FDA PCCP, 한국 AI 의료기기가 모델 업데이트를 재심사 없이 하는 법

왜 PCCP가 한국 AI 의료기기 회사에게 시급한가

FDA는 2025년 8월 18일, AI-DSF(AI-Enabled Device Software Functions)를 위한 PCCP(Predetermined Change Control Plan) 최종 가이던스를 발표했다. 이 가이던스의 핵심은 간단하다: 제조사가 510(k), De Novo, PMA 제출 시 향후 할 AI 모델 변경을 미리 승인받아, 변경 시마다 새로운 제출(submission)을 하지 않아도 되게 만드는 것이다.

2025년 5월 기준, 이미 26개의 AI 의료기기가 PCCP를 승인받았다. 모두 510(k)와 De Novo pathway를 통해 승인되었다. 한국 AI 의료기기 회사가 이 제도를 이해하지 못하면, 모델을 재학습할 때마다 새로운 510(k)나 PMA 보충 제출을 해야 한다. 비용과 시간이 기하급수적으로 늘어난다.

이 글은 PCCP의 세 가지 필수 구성요소, 한국 제조사가 Q-Submission을 활용하는 방법, 그리고 실무에서 자주 발생하는 실수를 정리한다.

PCCP 세 가지 필수 구성요소

FDA는 PCCP에 반드시 세 가지 구성요소를 포함하도록 요구한다. 하나라도 누락되면 승인되지 않는다.

구성요소	내용	한국 기업이 자주 놓치는 것
Description of Modifications	무엇을 바꿀 것인지: 알고리즘 재학습, 데이터셋 추가, 성능 임계값 변경, 새로운 플랫폼 지원 등	"지속적으로 개선" 같은 추상적 표현으로 작성
Modification Protocol	어떻게 바꿀 것인지: 데이터 관리, 재학습 절차, 성능 평가 방법, 업데이트 배포 절차, 허용 기준(acceptance criteria)	검증 데이터셋 크기나 통계적 기준을 명시하지 않음
Impact Assessment	변경이 미치는 영향: 안전성·유효성에 대한 이익-위험 분석, 편향(bias) 영향, 라벨링 변경 필요성, 사후관리 모니터링 계획	모델 드리프트(drift)와 분포 변화(distribution shift)에 대한 대응 계획 누락

1. Description of Modifications: "무엇을 바꿀 것인가"

이 섹션에서는 AI-DSF에 가해질 구체적인 변경 사항을 명시해야 한다. FDA가 평가할 수 있을 만큼 상세해야 한다. 막연한 서술은 거절 사유가 된다.

작성해야 할 내용:

• 변경 유형: 모델 아키텍처 수정, 학습 방법·파라미터 변경, 후처리 알고리즘 개선, 새로운 입력 데이터 추가, 호환 소프트웨어·하드웨어 업데이트
• 변경 범위: 어떤 파라미터가 변하는지, 성능 임계값이 어떻게 달라지는지
• 변경 한계: 변경 후에도 의도된 용도(intended use) 내에 머무는 근거

예시: "안저 영상 분석 알고리즘의 모델 아키텍처를 ResNet-50에서 EfficientNet-B4로 변경. 학습 데이터셋을 기존 10,000장에서 50,000장으로 확장. 민감도(sensitivity) 기존 85%에서 90% 이상으로 개선 예상."

2. Modification Protocol: "어떻게 바꿀 것인가"

이 섹션은 변경을 개발·검증·구현하는 방법론을 설명한다. FDA는 여기서 4가지 하위 구성요소를 요구한다:

1. 데이터 관리(Data Management): 학습·검증·테스트 데이터의 출처, 품질 관리, 라벨링 기준, 독립성 유지
2. 재학습 절차(Re-training Practices): 재학습 트리거 조건, 학습 파이프라인, 하이퍼파라미터 탐색 범위
3. 성능 평가(Performance Evaluation): 테스트 데이터셋 규격, 평가 지표, 통계적 유의성 기준, 허용 기준(acceptance criteria)
4. 업데이트 절차(Update Procedures): 배포 방식, 롤백(rollback) 조건, 사용자 통지 방법, 버전 관리

실무 예시: "알고리즘 수정은 10,000장의 확인된 진단이 포함된 홀드아웃 테스트 데이터셋으로 검증. 성능 기준은 민감도 ≥90%, 특이도 ≥95% (95% 신뢰구간). 검증 성공 시 자동 배포 후 30일간 실시간 성능 모니터링. 성능 저하 >5% 발생 시 이전 버전으로 자동 롤백."

3. Impact Assessment: "어떤 영향이 있는가"

이 섹션은 각 변경이 기기의 안전성·유효성·이익-위험 프로파일에 미치는 영향을 평가한다.

필수 내용:

• 각 변경이 안전성과 유효성에 미치는 개별 영향
• 변경 간 상호작용(cumulative impact)
• 환자 안전에 대한 잠재적 위해
• 편향(bias) 증가 가능성과 완화 전략
• 라벨링 업데이트 필요 여부
• 사후관리 모니터링 계획: 모델 드리프트, 데이터 분포 변화, 실세계 성능 저하 감지

한국 AI 의료기기 회사를 위한 제출 전략

Q-Submission으로 PCCP 범위를 먼저 확인하라

PCCP를 510(k)나 De Novo 제출에 바로 포함하기 전에, **Q-Submission(Pre-Submission)**을 통해 FDA에 PCCP 범위와 방법론에 대한 사전 피드백을 받는 것이 좋다. 특히 한국 제조사는 다음을 확인해야 한다:

• 계획된 변경이 PCCP로 커버 가능한지, 아니면 새로운 제출이 필요한지
• Modification Protocol의 데이터 관리 계획이 FDA 기대에 부합하는지
• Impact Assessment의 편향 분석이 충분한지

Q-Submission은 무료지만, FDA 답변에 60–90일이 소요된다. PCCP 초안을 작성한 후 제출하라.

