生物医学工程：把机器放进身体里

破除误解#

一台工业设备可以定期维护、可以在故障时安全停机；一台植入式除颤器不能。患者活着的每一秒，器件都在工作。同样的可靠性指标，在这里意味着完全不同的设计余量。

这层包膜对关节假体是好事（稳定），对葡萄糖传感器是灾难（读数漂移）——同一个生物反应，在不同器械上一个是特性、一个是失效模式。 ISO 10993 系列把细胞毒性、致敏、刺激写成可重复的台架试验，但它测的是材料清单，不是十年后那层包膜在某个患者体内长成什么样。

需要说明的是：本篇是原理性通识解释，不构成医疗建议；任何诊疗决定应由具备资质的医疗专业人员作出。

一、三条技术线索#

替代：当器官的功能丧失，用装置接管它。一九四三年，威廉·科尔夫在德占荷兰的坎彭，用香肠肠衣（玻璃纸）、福特 T 型车水泵和铝制转鼓做出第一台可用的人工肾。前十几名患者几乎全部死亡；一九四五年九月十一日，第十七名患者在十一个半小时的透析后苏醒，才第一次证明这台机器能救人。

一九五三年五月六日，约翰·吉本在费城杰斐逊医学院用心肺机为十八岁的塞西莉亚·巴沃莱克修补房间隔缺损：机器接管循环约四十五分钟，其中二十六分钟完全替代心与肺。她是那一轮少数幸存者之一。这类装置的设计约束几乎全部来自血液——血液碰到人造表面会凝固，而抗凝又会导致出血，整个体外循环工程史就是在这两个悬崖之间找路。

辅助：不接管功能，而是纠正它。一九五八年十月八日，鲁内·埃尔姆奎斯特制作、奥克·森宁在卡罗林斯卡医院植入的第一台全植入式心脏起搏器进入阿尔内·拉尔森体内——首台器件只工作了几个小时，第二台也只撑了些时日。

这位病人此后依靠陆续更换的二十六台起搏器活到二〇〇一年十二月二十八日，死于黑色素瘤而非心脏停搏，比发明者和主刀医生都长寿。起搏器后来从开环脉冲盒变成感知自身心律再决定是否发放的闭环，控制与反馈直接写进了心肌。这是工程可靠性史上最有说服力的一条曲线：从数小时到数十年。

观察：让身体内部变得可见。伦琴的 X 射线让骨骼可见，而真正的跃迁来自计算——计算机断层扫描的关键不是新的物理，而是一个数学事实：从足够多角度的投影可以重建断面。戈德弗里·豪斯菲尔德一九七一年的 EMI 扫描器把这句数学变成了临床机器。

核磁共振成像随后提供了软组织对比度，其奠基性工作使保罗·劳特布尔与彼得·曼斯菲尔德获得二〇〇三年诺贝尔生理学或医学奖。影像设备是这个领域里数学含量最高的部分：硬件采集的是原始信号，医生看到的图像是算法的产物。 手术机器人与智能假肢则把观察接到动作上，与机器人系统共用感知—规划—执行的分层，只是执行的对象从工件换成了组织。

二、材料：身体是最苛刻的评审#

这张表想说的是一件事："好材料"在这个领域没有普遍定义，只有针对具体失效模式的定义。 钛合金对骨科近乎完美，对血液接触面就不是最优；可降解聚合物对缝合线是特性，对永久植入物是缺陷。

约翰·查恩利于一九六〇年代在英国赖廷顿医院把超高分子量聚乙烯做成髋臼杯，低摩擦关节置换才从实验室走进常规手术。他先试过聚四氟乙烯，磨损太快；换材料，不是换几何，才把翻修率压下来。材料选择在这里不是目录上的"biocompatible"标签，而是一条用失败换来的摩擦学曲线。

一个反复出现的教训是磨损颗粒：金属对金属髋关节的初衷是减少磨损，但产生的微米级金属颗粒引发了局部组织反应与金属离子升高，多款产品最终被召回。在体外的磨损试验中，它们的表现优于被替代的方案——失效发生在生物学层面，而台架试验测不到生物学。

最清楚的一条档案是强生旗下 DePuy 的 ASR 髋系统。二〇〇八年它经美国 510(k) 路径获准，没有独立的临床试验；英格兰与威尔士国家关节登记处后来报告五年翻修率约百分之十三，远高于同类假体。二〇一〇年八月全球召回，全球植入量约九万三千例。钴铬颗粒引发的组织坏死，是任何摩擦试验机都不会写进合格证的那种失效。

