YYT 1990-2025 人工智能医疗器械　细胞病理图像辅助分析软件　算法性能测试方法标准立项发展报告

标题：YY/T1990-2025人工智能医疗器械细胞病理图像辅助分析软件算法性能测试方法标准立项发展报告EnglishTitle:StandardizationDevelopmentReport:ArtificialIntelligenceMedicalDevice-AuxiliaryAnalysisSoftwareforDigitalCytopathologyImages-AlgorithmPerformanceTestMethod摘要随着人工智能技术在医疗领域的深度融合，基于深度学习的细胞病理图像辅助分析软件已成为提升病理诊断效率与准确性的关键工具。然而，由于缺乏统一的算法性能测试标准，不同产品的性能评估结果难以横向比较，制约了该技术在高风险诊断场景下的临床应用与监管审批。本报告系统阐述了《YY/T1990-2025人工智能医疗器械细胞病理图像辅助分析软件算法性能测试方法》行业标准的立项背景、编制过程及核心内容。该标准聚焦于细胞病理图像分析软件算法在“检测”与“分类”两大核心任务上的性能评估，首次系统性地规范了测试数据集构建、测试环境配置、性能指标定义（如灵敏度、特异度、F1分数、AUC等）及测试报告要求。报告指出，该标准的实施将填补国内人工智能医疗器械在细胞病理领域性能评测的标准化空白，为产品注册、质量控制及临床准入提供权威的技术依据，对于推动我国病理行业数字化转型、保障医疗质量和患者安全具有里程碑式的意义。关键词人工智能医疗器械；细胞病理；图像辅助分析；算法性能测试；标准化；YY/T1990-2025；深度学习；体外诊断Keywords:ArtificialIntelligenceMedicalDevice;Cytopathology;Image-AssistedAnalysis;AlgorithmPerformanceTest;Standardization;YY/T1990-2025;DeepLearning;InVitroDiagnosis正文一、引言：背景与意义细胞病理学是通过观察人体细胞形态学变化进行疾病诊断的核心技术，尤其在宫颈癌、肺癌、甲状腺癌等恶性肿瘤的早期筛查与诊断中具有不可替代的作用。近年来，人工智能特别是深度学习技术在医学图像分析领域取得了突破性进展，涌现出大量针对宫颈液基薄层细胞学（TCT）、细针穿刺细胞学（FNAC）等场景的辅助分析软件。这类软件旨在辅助病理医师识别可疑细胞、量化特征指标、提高阅片一致性并缩短诊断周期。然而，行业面临的核心瓶颈在于“评估标准缺失”。不同厂商的算法在灵敏度、特异度、定位精度等关键性能指标上定义不统一，使用的验证数据集规模和标注质量参差不齐，导致无法客观、公正地评判其临床应用价值。这一现状不仅给监管机构（如国家药品监督管理局，NMPA）的审评审批工作带来巨大挑战，也使得医疗机构在选择和应用此类产品时缺乏可靠依据，存在“算法黑箱”的潜在风险。在此背景下，由国家药品监督管理局提出，归口于全国医用电器标准化技术委员会（SAC/TC10），并由中国食品药品检定研究院（以下简称“中检院”）牵头，联合多家医疗机构、科研院所及企业单位，共同制定了《YY/T1990-2025人工智能医疗器械细胞病理图像辅助分析软件算法性能测试方法》。该标准的立项与发布，标志着我国在该前沿领域的标准化工作进入了实质性阶段，是保障人工智能医疗器械安全、有效、可控发展的重要举措。二、标准的核心内容与技术要点本标准针对人工智能医疗器械软件在细胞病理图像处理中的“算法性能”这一核心环节，建立了统一的测试框架。其主要技术内容包含以下几个方面：1.适用范围与边界本标准明确规定了其适用范围为“利用人工智能技术对细胞病理数字图像进行分析的软件系统”，重点针对用于“检测”和“分类”任务的算法。这里的“检测”通常指在细胞涂片或切片图像上定位并框出可疑细胞（如异型细胞、挖空细胞等）；“分类”则是对检测出的目标进行良恶性判别或亚型识别。标准不涉及与病理信息系统（PIS）的接口、用户界面优化、工作流程集成等非算法类特性。2.通用要求与软件要求标准开篇强调了测试环境的独立性要求，即测试应在独立于算法开发环境的平台进行，避免数据泄露。软件要求方面，明确了受测软件的版本号、运行环境（操作系统、硬件资源如GPU型号及内存）必须详细记录。特别指出，测试过程中应记录算法的“确定性”情况——即同一输入是否总产生相同输出，这对于可重复性至关重要的医疗器械至关重要。3.测试数据集要求这是本标准最具创新性和挑战性的部分。标准对测试数据集提出了极其严格的质量控制要求：*数据来源与伦理审查：数据集必须来源于真实临床样本，且已通过伦理审查并获得受试者知情同意。*样本量与分布：明确规定测试集的样本量应具备统计学显著性，需包含足够数量的阳性病例（如不同级别的宫颈上皮内瘤变CINI-III、浸润癌）和阴性病例。