vielfalt ihrer Trainingsdaten offenlegen, was Bedenken hinsichtlich Algorithmenverzerrungen aufwirft. Darüber hinaus mangelt es etwa 43 % der von der FDA zugelassenen oder anerkannten AIMD an klinischen Validierungsdaten, und nur 28 % wurden prospektiven Tests unterzogen. Bei grenzüberschreitenden Zulassungen führen unterschiedliche Regulierungsstandards zu wiederholten Studien und erhöhten Kosten, was den globalen Marktzugang behindert. Darüber hinaus stellt der Aufstieg generativer KI und großer Sprachmodelle die Regulierungsbehörden vor neue Bewertungsherausforderungen.

Zukunftsausblick

In den nächsten 3–5 Jahren wird sich die AIMD-Regulierung in Richtung einer stärkeren internationalen Harmonisierung entwickeln. Zu den absehbaren Trends gehören: Datenaustausch zwischen Regulierungsbehörden, gegenseitige Anerkennung von Zulassungen sowie die Verbreitung dynamischer Regulierungsrahmen. Die Umsetzung des EU-KI-Gesetzes und die Finalisierung der PCCP-Leitlinien der US-amerikanischen FDA werden den Unternehmen klarere Konformitätswege bieten. Gleichzeitig wird die Anwendung generativer KI im Gesundheitswesen neue regulatorische Herausforderungen hervorbringen, beispielsweise die Erklärbarkeit von Deep-Learning-Modellen und die Grenzen des kontinuierlichen Lernens, was die Regulierungsbehörden dazu veranlasst, präzisere Bewertungsinstrumente und Methoden zu entwickeln.

Fazit

Rückblickend auf ein Jahrzehnt hat sich die Regulierung von KI-Medizinprodukten von anfänglich reaktiven Leitlinien zu einem systematischen, zukunftsorientierten Governance-System entwickelt. Die kollaborative Innovation zwischen Industrie und Regulierung wird zum Leitthema der nächsten Phase. Für Medizintechnikunternehmen ist das Verständnis und die Anpassung an diese Veränderungen nicht nur eine Konformitätsanforderung, sondern auch ein strategischer Ausgangspunkt, um globale Marktchancen zu nutzen. Mit der Verbreitung digitaler Medizin und KI-gestützter Diagnostik wird die Weiterentwicklung der Regulierungspolitik weiterhin den Kapitalfluss und das Tempo technologischer Innovation beeinflussen.Quelle: Frontiers in Medicine, DOI: 10.3389/fmed.2025.1630408