首页
>
资讯
>
Elsa 升至4.0,FDA 将数据整合到 HALO 以支持 AI
出自识林
Elsa 升至4.0,FDA 将数据整合到 HALO 以支持 AI
2026-05-08
5月6日,适逢启动AI监管行动一周年 ,FDA宣布推出最新迭代的Elsa 4.0。FDA局长Marty Makary表示,"Elsa的新能力再次使FDA处于部署AI并赋能员工的领先地位。"
更值得注意的是,FDA称其将所有中心的40多个不同的申请和提交数据源、系统和门户整合到一个名为HALO(Harmonized AI & Lifecycle Operations for Data,协调AI 和数据生命周期 运营)的新平台中。这有望解决普遍存在的数据孤岛问题,为跨中心、跨项目的监管决策和数据共享奠定基础,使得FDA工作人员能够在每个聊天窗口中便捷查询数据和构建工作流,而无需手动上传文档。
正如首席AI官Jeremy Walsh所言:"Elsa很快将成为(工作人员)进入FDA系统和获取数据的主要路径。以前,FDA工作人员需要将数据带给Elsa。现在,Elsa坐拥我们的数据。"这种架构变化使AI能够真正融入监管工作流,而非作为外部工具。
FDA明确新的Elsa 4.0功能包括:
其中“优化搜索”看似基础,实则是当前AI应用的核心技术难关,也是AI在监管领域发挥作用的关键障碍。FDA审评人员面对的是动辄成千上万页的申报资料,传统关键词搜索往往遗漏相关信息或淹没在无关结果中。如果Elsa 4.0的优化搜索能力确实能够使审评人员像与资深同事对话一样,用自然语言提问即可精准定位所需信息,其本质上是将AI从辅助工具升级为审评工作流的智能入口,大幅降低信息获取成本,让审评人员将精力集中在科学判断本身。
FDA再次重申Elsa的数据安全性和商业秘密保护政策。Elsa构建在符合高层次FedRAMP(联邦风险与授权管理计划)的Google Cloud Platform(谷歌云平台)环境中,且不使用任何输入数据或被监管行业提交的任何数据进行训练。此外,增强的搜索功能允许其访问不断更新的安全网络数据,但未直接连接到互联网。
同时,FDA也坚持“人在回路”,强调其工作人员参与AI工作流程的每个阶段,以便人类主题专家验证 所有输入、分析过程和输出实施。
另外值得注意的是,FDA近来多次高调宣扬AI监管,从基于AI的“实时临床试验” ,到AI选择低风险设施用于“一日检查” ——这些看起来并非Elsa的功能,而是相对独立、专门开发的AI系统。相比之下,Elsa更像是日本PMDA引入的微软Copilot式应用 ,但由于链接了FDA庞大数据库,能够发挥更大价值。
我国药监也在加紧推进AI监管 。FDA经验显示出,AI赋能监管不仅是技术问题,更是数据架构、安全保障和组织变革的系统工程。
作者:识林-实木
责任编辑:识林-木姜子
识林® 版权所有,未经许可不得转载。
【文件概要】 该文件提出国家药监局关于人工智能技术在药品监管领域全面应用的实施框架,涵盖总体目标、重点场景赋能、基础支撑体系和组织保障四部分。文件以构建人机协同的智能化监管体系为核心目标,明确到2030年形成融合创新机制,2035年实现数智驱动的治理新格局。具体部署包括:在审评审批环节推动电子化资料提交与大模型应用,建立“数智赋能+人工复核”机制;在生产环节强化高风险品种的实时风险监控,完善非现场监管模式;在流通环节升级追溯系统并实现多码关联;在风险监管中开发智能预警模型与动态风险画像。技术支撑层面要求建设高质量数据集、垂直大模型及算力基础设施,同时强调数据安全与算法透明度。文件定位人工智能为辅助工具,明确需建立模型备案、安全审查及场景合规性评估制度,避免技术滥用。
【适用范围】 本文适用于中国境内从事药品(含化学药、生物制品、中药)、医疗器械及化妆品研发、生产、流通的企业,涵盖创新药、仿制药、生物类似药、高风险品种(如疫苗、血液制品)等全类别。监管机构包括国家及省级药监部门,企业类型涉及大型药企、Biotech、CRO/CDMO及追溯技术服务商。
【影响评估】 本文要求企业加速数智化转型以适应智能化监管趋势,尤其在电子化资料提交、生产过程数据实时对接、追溯系统升级等方面需投入资源。高风险品种企业将面临更严格的动态监控要求,而AI技术供应商可能获得模型开发与数据治理的新商机。整体上,合规成本短期可能上升,但长期将提升监管效率与企业运营协同性。
【实施建议】
注册 :必读。需重构申报资料电子化流程,参与审评大模型测试反馈,建立人机协同复核机制。 生产/QA :必读。高风险品种企业应部署物联网数据实时分析系统,完善计算机化验证文件,配合非现场检查数据接口开发。 IT/数据治理 :必读。主导追溯系统与监管平台对接,建设内部数据集并制定标注规范,参与垂直大模型训练。 临床 :需关注临床试验电子记录指南更新,优化数据治理流程以适配智能分析需求。 合规 :牵头制定AI应用内控标准,建立模型备案与算法透明度审查流程。 以上仅为部分要点,请阅读原文,深入理解监管要求。