合规红线与避坑实操手册(2026)《YYT 1833.5—2024人工智能医疗器械 质量要求和评价 第5部分：预训练模型》.pptxVIP

;目录;;;;本标准与欧盟AI法案、美国FDA预认证计划的异同点——中国方案的核心“合规加码”在哪里;实务痛点：未采用本标准认证的预训练模型，将在2026年面临哪些注册退审与市场禁入风险;;标准要求三者必须严格隔离。常见错误是将测试集用于调参，导致模型“作弊”。正确做法是建立物理或逻辑隔离的数据仓库，并记录每次数据访问的审计日志。;;;数据隐私与伦理合规：去标识化操作中的三大“假匿名”陷阱及标准第5.6条的合规验证方法;;;;;;;标准要求报告超参数搜索范围与最终选择理由。网格搜索若范围过窄会导致局部最优，需在文档中说明搜索空间的临床依据，不能仅凭经验值设定，否则判定为验证不足。;;损失函数设计的临床语义对齐：交叉熵损失对“易分类负样本”的过度惩罚问题及自定义损失函数验证要求;;;;K折交叉验证的正确“打开方式”：当数据量不足时如何满足标准第8.3条的稳健性评价要求;“时间切片验证”不可绕过：对于时序医疗数据（如心电、血糖），为何随机划分是严重违规及实操示范;数据泄漏的七种隐蔽形式（预处理泄漏、批量归一化泄漏等）及使用标准附录B的自检清单进行排查;;;AUC的“统计陷阱”：0.9的AUC是否一定优秀？——标准第9.2条隐含的AUC置信区间计算要求;临床决策曲线分析（DCA）从“推荐”升级为“必选”：如何用标准第9.5