三、审评核心关注点：聚焦安全、有效、可控

监管部门在审评过程中，重点围绕“安全、有效、质量可控”三大核心，结合AI+VR技术特性，聚焦以下关键环节，也是申报过程中最易出现问题的环节，需重点把控。

AI算法的安全性与可解释性：审评重点关注算法是否可解释、决策逻辑是否清晰，是否存在算法偏差、过拟合等问题，训练数据是否合规、充足，算法泛化能力是否满足临床需求，是否明确算法局限性及应对措施，避免因“黑盒算法”导致审批受阻。

临床数据的真实性与充分性：核查临床试验数据的真实性、完整性，重点关注样本量是否足够、试验设计是否科学、评价指标是否合理、不良事件是否如实记录及处理，避免数据造假、样本量不足、试验设计不合理等问题，这是三类医疗器械审批的核心门槛之一。

VR场景的安全性与适配性：审评VR场景是否符合心理治疗需求，是否存在安全隐患（如眩晕、心理刺激），场景内容是否科学、合规，与AI算法的适配性是否良好，能否保障治疗过程的安全性和有效性，避免因场景设计不合理影响治疗效果或造成患者不适。

软件版本与更新管理：关注软件版本控制体系是否完善，更新流程是否合规，重大更新是否重新开展临床验证，避免因算法迭代过快、更新管理不规范，导致产品安全有效性无法保障，平衡技术创新速度与监管要求。

网络安全与数据隐私保护：核查网络安全防护措施是否到位，患者数据是否得到有效保护，是否存在数据泄露、网络攻击等风险，尤其是云服务模式下的数据安全管理，需满足最新网络安全及医疗数据管理要求，这是近年来审评的重点方向之一。

风险管理的全面性：核查风险分析是否全面，是否覆盖AI算法风险、VR设备风险、临床使用风险、数据安全风险、伦理风险等，风险控制措施是否可行、有效，能否将产品已知和可预见的风险最小化并可接受，保证产品在正常使用中受益大于风险。

四、申报常见问题与应对策略

问题1：算法可解释性不足，被要求补充资料：应对：提前完善算法说明文档，明确算法决策路径、特征重要性分析，提供可视化解释工具，避免“黑盒算法”，同时说明算法局限性及应对措施，必要时邀请专业人员对算法可解释性进行论证，确保符合监管部门对算法透明度的要求