如果临床评价报告由AI撰写，实际成本是多少？

欧盟和美国市场对希望走出本土市场的医疗器械生产商来说，依然是最具吸引力的扩张目标：更高的价格，更大的市场规模，以及CE认证或FDA注册本身带来的信誉背书。这个话题在展会上、经销商的对话里、生产商交流群中反复出现——谁已经进入了市场，花了多少钱，实际需要哪些文件。

2026年，很多人遇到这类问题时，第一反应已经不是去问顾问或CRO，而是直接问AI。CE认证要花多少钱？技术文件需要哪些文件清单？是否可以不借助外部机构自己完成？AI给出的答案听起来既自信又有条理——文件清单、流程步骤，甚至大致的时间表。这很容易让人觉得这件事完全可以在内部完成——而接下来的决定，往往就是在这种印象下做出的。

负责法规或质量工作的人员，第一次被要求按照MEDDEV 2.7/1 Rev 4起草临床评价报告（CER）时，打开AI对话框，让它写一份。乍一看，生成的内容相当扎实：结构正确，章节在形式上符合MEDDEV的要求，有评价表，引用了相关标准。粗略翻一下，看起来已经完成了。

真正审核它的人是谁

这份文件不会落到某个泛泛浏览一遍就放行的人手里。对于需要进行符合性评定的器械类别，文件由公告机构（Notified Body）委托的专家进行审核——公告机构是MDR框架下专门指定负责符合性评定的机构。对这些审核人员来说，审查CER是他们的日常工作。他们看的不是结构，而是具体的数字、引用文献和结论背后的逻辑。

形式与事实之间的差距

这就是文档的形式与支撑这个形式所需要的事实之间出现裂缝的地方：

• 文献检索方法（数据库、检索式、日期）往往不可重现：如果审核人员重新执行同样的检索式，得到的结果往往不一样——因为实际检索是通过普通网络搜索完成的，而不是直接在PubMed、Embase或Cochrane中进行的。
• 将某项研究归类为关键性（pivotal）或支持性（supportive）证据，根据MEDDEV附录A9的要求，需要阅读全文——研究设计、样本量、利益冲突情况。这些信息在搜索摘要中通常看不到，AI模型常常会用”听起来正确”的内容去填补这个空白，而不是经过核实的事实。
• 证据与结论之间的对应关系是事实，不是模式。 这不是一句套话，而是与某篇具体文献之间可核查的具体联系。如果背后没有确凿的数据支撑，这种对应关系就有可能只是一种听起来合理的虚构。

这已经是真实发生过的风险

2026年4月，美国FDA向一家制药企业发出的警告函中，首次出现了名为”制药生产中不当使用人工智能”的独立章节。该公司使用AI代理生成产品规格、标准操作程序（SOP）和批生产记录，这些文件未经任何人工审核就进入了质量管理体系。当检查员发现工艺验证缺失时，该公司的解释是AI代理没有提示需要进行验证。FDA的回应非常明确：使用AI起草文件，并不能免除企业核实文件准确性和合规性的责任。

另一个值得参考的案例发生在合规自动化领域：一家获得Y Combinator支持、融资3200万美元的初创公司被发现，其向400多家客户提交的494份审计报告草稿中，493份内容几乎完全相同，仅客户名称和签名不同。

结论

这并不是反对把AI当作工具使用的理由。AI确实能很好地承担那部分通常没有预算支持的工作：初步文献筛选、文件结构搭建、产出工作草稿。但有一个环节它无法替代——必须有人亲自打开原始文献，核实里面的内容是否真的与报告所说的一致。如果在文件送到公告机构专家手中之前缺少这一步，省下的成本几乎总会变成损失的时间和一次重新评定——同样的预算，只是花得更晚，而且要加上利息。