近年来人工智能（AI），尤其是大语言模型技术的快速发展，为药品监管领域带来了新的机遇与挑战。本文结合国家药监局信息中心的初步实践，探讨了药品监管领域应用大语言模型的基础考量，提出了一体化建设框架与实践路径。文章首先分析了数据、算力和算法三大基础要素的重要性，梳理了数据质量、算力成本和算法适用性在模型应用中的关键作用 ；提出了一体化建设框架，建议通过国家与省级药品监管部门的协同合作，构建统一且可扩展的大语言模型应用体系，避免重复建设和资源浪费 ；最后展示了大语言模型在药品注册形式审查场景中的具体案例及实际应用成效，并展望了未来药品监管大语言模型在智能化水平、安全性、合作平台和个性化服务开发等方面的发展前景。

本文聚焦人工智能（AI）应用于制药领域的监管政策研究，通过系统梳理欧美药品监管机构的监管策略和实践，解析监管政策如何在促进技术创新与保障安全之间寻求平衡。基于对欧美 AI 制药监管政策的分析，本文初步提出了关于我国 AI 应用于制药领域监管政策的思考，旨在助力构建鼓励技术创新、保障公众安全的政策环境，引导 AI 制药行业的持续健康发展。

随着人工智能（AI）技术的兴起与发展，各国及地区监管机构和国际组织积极参与相关法规和监管政策制定。本文主要介绍了美国、欧盟、英国、日本和中国的 AI 立法和监管政策及在医疗卫生领域监管中的应用情况，以及国际组织和各国及地区监管机构在 AI 领域的合作进展。我国在 AI 发展浪潮中，同样积极探索其在医疗卫生领域的应用场景，发布《药品监管人工智能典型应用场景清单》等多项政策文件，以促进 AI 的健康发展和规范应用。我国可与其他相关监管机构进行交流合作，分享中国经验，积极探索中国的 AI 监管模式，努力保持 AI 领域领先地位，争取在 AI 监管领域的话语权。

美国食品药品监督管理局（FDA）对药品、医疗器械的监管重点逐渐从传统上重视上市前审批向上市后监管转移，覆盖产品全生命周期，并显示出逐渐从以还原论为中心向整体论优势转型的趋势。FDA 在美国联邦机构中率先尝试应用包括深度学习（DL）在内的人工智能（AI）技术。在批准越来越多采用 AI 技术产品的同时，FDA 还尝试将 AI 用于监管机构内部工作，包括从外部招聘专业人才、面向行业设立开放式挑战项目与试点计划，强化监管机构内部 AI 能力建设与专业知识水平提高。AI 的快速发展加快了 FDA 监管范式转型。与 AI 发展类似，医药产品监管同样面临不确定性。本文基于 FDA在相关领域的具体实践，总结了 AI 助力 FDA 监管范式转型的作用与发展趋势，以期为其他监管机构在相关领域的发展及相关技术的应用提供有益的经验。

本文回顾了监管沙盒的由来、发展及其特点；结合美国食品药品监督管理局（FDA）紧急使用授权，探讨紧急使用授权与针对金融科技的监管沙盒的相似性；同时简要介绍欧盟《通用药品立法》（提案）及英国药品和健康产品管理局（MHRA）推出的针对人工智能医疗设备的监管沙盒。医药产品监管沙盒不仅能为行业创新提供重要机会，还能为监管机构在创新技术、产品、服务或方法的早期开发阶段获得相关知识提供便利，使得监管机构跟上相关技术发展的步伐，进而有利于确定监管相关创新的最佳方法，并为相关法规的修订提供参考，也可能为上市批准带来更具适应性、灵活性的方法。