植入系统的工程瓶颈常常不在传感原理，而在封装与供电。体液是持续的腐蚀介质，金属壳体的焊缝与馈通绝缘必须几十年不漏；电池容量、无线充电线圈与功耗预算共同决定更换周期，任何一次开胸或切开都是系统级代价。电磁兼容同样苛刻：体外除颤、磁共振与射频刀都会往体内耦合能量，设计要在干扰拒止与误触发之间留出可验证的裕度。

三、监管：证据的成本与代价#

医疗器械的风险跨度极大——从压舌板到人工心脏，因此各国普遍采用风险分级：低风险器械走登记或简易审查，高风险器械需要临床数据与上市前批准。美国把器械分成 I、II、III 类，第三类原则上走上市前批准（PMA），但大量植入物仍挤在第二类的 510(k) 通道里。

美国的 510(k) 路径允许器械通过证明与已上市"对照器械"实质等同而获准销售，无需独立的安全有效性临床证据。它的效率极高，也因此成为争议焦点：新器械可以援引旧器械作为对照，而旧器械当年可能也是援引更旧的器械获准的——于是形成一条可以追溯数十年的"对照谱系"，链条起点的器械甚至早于现行法规。

美国医学研究所在 2011 年的评估报告中直接指出：这一流程无法被改造成真正的上市前安全有效性评价，并建议以新制度取代。这条建议至今未被采纳，因为替代方案的成本会落在创新速度上——这是一个诚实的取舍，而不是一个可以被"更严格些"轻易解决的问题。 ASR 髋关节正是这条谱系里被反复引用的反例：实质等同不等于临床等同。

欧盟走了相反方向。《医疗器械法规》自 2021 年 5 月 26 日起适用，大幅提高了临床证据与上市后监督要求。结果是一个可预期但仍被低估的副作用：有资格进行合格评定的公告机构数量与产能跟不上认证需求，形成瓶颈，部分小众器械（尤其是儿科与罕见病器械）因为重新认证成本高于市场回报而退出欧洲市场。提高证据门槛必然筛掉一部分证据难以负担的产品，而它们不一定是最不安全的那些，往往只是市场最小的那些。

四、当器械开始学习#

医疗人工智能已经从概念变成了监管现实。美国食品药品监督管理局公开的人工智能相关器械清单，到 2025 年底累计已逾一千四百项，仅 2025 年当年就有三百余项——其中放射学占大约四分之三，因为影像是医学中最接近"输入是图像、输出是标签"这一机器学习标准形态的领域。Singh 等人对截至 2024 年 12 月的 1016 项授权做了分类：以图像为输入的器件仍占八成以上，尚无大语言模型进入该清单。

它给器械监管带来了一个前所未有的结构性问题：传统器械获批后是冻结的，而学习型系统的价值恰恰在于持续更新。若每次模型更新都重新审批，迭代无从谈起；若不审批，获批时被验证的那个系统与实际在用的系统就不是同一个。

监管方给出的路线是要求厂商预先提交变更控制计划（PCCP）——把"未来会怎么改"本身作为审批对象。2022 年美国《食品药品综合改革法》把这一工具写进法案；FDA 于 2024 年 12 月发布针对人工智能器械软件功能的终稿指南。这是一个相当新颖的监管发明：它承认模型会变，但只允许在事先划定的边界里变。

未解决的问题仍然清晰：训练数据的人群分布决定了性能的人群分布；在一家医院数据上验证的模型换一家医院可能显著退化；而"辅助诊断"在真实工作流中会改变医生的行为——自动化偏倚（过度信任系统输出）与警报疲劳是同一枚硬币的两面，两者都不在器械本身的性能指标里。

锁定的器械可以在说明书里写死失效模式；会学习的器械把失效模式变成时间的函数。PCCP 能约束"改什么"，约束不了"在哪家医院、对哪一类患者改完之后还成不成立"。外部验证因此不是附加手续，而是学习型器械唯一还连着临床现实的锚。

制造与灭菌把器械工程钉在另一套约束上：环氧乙烷、辐照或蒸汽灭菌会改变聚合物结晶度与表面化学，台架上合格的涂层可能在灭菌后失效。洁净室等级、批次追溯与过程确认决定的是“同一型号”是否真是同一产品；召回之所以昂贵，往往不是因为原理错了，而是因为某一批工艺窗口曾经漂移。生物医学工程的可靠性，最终写在供应链与过程控制里，而不只写在论文图表上。

