안녕하세요, 제이앤피메디에서 4월에 승인된 의료기기 임상시험계획 현황을 준비했습니다.
함께 자세히 살펴볼까요? 😊
이번 달에는 생성형 AI를 활용한 흉부 X-ray 판독 소프트웨어를 비롯해, 디지털 기술 기반의 영상 진단, 재활 치료, 내장 기능 평가 등 다양한 적응증을 아우르는 임상시험이 승인되었습니다.
특히 고령 환자의 운동 기능 회복을 목적으로 한 로봇 보조 재활치료기기, 내장 기능 이상 평가를 위한 자율신경계 분석 소프트웨어 등 실제 의료 현장의 수요를 반영한 제품들이 다수 포함되었으며, 단순한 진단 정확도 외에도 사용자 접근성, 반복 사용에 따른 순응도, 임상적 개선 효과 등을 종합적으로 평가하는 흐름이 강화되고 있습니다. 이는 디지털 의료기기의 실사용 기반 평가 패러다임이 점차 고도화되고 있음을 보여줍니다.
이번 달 임상시험 승인 사례 중 주목할 만한 항목으로는, 생성형 인공지능(Generative AI)을 활용해 흉부 X-ray 영상의 판독문 초안을 자동으로 생성하는 의료영상 분석 소프트웨어 ‘AIRead-CXR’가 있습니다. 이 제품은 기존의 분석형 AI와는 접근 방식이 크게 다르며, 현재 다기관, 후향적, 무작위, 교차 설계 기반의 확증 임상시험이 진행 중입니다.
올해 1월 24일 식약처가 발표한 ‘생성형 인공지능 의료기기 허가·심사 가이드라인’에 따르면, 생성형 AI 기반 의료기기의 경우 실제 임상 환경에서 의료진이 생성된 결과물을 어떻게 해석하고 활용하는지를 중심으로 유효성을 검증해야 합니다. 단순한 수치 중심의 정량적 평가를 넘어, RADPEER 점수 체계나 오류의 임상적 중요도를 반영한 5점 척도 등 정성적 평가 기준이 함께 적용되며, 이는 생성형 AI가 동일한 입력에 대해 다양한 텍스트를 출력할 수 있다는 기술적 특성을 반영한 평가 방식입니다.
또한, 생성형 AI의 성과는 사용자에 따라 다르게 나타날 수 있기 때문에, 임상에 참여하는 의료진의 경력이나 전문성 등을 명확히 정의하고, 이를 기반으로 하위 그룹 분석을 설계에 포함하는 것이 필수적입니다.
기술문서 작성 측면에서도 생성형 AI 고유의 특성이 강조됩니다. 사용된 AI 모델 구조(GAN, VAE, LLM 등)와 작동 흐름을 명확히 기술해야 하며, 생성된 텍스트의 품질을 정량화할 수 있는 BERT Score, BLEU, ROUGE 등의 평가 지표도 포함되어야 합니다. 아울러 hallucination(환각), drift(성능 편차)와 같은 생성형 AI의 고유 리스크에 대한 기술적 설명과 그에 대한 대응 전략도 요구됩니다. 학습 데이터의 출처와 품질, 도메인 적합성 여부, 이상치 처리 여부 등도 중요한 심사 요소로 간주됩니다.
위험관리 관점에서는 생성 결과의 임상적 오류뿐 아니라, 사용자의 해석 오류나 과신으로 인한 리스크 또한 핵심적으로 고려됩니다. 이를 위해 사용자 인터페이스(UI)의 혼동 가능성을 최소화하고, 결과 해석 가이드라인, 사이버보안 대응 체계, 사용적합성 평가 자료 등을 함께 제출해야 합니다. 또한, 임상시험 이외에도 실제 진료 현장에서 수집된 실사용증거(RWE)를 기반으로 한 사후 추적 전략도 마련하는 것이 바람직합니다.
‘AIRead-CXR’는 생성형 AI 기술이 의료기기로서 본격적인 규제 검토를 받는 초기 사례 중 하나로, 향후 유사 기술의 제품화와 인허가 과정에서 중요한 기준점을 제시할 수 있을 것으로 기대됩니다. 단순한 성능 평가를 넘어 사용자 중심의 정성 평가와 다층적 위험관리를 포함하는 이번 임상은, 생성형 AI가 의료 현장에서 안전하고 효과적으로 활용되기 위한 방향성을 제시하는 상징적인 전환점이 될 것입니다.
앞으로도 임상시험과 관련된 유익한 정보를 지속적으로 전해드리겠습니다.
