Юридична та фактична: 04053, м. Київ, Кудрявський узвіз 7, офіс 320


Дивитися на карті
Понеділок — четвер із 9.00 до 18.00 П’ятниця з 9.00 до 17.00, без перерви
Зворотній зв'язок

Штучний інтелект у медичних виробах: застосування та міжнародний досвід оцінки відповідності. Частина 2

17.11.2026

Роман Михалко, директор

Ростислав Гриник, провідний фахівець відділу оцінки відповідності

Попередня Частина 1

Досвід європейських нотифікованих органів

У Європейському Союзі медичні вироби з використанням штучного інтелекту підпадають під вимоги Регламенту (EU) 2017/745 (MDR) або, залежно від призначення, Регламенту (EU) 2017/746 (IVDR). При цьому застосування штучного інтелекту саме по собі не є достатньою підставою для віднесення програмного забезпечення до медичних виробів. Визначальне значення має встановлене виробником медичне призначення.

Питання кваліфікації та класифікації програмного забезпечення детально розглядаються в документі MDCG 2019-11 rev.1, оновленому в червні 2025 року. Для програмного забезпечення, яке надає інформацію, що використовується під час прийняття діагностичних або терапевтичних рішень, важливе значення має правило 11 додатка VIII MDR. Залежно від призначення виробу та можливих наслідків таких рішень програмне забезпечення може належати до класу IIa, IIb або III. У випадках, коли відповідна процедура передбачає залучення нотифікованого органу, оцінювання проводиться з урахуванням особливостей програмного забезпечення та доказів, наданих виробником.

Практичний досвід у цьому напрямі накопичує BSI (British Standards Institution), який здійснює діяльність з оцінки відповідності медичних виробів у межах європейської регуляторної системи. У відкритій публікації BSI Surpasses 125 AI Expert Reviews Under the MDR and IVDR орган повідомив про проведення понад 125 спеціалізованих експертних перевірок технологій штучного інтелекту в межах оцінювання за MDR та IVDR.

Йдеться про експертні перевірки програмних рішень для медичної візуалізації, діагностики, скринінгу, планування лікування, підтримки клінічних рішень та моніторингу пацієнтів. При цьому кількість таких перевірок не слід ототожнювати з кількістю виданих сертифікатів. У публікації наведено також конкретні приклади виробників, програмне забезпечення яких проходило спеціалізоване оцінювання.

Зокрема, канадська компанія Circle Cardiovascular Imaging Inc. розробляє програмні рішення для аналізу результатів магнітно-резонансної та комп’ютерної томографії серцево-судинної системи. У матеріалі BSI згадуються продукти CVI42, TruPlan та StrokeSENS. Їхні функціональні можливості пов’язані з аналізом медичних зображень, зокрема автоматизацією окремих операцій оброблення даних і підтримкою діагностичних робочих процесів.

За інформацією виробника, наведеною BSI, під час спеціалізованої перевірки зазначених програмних продуктів оцінювалися валідація моделей штучного інтелекту, заходи управління ризиками та документація, що стосується життєвого циклу програмного забезпечення. Це дає уявлення про характер питань, які можуть виникати під час оцінки відповідності подібних виробів.

Особливе значення використання алгоритмів машинного навчання має у випадках, коли необхідно обробляти складні багатовимірні зображення, визначати анатомічні структури та виконувати кількісні вимірювання. Недостатньо встановити, що алгоритм виконує заявлену функцію на певному наборі тестових даних. Необхідно також мати належне обґрунтування вибору методів перевірки, характеристик використаних даних, критеріїв прийнятності результатів та процедур контролю змін.

Інший приклад, який висвітлює BSI, — Apneal, програмне рішення компанії Mitral (Франція). Apneal використовує технології смартфона та алгоритми штучного інтелекту для оцінювання порушень дихання під час сну. На відміну від традиційних методів дослідження, які можуть потребувати спеціалізованого обладнання, подібний підхід передбачає використання можливостей мобільних пристроїв для отримання та оброблення інформації, пов’язаної з диханням пацієнта. Виробник у публікації BSI відзначає роль спеціалізованої експертної перевірки та сертифікаційного процесу в підтвердженні відповідності програмного рішення регуляторним вимогам.

