Het AI-algoritme van je medisch hulpmiddel blijft niet hetzelfde nadat het op de markt komt. Je zult het opnieuw trainen, verfijnen en verbeteren. Elke wijziging kan gevolgen hebben voor je wettelijke verplichtingen. Met een Predetermined Change Control Plan (PCCP) biedt de FDA een manier om vooraf omschreven updates door te voeren zonder telkens een nieuw dossier in te dienen. De voorwaarde: de FDA moet het plan vooraf goedkeuren en je updates moeten binnen de vastgelegde scope en validatieaanpak blijven. Een zorgvuldig opgesteld PCCP helpt je dus om latere wijzigingen beheerst door te voeren. Zonder zo’n plan moet je voor elke update beoordelen of een nieuwe indiening bij de FDA nodig is.
Wil je weten hoe dit in de praktijk werkt? In ons webinar over medische hulpmiddelen op de Amerikaanse markt gaan we dieper in op de werking van het PCCP en de rol van AI in medische hulpmiddelen. Bekijk de volledige opname.
Je dient het PCCP samen met je initiële FDA-dossier in. Het plan beschrijft welke wijzigingen je aan het algoritme verwacht, hoe je elke wijziging vóór ingebruikname valideert en hoe je de impact op de veiligheid beoordeelt. Als de FDA het plan vooraf goedkeurt, kun je de beschreven wijzigingen uitvoeren zonder telkens een nieuw dossier in te dienen, zolang je binnen de goedgekeurde scope en validatieaanpak blijft.
Er is wel een belangrijke grens: het PCCP geeft je geen toestemming om het plan zelf te wijzigen. Wil je de scope achteraf uitbreiden of aanpassen, dan is een nieuwe indiening voor markttoelating nodig. Afhankelijk van je toelatingstraject kan dat bijvoorbeeld een PMA-supplement of een nieuwe 510(k) zijn, met daarin een bijgewerkt PCCP.
Werk je oorspronkelijke plan daarom zo volledig mogelijk uit voor realistische wijzigingen op korte termijn. Het plan achteraf aanpassen is geen eenvoudige administratieve update, maar vraagt een nieuwe beoordeling door de FDA.
Een algoritme-update die de nauwkeurigheid verbetert binnen het oorspronkelijke toepassingsgebied, kan onder je PCCP vallen. De toets is concreet: de wijziging moet overeenkomen met zowel de Description of Modifications, waarin je beschrijft wat je zult aanpassen, als het Modification Protocol, waarin je vastlegt hoe je die aanpassing valideert. Blijf je binnen beide onderdelen van het goedgekeurde plan, dan kun je de update uitvoeren zonder een nieuw dossier in te dienen.
Valt een wijziging buiten die scope, dan moet je beoordelen of een nieuwe indiening voor markttoelating nodig is. Afhankelijk van de wijziging en het toelatingstraject kan dat een nieuwe 510(k), een De Novo-aanvraag of een PMA-supplement zijn. Een wijziging van het beoogde gebruik kun je niet vooraf via een PCCP laten goedkeuren. Dat is een wettelijke grens, geen beperking die je met een ruimer geformuleerd plan kunt omzeilen.
Ook doorlopende training vraagt daarom om strikte controle. Elke algoritme-update moet worden gevalideerd, beoordeeld, gedocumenteerd en goedgekeurd, en moet traceerbaar zijn. De FDA kijkt niet alleen naar het resultaat, maar ook naar de beheersing van het proces erachter. Nieuwe data gebruiken om een model te verbeteren is waardevol. Evolueert het model buiten de grenzen van je PCCP, dan kan een nieuwe indiening nodig zijn.
Werkt een softwaregestuurd medisch hulpmiddel niet zoals bedoeld, dan moet je dat via je klachtenprocedure onderzoeken en afhandelen. Daarnaast moet je beoordelen of een melding aan de FDA verplicht is. Heeft het hulpmiddel mogelijk bijgedragen aan een overlijden of ernstig letsel, of kan een terugkerende storing daartoe leiden, dan gelden de meldingsvereisten voor Medical Device Reporting onder 21 CFR Part 803.
