一条「减负」的终版规则
10 月 28 日，美国卫生与公众服务部（HHS）在《联邦公报》发布终版规则「健康数据、技术与互操作性：ONC 去监管行动」，对健康 IT 认证（ONC 准则）做出修订。其中最受关注的是：移除了预测性决策支持干预（PDSI）相关的「模型卡（model card）」等透明度要求。规则大部分于 2026 年 12 月 28 日生效，另有若干修订条款于 2027 年 1 月 1 日生效。
这并非新提案，而是此前已见报道的政策在走完法定程序后的落地。新增的事实是生效日期、被移除的具体条款，以及 HHS 对评论意见的回应——后者才是判断政策走向的关键。
移除了什么，何时生效
被移除的，是 PDSI 准则里要求提供模型卡的那一组透明度条款。模型卡原本承担着类似「营养标签」的作用：说明算法如何训练、预期用途与局限、以及在不同患者群体上的表现。HHS 在规则中记录，这一要求位于决策支持干预准则的某一条款之下，此次修订把它整体拿掉。
生效节奏上，主规则 12 月 28 日生效，少量修订条款延到次年 1 月 1 日。对医疗 AI 厂商与部署方而言，这意味着在新规生效后，认证层面不再强制要求提交这些透明度材料。
HHS 的理由与评论者的反对
HHS 给出的理由是：未能通过同行评议文献或行业报道，找到认证用户实际依赖这些透明度要求的证据。换言之，监管者认为这套披露在实践中没被使用，因而移除不会造成实质损失。
但记录显示，绝大多数评论者并不支持这一移除，主要顾虑在于它会把模型透明度与风险管理的责任，从厂商一侧转移到提供方与医疗系统。评论者担心，去掉透明度要求后，医生与医院更难判断一个 AI 辅助决策工具的训练边界、适用人群与已知局限。HHS 在回应中并未被这些意见说服。
为什么这不只是技术细节
医疗是 AI 监管最敏感、也最成熟的落地场景之一。模型卡、性能分群说明、预期用途披露，正是把「黑箱模型」变成「可被审的计算法」的基础件。在一个主要经济体主动撤回这类透明度要求，释放的是与近年多国收紧 AI 监管不同的信号：在健康 IT 领域，监管重心从「前置披露」转向「减少合规负担」。
这与同期美国在其他 AI 议题上的取向大体一致——联邦层面更强调为创新松绑，而非叠加强制透明度义务。对跨国医疗 AI 厂商来说，这意味着不同司法辖区的要求正进一步分化：欧盟的 AI Act 仍在推进高风险系统的合规义务，而美国联邦健康 IT 认证则在回撤。
对医疗 AI 部署的影响
短期看，厂商的认证材料可以更轻；但责任并未消失，只是从「向监管披露」转为「向采购方与临床自证」。对医院与医生而言，在缺乏统一模型卡的情况下，采购与上线前的第三方评测、内部验证会变得更重要——而这恰恰是需要额外能力的环节。
对合规团队，务实的应对是把模型卡类信息内部化：即便法规不再强制，仍应在采购合同、供应商尽调与上线前验证中保留训练说明、适用人群与局限披露，以对冲潜在的 liability 与医疗事故风险。
更大的风向标
这起规则本身影响范围聚焦于美国健康 IT 认证，但它是一块试金石：当主要经济体开始从「要求披露」后退，行业对 AI 透明度的底线将更多由市场、诉讼与采购方而非监管来定义。后续值得盯两个观察点——其一，是否有其他联邦机构跟进类似的去监管动作；其二，医疗系统的采购标准是否会自发把模型卡重新写回合同，弥补监管留下的空档。