Штучний інтелект у цьому випадку застосовується для аналізу сигналів і виявлення характерних закономірностей, що можуть мати діагностичне значення. Цей випадок цікавий також тим, що використання смартфона як технічної платформи створює додаткові питання щодо сумісності програмного забезпечення, стабільності отримання даних та контролю умов, за яких застосовується виріб.

Окрему увагу BSI приділяє технологіям генеративного штучного інтелекту. У зазначеній публікації згадується Tonic Easy Medical, яка використовує великі мовні моделі (LLM) у медичних програмних рішеннях. Для таких технологій актуальними є питання достовірності згенерованої інформації, можливості появи помилкових тверджень і визначення належного рівня контролю з боку користувача. BSI також повідомляє про сертифікацію системи управління штучним інтелектом Tonic Easy Medical відповідно до ISO/IEC 42001. Водночас таку сертифікацію необхідно відрізняти від оцінки відповідності конкретного медичного виробу за MDR.

Про розвиток цього напряму свідчать і відкриті матеріали DEKRA, яка розглядає особливості оцінювання та випробування медичних виробів із використанням штучного інтелекту. У матеріалі Artificial Intelligence Services for Medical Devices DEKRA приділяє увагу оцінюванню характеристик алгоритмів, управлінню ризиками, якості даних, кібербезпеці та взаємодії між вимогами MDR/IVDR і законодавством ЄС про штучний інтелект.

Особливої уваги заслуговує питання придатності алгоритму для роботи в реальних умовах застосування. Програмне забезпечення, яке демонструє належні результати на обмеженому наборі даних, не обов’язково матиме аналогічні характеристики за інших умов експлуатації. На його результативність можуть впливати відмінності між діагностичним обладнанням, характеристики пацієнтів, якість медичних зображень та особливості організації клінічних процесів.

Отже, під час оцінювання програмних медичних виробів зі штучним інтелектом питання якості даних набуває значення, співставного з перевіркою характеристик самого програмного забезпечення.

Оцінка алгоритму не завершується його виходом на ринок

Однією з особливостей медичних виробів, що використовують машинне навчання, є можливість істотної зміни їхніх характеристик унаслідок оновлення алгоритму або використання нових даних для навчання. Для традиційного програмного забезпечення оновлення часто пов’язане з усуненням помилок чи вдосконаленням окремих функцій. У випадку систем машинного навчання зміни можуть безпосередньо впливати на здатність алгоритму розпізнавати патологічні ознаки, точність результатів або характер взаємодії з користувачем.

Наприклад, виробник системи аналізу медичних зображень може розширювати навчальний набір даних, щоб покращити результати для певної групи пацієнтів або забезпечити сумісність із новим діагностичним обладнанням. Проте покращення одного показника не завжди гарантує збереження інших характеристик алгоритму. Тому необхідно передбачати належні методи перевірки результатів змін та оцінювання їхнього впливу на безпечність і результативність виробу.

У цьому контексті заслуговує на увагу підхід FDA до заздалегідь визначених планів контролю змін — Predetermined Change Control Plans (PCCP). У серпні 2025 року FDA опублікувало остаточну настанову Marketing Submission Recommendations for a Predetermined Change Control Plan for Artificial Intelligence-Enabled Device Software Functions. Документ передбачає можливість опису майбутніх модифікацій програмного забезпечення, методів їх перевірки та заходів контролю ризиків ще на етапі регуляторного подання. За визначених умов це дозволяє виробнику впроваджувати передбачені та належним чином погоджені зміни без необхідності кожного разу проходити нову процедуру розгляду. Водночас такий механізм не звільняє від обов’язку забезпечувати відповідність продукції встановленим вимогам. Зміни, які виходять за межі погодженого плану, можуть потребувати додаткового регуляторного розгляду.

Цікавий досвід у дослідженні регуляторних підходів до інноваційних медичних виробів має також британське Medicines and Healthcare products Regulatory Agency (MHRA). Регулятор реалізує програму AI Airlock, яка функціонує у форматі regulatory sandbox — спеціального середовища для дослідження та апробації регуляторних підходів до нових технологій. На відміну від звичайної процедури допуску медичного виробу на ринок, метою цієї програми є вивчення складних регуляторних питань на прикладах конкретних технологічних рішень. У другому етапі AI Airlock, результати якого були опубліковані у 2026 році, взяли участь сім розробників інноваційних технологій.

