计算机及人工智能的发展应用，是医疗行业的机遇之一。尽管目前基于深度学习的计算机辅助决策产品的医疗器械临床试验仍然有不确定性，仍然是挑战。但无论是监管方、产业界、教育及科研机构，或是类似证标客这样的第三方医药技术咨询服务机构，都在为人工智能产品的安全、有效、合规上市持续努力。

基于深度学习的的计算机辅助决策产品的医疗器械临床试验设计类型如何考虑？

对患者是否患有目标疾病，从而对患者的分诊转诊提供辅助决策建议的产品，该类产品不给出具体病变情况，且无论辅助分诊结果为阴性、阳性，均需专业医师再一次对患者影像进行评阅，如糖尿病视网膜病变辅助分诊、肺炎辅助分诊、脑出血辅助分诊等各类目标疾病患者的计算机辅助分诊、转诊产品等，可以考虑采用单组目标值设计，主要评价指标可考虑产品辅助分诊结果的诊断准确度指标（如敏感度、特异度等，通常为患者水平）。
对目标疾病的病变病灶进行辅助检测的产品，如肺结节辅助检测产品、骨折CT 影像辅助检测产品等，临床试验建议采用对照设计，试验组为医师与申报产品共同检测，对照组为传统检测诊断方法（如临床医师的阅片/综合诊断）。主要评价指标考虑诊断准确度指标 （如敏感度、特异度、AFROC曲线、检出率等，一般灵敏度考虑病灶病变水平，特异度考虑患者水平）。临床试验比较类型应能够体现产品受益风险的可接受性，建议考虑优效性设计，如针对4mm以上肺结节CT影像辅助检测软件可考虑患者水平的特异度优效和病灶水平的敏感度非劣效。