五、代价与争议#

创新与证据的取舍是真实的、无法回避的。要求更多证据必然延后可及性并抬高价格；要求更少证据必然让一部分风险由患者承担。任何声称能同时优化两端的方案，通常是在把成本转移到别处（如上市后监督），而不是消除它。

可及性的不对称。高端影像与手术机器人的资本成本极高，其分布高度集中于富裕地区与大城市。同一笔投入用于超声、疫苗冷链或基础检验，在人群健康上的回报常常更高——这不是反对先进器械，而是提醒器械工程的价值必须在卫生系统的层面评估，而不是在单台设备的性能指标上评估。

维修权与生命周期。植入式器械依赖体外程控设备与厂商服务，若厂商停产或退出市场，已植入患者的后续管理立即成问题。这不是假设。 Second Sight 的 Argus II 视网膜假体曾让全球约三百五十名患者获得有限的人工视觉；公司 2019 年停产该产品，2020 年陷入经营困境后，备件与技术支持近乎中断。患者要么带着即将失效的植入物生活，要么承担取出手术的风险。脑深部刺激的若干产品线上也出现过类似的服务真空。这是这个领域最少被讨论、却最尖锐的伦理问题之一，也是工程伦理必须把"停产后的人体"写进设计约束的原因。

跨域连接#

• CT 与 MRI：影像设备的输出是重建算法的产物而非直接测量——CT 用滤波反投影或迭代重建从投影恢复断面，MRI 在 k 空间采样后做傅里叶变换成像，这意味着采样策略与重建算法直接决定了图像里有什么、缺什么；压缩感知能用更少的采样得到可诊断的图像，代价是伪影的性质变了——从看得出的噪声变成看起来很真实的结构。
• 临床试验：器械的证据体系与药物有系统性差异——器械效果与操作者技能强相关（学习曲线）、难以设置有效盲法（假手术对照涉及伦理争议）、且产品在试验期间还在迭代；这三条决定了器械领域的随机对照试验既更难做也更难解释，也解释了为什么上市后真实世界证据在器械监管中的分量远重于药物。
• 心理物理学与信号检测论：诊断器械的评价语言直接来自这门学科——灵敏度与特异度的取舍、ROC 曲线与曲线下面积，最初是为了描述观察者在噪声中做判断的行为而发明的；今天用同一套工具评价影像 AI，其实是在承认一件事：机器和人一样，无法同时把漏诊和误诊都降到零，只能选择在曲线上站哪一点，而站哪一点是临床与伦理决定，不是技术决定。
• 高分子化学：可降解聚合物让"任务完成后消失"成为可能——聚乳酸类材料的降解速率由结晶度、分子量与共聚比例调控，于是缝合线可以在组织愈合的同时失去强度、支架可以在血管重塑后退场；难点在于降解产物的局部酸性与个体差异，同一根材料在不同患者体内的时间表并不一致。
• 卷积神经网络：医学影像 AI 的技术底座与它的局限来自同一处——卷积结构擅长捕捉局部纹理与形态，这正是放射科任务的形态；但它也会学到与病灶无关的相关性（不同设备的成像风格、扫描协议、甚至图像上的标记），于是在换一家医院时性能骤降；这类"捷径学习"是医疗 AI 外部验证被反复强调的根本原因。

参考文献#

• Ratner, Buddy D., et al., eds. Biomaterials Science: An Introduction to Materials in Medicine. 4th ed., Academic Press, 2020.
• Institute of Medicine. Medical Devices and the Public Health: The FDA 510(k) Clearance Process at 35 Years. National Academies Press, 2011.
• Prince, Jerry L., and Jonathan M. Links. Medical Imaging Signals and Systems. 2nd ed., Pearson, 2014.
• European Union. Regulation (EU) 2017/745 on Medical Devices (适用日期 2021 年 5 月 26 日).
• Singh, R., M. Bapna, A. R. Diab, et al. "How AI Is Used in FDA-Authorized Medical Devices: A Taxonomy across 1,016 Authorizations." npj Digital Medicine, 2025.
• U.S. Food and Drug Administration. Marketing Submission Recommendations for a Predetermined Change Control Plan for Artificial Intelligence-Enabled Device Software Functions. Final guidance, Dec. 2024.

延伸阅读#

• Jeffrey, Kirk. Machines in Our Hearts: The Cardiac Pacemaker, the Implantable Defibrillator, and American Health Care. Johns Hopkins University Press, 2001.
• Jorgensen, Timothy J. Strange Glow: The Story of Radiation. Princeton University Press, 2016.
• Topol, Eric. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books, 2019.