Серед них — TORTUS, система на основі штучного інтелекту, призначена для автоматизації медичної документації. Складність регуляторного оцінювання такого програмного забезпечення пов’язана з можливим розширенням його функцій. Якщо система лише формує записи за результатами консультації, її регуляторний статус може бути одним. Однак коли програмний продукт починає надавати інформацію, призначену для підтримки діагностичних або терапевтичних рішень, правова оцінка його призначення може змінитися.

Інший учасник програми — DeepX Health UK Ltd, яка розробляє систему DeepX AI для аналізу дерматоскопічних зображень шкірних утворень. Алгоритм призначений для виявлення ознак, що можуть свідчити про злоякісний характер утворення, та підтримки визначення пріоритетності подальшого медичного обстеження. У межах AI Airlock розглядалися, зокрема, можливості контролю характеристик алгоритму після введення виробу в обіг та підходи до управління його майбутніми змінами.

На момент опису проєкту MHRA зазначало, що базова платформа медичної візуалізації виробника вже мала регуляторний допуск у США та ЄС, однак компонент штучного інтелекту ще не мав маркування UKCA. Це важливе уточнення, оскільки участь у програмі AI Airlock не є підтвердженням відповідності конкретного виробу та не замінює передбачених законодавством процедур допуску на ринок. У жовтні 2026 року MHRA розпочало приймання заявок на третій етап програми, зосередивши увагу на питаннях післяринкового нагляду та контролю ШІ-медичних виробів протягом їхнього життєвого циклу.

Досвід FDA та MHRA свідчить про формування підходів, за яких оцінювання технологій штучного інтелекту дедалі тісніше пов’язується з аналізом їхньої результативності не лише на момент виходу на ринок, але й у процесі подальшого застосування.

Європейський AI Act та подальший розвиток регуляторних вимог

Окремим чинником розвитку системи регулювання штучного інтелекту в Європейському Союзі став Регламент (EU) 2024/1689 — Artificial Intelligence Act (AI Act). Документ установлює ризик-орієнтований підхід до регулювання систем штучного інтелекту та передбачає вимоги, зокрема, щодо управління ризиками, якості даних, прозорості, технічної документації, людського контролю та моніторингу функціонування систем. Для виробників медичних виробів принципове значення має взаємодія AI Act із MDR та IVDR.

Відповідно до статті 6(1) AI Act до категорії високоризикових можуть належати системи штучного інтелекту, які є продукцією або компонентом безпечності продукції, охопленої відповідним законодавством ЄС, якщо для такої продукції передбачено оцінку відповідності із залученням третьої сторони. Водночас наявність у медичному виробі штучного інтелекту не означає автоматичного підвищення його класу ризику за MDR або IVDR. Відповідні класифікаційні підходи мають застосовуватися окремо.

У червні 2025 року було опубліковано документ MDCG 2025-6, присвячений взаємодії вимог MDR, IVDR та AI Act. Його положення становлять практичний інтерес як для виробників, так і для нотифікованих органів, оскільки стосуються питань одночасного застосування різних регуляторних вимог.

У липні 2026 року набрав чинності Регламент (EU) 2026/1744, яким внесено зміни до AI Act, зокрема щодо строків застосування окремих положень. Для високоризикових систем штучного інтелекту, охоплених відповідним секторальним законодавством про продукцію, застосування основних спеціальних вимог передбачено з 2 серпня 2028 року.

З огляду на це виробникам медичних виробів зі штучним інтелектом необхідно враховувати не лише чинні вимоги до безпечності та експлуатаційних характеристик медичних виробів, але й подальший розвиток європейського регулювання. Для нотифікованих органів це також означає необхідність розвитку спеціалізованих компетентностей у сфері машинного навчання, аналізу даних та оцінювання ризиків, пов’язаних із використанням алгоритмів штучного інтелекту.

