当AI开始辅助医生诊断疾病时，你是否想过，开发这些系统的工程师是否真正了解医疗监管要求？
南洋理工大学主导的一项跨机构研究，揭示了医疗AI高速发展背后一个值得关注的问题：部分开发者对相关监管框架了解有限，而不少机构也尚未正式采用这些框架。
技术快速发展，监管认知却没有同步跟上？ 医疗AI赛道持续升温，但NTU研究团队的调查结果，为这个快速发展的领域敲响了警钟。
研究调查了122名医疗AI开发者。结果显示，约四成受访者不了解任何一项调查所涉及的监管框架；即使听说过相关框架，整体熟悉程度也较为有限。此外，超过六成受访者表示，其所在机构尚未正式采用这些监管框架。
这并不意味着医疗AI开发者普遍“不合格”，也不能代表整个行业的情况，但它至少说明：技术创新与监管认知之间，仍然存在不容忽视的距离。
这里所说的监管框架，不只是具有法律强制力的法规，也包括行业指南、技术标准和伦理原则。它们并非束缚创新的繁文缛节，而是帮助医疗AI安全落地的重要保障。
例如，新加坡的《个人数据保护法》、欧盟的《通用数据保护条例》，都对个人健康数据的收集、处理和使用提出要求。
如果一款AI软件因其预期用途而被认定为医疗器械，也可能受到新加坡卫生科学局、美国食品药品监督管理局等机构监管，并须根据风险等级完成相应的注册、审查或上市授权程序。
这些要求不一定需要每名程序员都成为法律专家，但参与医疗AI研发的人，至少应了解产品所处的监管环境，并知道哪些问题需要与临床、法律、伦理和合规团队共同处理。
看不见的风险，最终可能由谁承担？
开发者和机构对监管框架缺乏了解，最值得担忧的后果，是患者安全可能受到影响。
试想，一款AI诊断工具未经充分验证，就被用于真实医疗场景。它可能因为训练数据存在偏差，对部分人群的判断准确率较低；也可能因为使用范围、适用人群或限制条件没有得到清晰说明，导致医护人员过度依赖系统结果。
这些问题未必一定发生，但医疗创新的特殊之处就在于，它的试错成本可能直接落到患者身上。
对企业而言，合规缺口同样会带来现实风险。产品一旦不符合相关要求，可能面临审批延误、整改、下架、召回或法律争议。前期投入的大量研发资源，也可能因此受到影响。
更严重的是，一旦医疗AI频繁出现安全或隐私问题，受损的不只是某一家公司，而是公众对整个行业的信任。对于医疗技术而言，准确率固然重要，但能否让患者、医生和监管机构放心使用，同样决定着一项技术能否真正进入临床。
当然，这并不意味着普通工程师会因为某个产品出现问题，就自动承担个人法律责任。具体责任通常取决于产品性质、岗位职责、机构安排和所在地区的法律制度。
但研究反映出的一个重要趋势是：开发者不能只关注模型性能，也需要参与理解和落实与产品相关的监管要求。
NTU学子：机遇与责任并存 对在校学生而言，这项研究与其说是一则警告，不如说揭示了一种新的职业机会。
未来市场需要的，可能不只是会训练模型、优化算法的工程师，而是能够理解技术、医疗场景、伦理和监管之间关系的复合型人才。
一个能够在项目早期识别数据隐私、算法偏差、临床验证和产品监管问题的开发者，其价值往往高于只关注代码能否运行的人。
如何培养这样的能力？
首先，不要把视野局限在自己的专业课程中。除了学习机器学习、数据科学和软件开发，也可以主动了解医疗器械监管、个人数据保护、科技伦理和知识产权等议题。
其次，可以多关注新加坡卫生科学局发布的数字医疗和医疗器械指南，了解一款医疗AI产品从研发到实际应用，可能需要经历哪些验证和审查过程。
NTU本身拥有医学、工程、计算机科学、社会科学、传播和商业法等不同领域的教学与研究资源。学生可以通过跨学科课程、讲座、研究项目和竞赛，理解不同专业在医疗AI开发中分别承担什么角色。
真正负责任的创新，并不是等产品完成后再补上一份合规文件，而是在设计数据、训练模型和定义产品用途时，就提前考虑安全、隐私、公平和责任问题。
📌 要点总结
✦ NTU主导的一项跨机构研究调查了122名医疗AI开发者，发现部分受访者对相关监管框架了解有限。
✦ 超过六成受访者表示，其所在机构尚未正式采用调查涉及的监管框架。
✦ 对NTU学生而言，跨学科能力可能成为未来进入医疗AI行业的重要竞争力。
你的代码，准备好不仅能够运行，也能够被负责任地使用了吗？
