Thema 80 von 91· KI-Beschleunigung
Regulatorische KI-Evaluation
Die regulatorischen Rahmenwerke, die KI im Gesundheitswesen regieren — das FDA-Regime Software as a Medical Device (SaMD) mit Predetermined Change Control Plans (PCCPs) und Real-World-Evaluationsprogramme wie der NHS AI in Health and Care Award — und was sie ökonomisch kosten und ermöglichen.
Warum es wichtig ist
Regulierung bestimmt sowohl die Evidenzkosten des Markteintritts als auch die Kosten jedes späteren Modell-Updates — bei KI-Produkten zählt Zweiteres oft mehr. Der traditionelle FDA-Modus (Modell festlegen; für Änderungen neu zulassen) machte kontinuierliche Verbesserung ökonomisch brutal. Die PCCP-Leitlinie (finalisiert Dezember 2024) änderte die Ökonomie: Ein Hersteller kann spezifizierte künftige Modell-Updates vorab genehmigen lassen — eine Beschreibung geplanter Änderungen, ein Änderungsprotokoll (wie jede validiert wird) und eine Wirkungsbewertung — sodass sanktionierte Verbesserungen ohne neue Einreichung ausgeliefert werden. Über 1.000 KI-gestützte Geräte haben eine FDA-Zulassung; die FDA prüft inzwischen auch die Überwachung der Real-World-Leistung (vorab festgelegte Kennzahlen: Basis-FP-/FN-Raten, Kalibrierungsdrift, Domänenverschiebungsindikatoren).
Die Mathematik
Der PCCP ist die Ökonomie der DORA-Lead-Time, angewendet auf regulierte Modelle:
Kosten pro Modell-Update (traditionell) = Kosten der Neueinreichung +
Prüfverzögerung × CoD
Kosten pro Modell-Update (PCCP-gestützt) = nur Kosten der Protokollausführung
Update-Ökonomie über die Produktlebenszeit:
N Updates × (Einreichungskosten + Monate der Prüfung ×
Verzögerungskosten pro Monat)
vs. einmalige PCCP-Erstellungskosten + N × Protokollausführungen
Für das Muster des NHS-AI-Award ist der Kennzahlensatz breiter als Genauigkeit: unabhängige Real-World-Evaluationen bewerten klinische Leistung, Workflow-/Implementierungseffekte und ökonomische Wirkung — die vollständige institutionalisierte Pipeline Wirksamkeit → Effektivität → Kosteneffektivität.
Durchgerechnetes Beispiel
Ein Radiologie-KI-Anbieter plant vierteljährliche Modellverbesserungen über 3 Jahre (12 Updates):
Traditionell: 12 × (80.000 £ Einreichung + 4 Monate × 50.000 £/Monat
verzögerter Nutzen-CoD) = 12 × 280.000 £ = 3,36 Mio. £
PCCP-Weg: 250.000 £ PCCP-Erstellung + 12 × 30.000 £ Protokoll-
ausführung = 610.000 £
Einsparung ≈ 2,75 Mio. £ — und Patienten erhalten jede Verbesserung
~4 Monate früher: 12 × 4 Monate × der klinische Nutzen des Updates,
eine QALY-Zeile für sich genommen.
Der PCCP ist regulatorische Anerkennung dafür, dass Deployment-Häufigkeit klinischen Wert hat — die Hauptkausalkette dieses Repositorys, von einer Regulierungsbehörde bestätigt.
Bezug zur Softwareentwicklung
Den PCCP gut zu konstruieren ist ein Softwareproblem: vorab festgelegte Evaluationssuiten, versionierte Datensätze, automatisierte Validierungspipelines, Drift-Überwachung — die regulierte Cousine der kontinuierlichen Auslieferung, wo das "Deploy-Gate" ein validiertes Protokoll statt eines Code-Reviews ist. Teams mit ausgereifter Eval-Infrastruktur (KI-Qualitätskennzahlen) bekommen PCCPs günstig; Teams ohne entdecken, dass die regulatorische Einschränkung eigentlich eine Reifegrad-Einschränkung der Entwicklung ist. Für Produkte, die in den NHS eintreten, ist der parallele Stapel DTAC (klinische Sicherheit, Datenschutz, Interoperabilität) plus NICE-ESF-Evidenzstufen — alle als Markteintritts-TCO budgetieren.
Fallstricke
- PCCP-Geltungsbereich-Wunschträume: nur spezifizierte Änderungsarten sind vorab genehmigt; Architekturänderungen oder neue Zweckbestimmungen brauchen weiterhin die volle Prüfung.
- Unüberwachte Real-World-Drift: Zulassung bei Einführungsleistung + stille Bevölkerungsdrift = ein Produkt, das außerhalb seiner zugelassenen Hüllkurve arbeitet; Überwachung ist sowohl regulatorische Erwartung als auch Selbstschutz.
- Zulassung mit Wert verwechseln: FDA-/UKCA-Zulassung ≠ jemand zahlt dafür — das ist die HTA-Hürde, separat zu nehmen.
Quellen
- FDA, AI-enabled device software / SaMD. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-software-medical-device
- PCCP implementation guidance analysis. https://intuitionlabs.ai/articles/fda-pccp-implementation-guide-ai-ml-samd
- NHS England, lessons from AI in Health and Care Award real-world evaluations. https://www.england.nhs.uk/long-read/planning-and-implementing-real-world-ai-evaluations-lessons-from-the-ai-in-health-and-care-award/