PCCP가 적용되는 변경 vs 새 제출이 필요한 변경

PCCP로 승인받은 변경은 새로운 제출 없이 구현할 수 있다. 하지만 다음의 경우에는 새로운 510(k), De Novo, PMA 보충이 필요하다:

상황	필요한 조치
변경이 PCCP에 명시되지 않은 경우	새로운 제출
변경이 PCCP의 Modification Protocol을 따르지 않는 경우	새로운 제출
변경이 허가된 의도된 용도(intended use)를 벗어나는 경우	새로운 제출
PCCP의 허용 기준(acceptance criteria)을 충족하지 못하는 경우	새로운 제출 또는 PCCP 수정

핵심: 승인된 PCCP는 기기 설명(device description)의 일부가 된다. 따라서 PCCP를 정확히 따르는 것이 법적 의무다.

eSTAR 템플릿 활용

FDA의 eSTAR(electronic Submission Template and Resource)는 PCCP 관련 섹션을 포함하고 있다. 510(k) 제출 시 eSTAR를 사용하면 PCCP 구성요소를 구조화하여 제출할 수 있다.

QMS에 PCCP 실행 체계를 구축하라

PCCP가 승인된 후, 제조사는 품질관리시스템(QMS) 안에서 PCCP를 실행해야 한다. FDA는 PCCP 실행을 QMSR(Quality Management System Regulation)과 ISO 13485의 변경관리 체계 안에서 관리할 것을 기대한다.

QMS에 포함해야 할 요소:

• PCCP 변경 이행 시 변경관리(change control) 기록
• 각 변경의 검증·확인(verification/validation) 결과 문서화
• 모델 성능 모니터링을 위한 실세계 데이터 수집 체계
• 편향(bias) 정기 점검 절차
• 롤백(rollback) 실행 절차와 기록
• 사용자(의료진)에게 변경 사항을 통지하는 절차

FDA는 GMLP(Good Machine Learning Practice)를 PCCP 실행의 기반으로 기대한다. GMLP는 다학제적(multidisciplinary) 개발, 데이터 품질 관리, 학습·테스트 데이터 독립성, 인간-AI 협업 설계, 투명성을 포함한다.

한국 기업이 자주 빠지는 5가지 함정

1. PCCP를 "나중에 추가하겠다"고 미루기

PCCP는 최초 510(k)/De Novo/PMA 제출 시에만 설정할 수 있다. 이미 허가된 기기에 PCCP를 추가하려면 새로운 제출이 필요하다. PCCP를 처음부터 기획하라.

2. Description of Modifications를 너무 광범위하게 작성

"모델 성능 지속 개선" 같은 표현은 FDA가 거절한다. 구체적인 변경 유형, 범위, 한계를 명시해야 한다.

3. 검증 인프라(MLOps) 없이 PCCP 제출

PCCP는 제조사가 Modification Protocol을 정확히 실행할 수 있다는 것을 전제로 한다. MLOps 파이프라인, 자동화된 테스트, 버전 관리 체계가 없으면 PCCP는 종이 계획에 그친다.

4. 편향(bias) 영향을 충분히 평가하지 않음

FDA는 Impact Assessment에서 편향 평가를 강조한다. 특히 한국에서 수집한 학습 데이터가 미국 인구 분포와 다를 때, 인종·연령·성별 편향이 어떻게 변할지 구체적으로 분석해야 한다.

5. 사후관리 모니터링 계획이 부실

Impact Assessment에는 실세계 성능 저하(model drift, distribution shift)를 감지하는 구체적인 계획이 필요하다. 이 부분에 투자가 부족하면 FDA가 추가 정보를 요청하거나 PCCP 승인을 보류한다.

다음 90일 실행 순서

주	실행 항목	담당
1–2주	현재 AI 모델의 예상 변경 유형을 세 가지로 분류(Description 초안)	RA + AI 개발팀
3–4주	각 변경에 대한 검증 데이터셋, 평가 지표, 허용 기준 정의(Protocol 초안)	AI 개발팀 + QA
5–6주	변경이 안전성·유효성·편향에 미치는 영향 분석(Impact Assessment 초안)	RA + QA + 임상
7–8주	Q-Submission 제출용 PCCP 요약본 작성	RA
9–10주	MLOps 파이프라인 점검: 자동화된 테스트, 버전 관리, 롤백 체계 확인	AI 개발팀 + QA
11–12주	Q-Submission 제출. FDA 피드백 수령 후 PCCP 최종 수정	RA

PCCP는 한국 AI 의료기기 회사에게 경쟁우위가 될 수 있다. 모델을 지속 개선하면서도 매번 재심사를 받지 않아도 되는 제도를 활용하려면, 최초 제출 전에 PCCP를 설계하고 Q-Submission으로 범위를 확인하는 것이 핵심이다.