Значення міжнародного досвіду для України

В Україні питання оцінки відповідності програмних медичних виробів зі штучним інтелектом доцільно розглядати в контексті чинної системи технічного регулювання та поступового наближення законодавства до вимог Європейського Союзу. Станом на жовтень 2026 року застосовуються, зокрема, Технічний регламент щодо медичних виробів, затверджений постановою Кабінету Міністрів України від 02.10.2013 № 753, та Технічний регламент щодо медичних виробів для діагностики in vitro, затверджений постановою № 754. Відповідно до цих регламентів програмне забезпечення, залежно від його призначення, може розглядатися як медичний виріб.

Тому, для виробників та імпортерів програмних рішень зі штучним інтелектом першочерговим питанням залишається правильне визначення статусу продукції, її призначення, класу ризику та застосовної процедури оцінки відповідності.

Окремо необхідно враховувати, що 10 червня 2026 року Кабінет Міністрів України ухвалив постанови № 758 та № 759, якими затверджено нові технічні регламенти відповідно щодо медичних виробів для діагностики in vitro та медичних виробів. Основні положення цих регламентів передбачено ввести в дію з 31 грудня 2030 року з урахуванням установлених винятків і перехідних положень.

Міжнародний досвід у цій сфері становить інтерес передусім із погляду підходів до формування та оцінювання доказової бази. Практика FDA показує значення чіткого визначення медичного призначення алгоритму, перевірки його результативності та оцінювання можливих наслідків помилкових висновків. Матеріали BSI свідчать про необхідність спеціалізованого експертного аналізу моделей штучного інтелекту, їхньої валідації та процесів управління ризиками. Досвід MHRA привертає увагу до проблем, що виникають під час зміни функціональних можливостей програмного забезпечення та його подальшого використання. При цьому наявність дозволу FDA або сертифіката, виданого відповідно до європейських регуляторних вимог, сама по собі не означає автоматичного виконання всіх вимог для введення медичного виробу в обіг на ринку України. Необхідно також враховувати, що застосування міжнародних стандартів і регуляторних настанов має здійснюватися з урахуванням відповідних вимог законодавства та конкретного призначення медичного виробу.

Для органів з оцінки відповідності поширення медичних виробів зі штучним інтелектом створює додаткові завдання, пов’язані з оцінюванням технічної документації, достатності клінічних доказів, характеристик програмного забезпечення та процесів управління його змінами. У цьому контексті особливого значення набуває поєднання компетентності у сфері медичних виробів із розумінням принципів роботи алгоритмів машинного навчання та пов’язаних із ними ризиків.

Висновки

Міжнародна практика підтверджує, що штучний інтелект уже використовується у медичних виробах для виконання різних за характером і складністю завдань — від автономного скринінгу захворювань до підтримки проведення діагностичних процедур і своєчасного виявлення невідкладних станів. Водночас застосування штучного інтелекту саме по собі не є свідченням вищої безпечності або кращих експлуатаційних характеристик медичного виробу. Такі переваги повинні мати належне обґрунтування та підтверджуватися відповідними доказами.

Досвід FDA, BSI, DEKRA та MHRA свідчить про поступове формування спеціалізованих регуляторних підходів, які враховують особливості навчання, перевірки та оновлення алгоритмів, а також їхню взаємодію з користувачами й іншими компонентами медичного обладнання. При цьому основні принципи оцінки відповідності залишаються незмінними: виробник повинен забезпечити виконання застосовних вимог до продукції та надати достатні докази її безпечності й заявлених експлуатаційних характеристик. Подальший розвиток медичних виробів зі штучним інтелектом, імовірно, супроводжуватиметься підвищенням складності їх оцінювання та зростанням значення спеціалізованої експертизи.

Для української системи технічного регулювання вивчення міжнародної практики в цьому напрямі є важливим чинником розвитку компетентності органів з оцінки відповідності та забезпечення належного рівня оцінювання нових медичних технологій.

Поділитися:

Інші новини

27.11.2023

Контрактне виробництво: вимоги стають жорсткіші

Детальніше
29.12.2021

Щотижневик Аптека №50 опублікував оглядову статтю про наш Дайджест-семінар 2021

Детальніше
31.07.2023

Як упровадити систему управління якістю за ДСТУ EN ISO 13485:2018 у центральному стерилізаційному відділенні

Детальніше