国家药监局发布全球首个AI脑机接口医疗器械标准：为脑电数据集定一把统一质量标尺
国家药监局2026年9月14日批准发布我国第三个脑机接口医疗器械标准，也是全球第一个采用人工智能技术处理脑电数据的脑机接口医疗器械产品标准，将于2027年9月1日起实施。标准系统规范了脑机接口医疗器械数据采集、处理、标注、存储和访问全流程的技术要求与测试方法，用于破解数据集质量控制尺度不统一、建设过程不规范等共性问题。
给脑电数据定方言标准：全球首个AI脑机接口器械标准为什么先立数据
视角 D4+A1 ｜ 监管动态
一句话看懂：国家药监局2026年9月14日批准发布我国第三个脑机接口医疗器械标准，这也是全球第一个采用人工智能技术处理脑电数据的脑机接口医疗器械产品标准，将于2027年9月1日起正式实施。它没有先去规定算法该怎么设计，而是先给脑电数据集立一把统一的质量标尺：采集、处理、标注、存储、访问全流程都要有章可循。
一句话看懂：先统一数据，再谈算法
把这份文件拆开，有四个要点需要先记住。
- 身份：这是我国第三个脑机接口（Brain-Computer Interface，BCI）医疗器械标准，但它是全球第一个采用人工智能技术处理脑电数据的脑机接口医疗器械产品标准。前者是数量上的位置，后者是性质上的位置，两者不能混为一谈。
- 时间：2026年9月14日批准发布，2027年9月1日起正式实施，两者之间留出近一年过渡期。
- 范围：系统规范脑机接口医疗器械的数据采集、处理、标注、存储和访问等全流程的技术要求与测试方法。
- 目的：帮助企业破解数据集质量控制尺度不统一、数据集建设过程不规范等共性问题，为研发生产提供统一的脑电数据集质量标尺，整体达到国际领先水平。
值得注意的是标准的落点。从规范范围看，它管的是数据集而不是算法架构本身，这是一条很聪明的选择：算法路线尚未收敛，过早规定技术路线会锁死创新；而数据是所有路线的共同底座，把底座统一了，上面的路线怎么走都可以被横向比较。
为什么是数据：64通道与128通道、2赫兹与1000赫兹的方言问题
标准起草人、中国药品检定研究院器械所副所长李澍这样描述标准发布前的状况：
新标准发布前，各研究机构、各企业采集脑电数据所使用的采集方法不同，有的使用64通道，有的使用128通道；采样频率也不一样，有的使用2赫兹，有的使用1000赫兹；标注方式也不一样，这样采集的数据就像“方言”各异的文件，相互之间难以比较、难以复用。
这段话里藏着三个层次的不一致。第一层是硬件层：64通道与128通道的差异，决定了空间分辨率不同，同一段脑电活动在两套设备上的表达并不等价。第二层是信号层：2赫兹与1000赫兹的采样频率相差数百倍，高频成分在低频采样下直接丢失，事后无论如何插值都无法还原。第三层是语义层：标注方式各异，意味着同样的波形在不同团队的数据集里对应着不同的标签定义。
三层不一致叠加的结果，就是李澍所说的“方言”问题。每个机构都有自己的一套数据，但彼此之间既不能比较也不能复用。对一个需要海量数据训练算法的行业来说，这意味着每一家都在用自己那点数据从头训练，规模效应完全无法形成，而重复采集的成本被反复支付。
标准管到哪：采集、处理、标注、存储、访问的全链条
标准采用全流程覆盖的写法，五个环节各自对应一类此前无人负责的问题。
- 采集：规定数据采集环节的技术要求与测试方法，把通道配置、采样参数等前置条件拉到可比对的范围。
- 处理：规范脑电数据的处理环节，让不同来源的数据在进入算法之前经过可追溯、可复现的处理流程。
- 标注：统一标注环节的要求，解决同一波形在不同数据集里标签定义不一的问题。
- 存储：对数据集的存储提出技术要求，保证数据在时间维度上仍然可用、可解释。
- 访问：规范数据访问环节，为跨机构复用与后续监管核查留出接口。
这五个环节合起来，构成的是一条从信号到数据集的完整链路。它的价值不在于每一环都定得极严，而在于让一家企业的数据集第一次有了可以被外部检验的质量定义。
快速程序的信号：监管在追产业而不是等产业
这份标准在程序上也值得一读。为了支持我国脑机接口医疗器械重大创新、满足产业发展急需，国家药监局采用快速程序立项和批准。
快速程序通常用于标准体系中的应急或急需情形，它的存在说明监管判断这个领域已经等不起：我国已有多款相关医疗器械产品进入临床试验阶段，如果等到产品集中申报时再补标准，审评将面临没有统一口径的困境。在产业跑起来之前把规则铺好，是一种前置而非追赶的姿态。
监管对这类器械的理解也写得很清楚。国家药监局表示：
脑机接口医疗器械就像一台能“读懂”大脑信号的智能机器，它需要通过“学习”大量脑电数据、“训练”人工智能算法，才能准确理解患者的意图。这不仅关系到治疗效果，而且和患者的安全风险息息相关。
把这两句话连起来读，逻辑就完整了：算法的准确性建立在数据之上，而数据的质量差异会直接传导为治疗效果与安全风险的差异。监管选择从数据这一端入手，正是因为它同时是疗效与安全的共同源头。
影响面：从研发成本到审评口径的连锁反应
第一层影响落在研发成本上。统一的数据集质量标尺会减少重复采集与重复标注的支出，也会让跨机构联合建模变得可行。此前因为数据不可比而被迫放弃的合作，在有了共同尺度之后可以重新启动。
第二层影响落在审评口径上。当数据集的技术要求与测试方法被标准化，注册申报材料中的数据集部分就有了明确的对标对象，审评不再需要从零判断一份数据是否合格。这对处于临床试验阶段的多款产品而言，等于提前知晓了评审的刻度。
第三层影响落在竞争格局上。头部机构此前积累的大量历史数据，可能需要按新标准重新整理甚至补充采集，数据资产的价值会被重新定价；而数据治理能力较弱的团队，面临的不是合规成本，而是数据本身能否继续使用的问题。
应对建议：企业与研究机构在2027年9月前要做的事
距离2027年9月1日实施还有近一年，时间并不宽裕。
- 尽快做一次数据资产盘点。把现有数据集按采集方法、通道配置、采样频率、标注方式分类，明确哪些可以继续使用，哪些需要补充处理，哪些只能归档。
- 优先改造标注环节。三层不一致中，标注是人力投入最大、返工成本最高的部分，也是决定数据集能否被复用的关键。
- 把新标准的要求写进在研项目的数据方案。已进入临床试验阶段的产品，其后续数据采集应当直接按新口径执行，避免形成新的历史包袱。
- 建立可追溯的数据处理记录。标准对处理与存储环节提出技术要求，可追溯性是后续应对核查时最省事的证据。
- 关注配套文件的后续发布。本次发布的是产品标准，与之配套的术语、评价方法类文件若陆续出台，口径可能进一步细化，需要留出跟踪机制。
对产业来说，一把统一的尺子不会让研发变简单，但会让努力变得可累积。这大概是这份标准最重要的意义。
原文链接：央视网
千方医数集编辑部 出品