Voor EU-fabrikanten is de parallel met de vigilantieverplichtingen van de Europese verordening voor medische hulpmiddelen herkenbaar. Let wel: de Amerikaanse Medical Device Reporting en de Europese Medical Device Regulation worden allebei afgekort als MDR, maar de meldingscriteria en termijnen verschillen.
AI in je medisch hulpmiddel en AI in de systemen errond vragen allebei om aantoonbare beheersing. Denk aan je kwaliteitsmanagementsysteem (QMS) en je ERP: ook die verwerken gegevens waarop je compliance steunt. De toepasselijke regels zijn niet noodzakelijk dezelfde, maar de operationele uitdaging is vergelijkbaar. Je moet kunnen aantonen dat de technologie betrouwbaar werkt voor het beoogde gebruik.
In ons eerdere artikel over EU GMP Annex 11 en Annex 22 bespraken we het belang van voorspelbaar en uitlegbaar AI-gedrag in kritische GxP-processen. Waar een proces deterministische resultaten vereist, moet dezelfde input telkens dezelfde output opleveren. Ook in de systemen die je compliancegegevens beheren, moet je die vereisten expliciet vastleggen en valideren.
Daarom zetten we generatieve AI niet in voor productie- en kwaliteitsprocessen die rechtstreeks bepalend zijn voor de patiëntveiligheid. We gebruiken ze liever waar variatie in de output beheersbaar is en waarde kan toevoegen, bijvoorbeeld bij forecasting en financiële analyses. Ook daar blijven passende controles nodig.
Veel fabrikanten onderschatten wat dit in de dagelijkse werking vraagt. Een PCCP legt vast welke wijzigingen zijn toegestaan, maar bewijst op zichzelf niet dat je ze correct hebt uitgevoerd. Daarvoor heb je systemen en processen nodig die vastleggen wie een wijziging goedkeurde, hoe ze werd gevalideerd en of de implementatie volgens de afgesproken procedures verliep.
Zonder die operationele basis wordt het moeilijker om compliance aan te tonen naarmate je AI-modellen evolueren. Het plan en de uitvoering moeten dus op elkaar aansluiten: elke wijziging moet controleerbaar en traceerbaar zijn.
Rond de invoering van de vernieuwde Amerikaanse Quality Management System Regulation (QMSR) kwamen verschillende internationale AI-principes samen. In januari 2026 publiceerden de FDA en EMA tien gezamenlijke leidende principes voor AI bij de ontwikkeling van geneesmiddelen en biologische producten. Die richten zich in de eerste plaats op de farmaceutische sector, maar bieden ook aanknopingspunten voor andere AI-ondersteunde complianceprocessen.
Voor medische hulpmiddelen werkte de FDA daarnaast samen met Health Canada en de Britse MHRA aan principes voor Good Machine Learning Practice (GMLP). Die kregen in januari 2025 een internationaal kader via het International Medical Device Regulators Forum (IMDRF). De gemeenschappelijke lijn: beperk bias, beheers wijzigingen en maak transparant waar en hoe AI wordt ingezet.
Het verschil zit vooral in het regelgevingskader. In de EU voegt de AI Act een extra laag toe: medische AI die onder de hoogrisicocategorie valt, krijgt specifieke verplichtingen naast de bestaande regels voor medische hulpmiddelen. De VS integreert het toezicht op AI vooral in de bestaande controles over de levenscyclus van het hulpmiddel, onder meer via het PCCP, in plaats van via een overkoepelende AI-wet zoals de Europese AI Act.
Een goed uitgewerkt PCCP begint bij duidelijkheid over de classificatie van je medisch hulpmiddel en het juiste toelatingstraject. Dat is ook het vertrekpunt voor een marktintroductie in de VS. In ons vorige artikel lees je waarom een CE-markering op zichzelf geen toegang geeft tot de Amerikaanse markt.
In ons volgende artikel bespreken we wat de vernieuwde QMSR van de FDA betekent voor je kwaliteitssystemen. We vertalen die vereisten ook naar een praktisch stappenplan voor de overstap van de Europese naar de Amerikaanse markt: ‘Een medisch hulpmiddel lanceren in de VS? Begin met deze vier stappen’.
Wil je dieper ingaan op de werking van het PCCP en AI in medische hulpmiddelen? In ons webinar over het op de markt brengen van medische hulpmiddelen in de VS bespreken we beide onderwerpen uitgebreid. Bekijk de volledige opname.