同时，应覆盖不同的制片方法（如液基薄层、传统涂片）、染色差异、扫描设备（不同品牌及型号的数字切片扫描仪）以及临床背景（如炎症、修复性改变等干扰因素）。*金标准与独立标注：标准要求测试集的“金标准”应由至少两名或以上资深病理医师（通常要求中级职称及以上，且经过一致性培训）独立阅片后，通过共识会议达成最终诊断。这确保了金标准的客观性与高准确率。抗体标记或组织学活检结果可作为辅助金标准。*去重与划分：严格遵守“训练集、验证集、测试集”三集独立原则，严禁测试集中包含任何用于算法训练的病例，防止模型过拟合导致的性能虚高。4.测试方法标准将测试方法分为“单元测试”与“系统测试”两个层面，但重点在于系统级的算法性能测试：*检测性能测试：主要评估算法定位和识别细胞的能力。核心指标包括：*灵敏度(Sensitivity/Recall)：算法正确识别出的阳性细胞数目占金标准中阳性细胞总数的比例。*假阳性率(FalsePositiveRate)/阳性预测值(Precision)：评估算法误报正常细胞为异常的频率。*F1分数：灵敏度与阳性预测值的调和平均数，综合评价检测的精确性和完备性。*平均精度(AveragePrecision,AP)：在设置不同置信度阈值时，算法的整体检测性能曲线下的面积。*分类性能测试：主要评估算法对已检测细胞进行良恶性判别的能力。核心指标包括：*受试者工作特征曲线下面积(AUC)：最核心的指标，表示算法区分正负样本能力的综合度量。*特异度(Specificity)：算法正确识别阴性病例的能力。*准确率(Accuracy)：总体正确分类的样本比例（在样本均衡时较为关键）。*混淆矩阵(ConfusionMatrix)：详细列出算法在不同类别（如：阴性/正常、ASC-US、LSIL、HSIL、SCC、腺癌等）上的分类正确与错误分布。5.测试报告标准要求测试报告必须包含以下规范性内容：*测试目的与范围。*受测软件的详细信息（名称、版本、唯一标识符）。*测试硬件及软件环境配置（CPU、GPU、内存、操作系统、深度学习框架版本等）。*测试数据集的详细描述（来源、样本量、病例构成、金标准确立过程、标注规则）。*评价指标的详细定义、计算公式及最终数值，需附带95%置信区间。*对所有测试失败的案例分析（错误分析，如假阳性、假阴性的典型图像）。*测试日期、测试人员及审核人员签字。三、主要参与单位介绍：中国食品药品检定研究院本标准的核心起草单位——中国食品药品检定研究院（以下简称“中检院”），是国家药品监督管理局（NMPA）的直属事业单位，是国家检验药品、生物制品、医疗器械质量标准的最高法定技术机构。1.机构定位与职责中检院承担着全国药品、医疗器械、化妆品注册检验、监督检验、进口检验、质量标准起草与复核、技术仲裁等职能。在医疗器械领域，中检院（暨国家药品监督管理局医疗器械标准管理中心）是医疗器械行业标准（YY标准）、国家标准（GB标准）以及国际标准（如ISOTC210,IECTC62）研究的主导力量。其在标准体系中扮演着“裁判员”与“规则制定者”的双重角色。2.在人工智能医疗器械标准化中的核心作用面对人工智能这一新技术形态，中检院敏锐地把握住“算法评测”这一监管命门。早在2019年，中检院就启动了人工智能医疗器械性能评价方法研究，并牵头发布了《深度学习辅助决策医疗器械软件审评要点》等监管指南。本标准是中检院在该领域数年深耕的集大成者。*跨学科协作：中检院组建了由医学图像处理专家、病理学专家（来自北京协和医院、解放军总医院等）、计量学专家及产业界（如多家AI诊断头部企业）组成的起草工作组，确保了标准在技术前沿性、临床适用性和产业可行性之间的平衡。*国际话语权：通过参与国际标准组织（如ISOTC210医疗器械质量管理，IECSC62A/62B医用电气设备）的活动，中检院的实践成果正逐渐转化为国际共识。本标准的技术要求与国际上对“可信赖AI（TrustworthyAI）”的性能要求高度一致，为我国AI医疗器械产品“走出去”提供了标准支撑。四、结论与展望《YY/T1990-2025》标准的制定与即将实施，标志着我国在人工智能医疗器械监管科学化进程中迈出了坚实的一步。它不仅为细胞病理图像辅助分析软件的性能评价提供了统一的“标尺”，更深远的意义在于：*构建信任：通过严格、透明的标准化测试，有助于消除医生、患者及监管方对“算法黑箱”的疑虑，建立对人工智能辅助诊断的临床信任。*促进创新：清晰的性能门槛倒逼企业将资源从“宣传噱头”转向“真实性能”的提升，推动算法在灵敏度、鲁棒性、泛化能力上的实质性进步，避免低水平重复竞争。*保障安全：假阴性（漏诊）和假阳性（误报）是病理AI应用中最大的风险。标准对灵敏度和特异度的明确要求，从源头保障了患者的安全底线。展望未来，该标准的成功实施将产生强大的示范效应。一方面，它将为后续“组织病理”、“免疫组化”、“微生物学图像分析”等领域的人工智能标准化工作提供范式参考；另一方面，随着技术的迭代（如多模态AI、联邦学习