감사합니다 😊
📌 참고 자료
안녕하세요, 제이앤피메디에서 4월에 승인된 의료기기 임상시험계획 현황을 준비했습니다.
함께 자세히 살펴볼까요? 😊
이번 달에는 생성형 AI를 활용한 흉부 X-ray 판독 소프트웨어를 비롯해, 디지털 기술 기반의 영상 진단, 재활 치료, 내장 기능 평가 등 다양한 적응증을 아우르는 임상시험이 승인되었습니다.
특히 고령 환자의 운동 기능 회복을 목적으로 한 로봇 보조 재활치료기기, 내장 기능 이상 평가를 위한 자율신경계 분석 소프트웨어 등 실제 의료 현장의 수요를 반영한 제품들이 다수 포함되었으며, 단순한 진단 정확도 외에도 사용자 접근성, 반복 사용에 따른 순응도, 임상적 개선 효과 등을 종합적으로 평가하는 흐름이 강화되고 있습니다. 이는 디지털 의료기기의 실사용 기반 평가 패러다임이 점차 고도화되고 있음을 보여줍니다.
이번 달 임상시험 승인 사례 중 주목할 만한 항목으로는, 생성형 인공지능(Generative AI)을 활용해 흉부 X-ray 영상의 판독문 초안을 자동으로 생성하는 의료영상 분석 소프트웨어 ‘AIRead-CXR’가 있습니다. 이 제품은 기존의 분석형 AI와는 접근 방식이 크게 다르며, 현재 다기관, 후향적, 무작위, 교차 설계 기반의 확증 임상시험이 진행 중입니다.
올해 1월 24일 식약처가 발표한 ‘생성형 인공지능 의료기기 허가·심사 가이드라인’에 따르면, 생성형 AI 기반 의료기기의 경우 실제 임상 환경에서 의료진이 생성된 결과물을 어떻게 해석하고 활용하는지를 중심으로 유효성을 검증해야 합니다. 단순한 수치 중심의 정량적 평가를 넘어, RADPEER 점수 체계나 오류의 임상적 중요도를 반영한 5점 척도 등 정성적 평가 기준이 함께 적용되며, 이는 생성형 AI가 동일한 입력에 대해 다양한 텍스트를 출력할 수 있다는 기술적 특성을 반영한 평가 방식입니다.
또한, 생성형 AI의 성과는 사용자에 따라 다르게 나타날 수 있기 때문에, 임상에 참여하는 의료진의 경력이나 전문성 등을 명확히 정의하고, 이를 기반으로 하위 그룹 분석을 설계에 포함하는 것이 필수적입니다.
기술문서 작성 측면에서도 생성형 AI 고유의 특성이 강조됩니다. 사용된 AI 모델 구조(GAN, VAE, LLM 등)와 작동 흐름을 명확히 기술해야 하며, 생성된 텍스트의 품질을 정량화할 수 있는 BERT Score, BLEU, ROUGE 등의 평가 지표도 포함되어야 합니다. 아울러 hallucination(환각), drift(성능 편차)와 같은 생성형 AI의 고유 리스크에 대한 기술적 설명과 그에 대한 대응 전략도 요구됩니다. 학습 데이터의 출처와 품질, 도메인 적합성 여부, 이상치 처리 여부 등도 중요한 심사 요소로 간주됩니다.
위험관리 관점에서는 생성 결과의 임상적 오류뿐 아니라, 사용자의 해석 오류나 과신으로 인한 리스크 또한 핵심적으로 고려됩니다. 이를 위해 사용자 인터페이스(UI)의 혼동 가능성을 최소화하고, 결과 해석 가이드라인, 사이버보안 대응 체계, 사용적합성 평가 자료 등을 함께 제출해야 합니다. 또한, 임상시험 이외에도 실제 진료 현장에서 수집된 실사용증거(RWE)를 기반으로 한 사후 추적 전략도 마련하는 것이 바람직합니다.
‘AIRead-CXR’는 생성형 AI 기술이 의료기기로서 본격적인 규제 검토를 받는 초기 사례 중 하나로, 향후 유사 기술의 제품화와 인허가 과정에서 중요한 기준점을 제시할 수 있을 것으로 기대됩니다. 단순한 성능 평가를 넘어 사용자 중심의 정성 평가와 다층적 위험관리를 포함하는 이번 임상은, 생성형 AI가 의료 현장에서 안전하고 효과적으로 활용되기 위한 방향성을 제시하는 상징적인 전환점이 될 것입니다.
앞으로도 임상시험과 관련된 유익한 정보를 지속적으로 전해드리겠습니다.
감사합니다 😊
📌 참고 자료