臨床醫學的應用涉及到對AI系統在整個生命週期中的有效性進行持續監測和評估，這一過程不僅包括AI系統的開發和部署階段，還涵蓋了後續的運行、維護和改進。透過實施定期的性能監測計畫，例如每半年到一年進行一次獨立樣本的性能驗證，確保了AI系統在實際臨床環境中的表現能夠持續符合預期，並且能夠適應隨時間變化的醫療需求和資料特性。

一是有效性監測，包括對AI系統的性能進行定期評估，以確保它在處理臨床問題時能夠保持準確性、可靠性和公平性。以檢測乳癌的AI影像診斷系統為例，開發階段可能經過了廣泛的影像資料訓練，在實際臨床環境部署後，需要持續監測其有效性；二是再訓練和調整，隨著新的乳房攝影影像資料加入，對模型進行再訓練，以保持高準確率，也包括對模型偏差的檢查和修正，檢查AI系統的診斷結果是否與專家放射科醫師的診斷結果一致，以確保系統的可靠性，收集臨床醫師和放射科醫師的反饋，並根據實際使用中的問題進行系統改進。

圖、AI產品生命週期循環管理

Quality Management System

• Product design and market fit
• Data curation and labeling
• AI product development
• Validation and regulatory clearance
• Deployment and clinical integration
• Real-world monitoring
• Model refinement
• Product go to market