做过二类、三类医疗器械注册的人都知道：一份注册申报资料，真正耗时的不是把技术参数写出来，而是让每一句话都有出处、每一个数据都能对上前后文。

审评老师的一个问题，往往牵出十几处需要同步修改的地方——技术要求里的性能指标改了，研究资料、说明书、标签、检验报告都得跟着看一遍。

AI 在注册文档里真正有价值的三件事

一是结构化生成。 把产品信息、适用标准、已有资料喂进去，先产出一版结构完整、章节齐全的初稿。省掉的是「从空白页开始」这一步。

二是跨文档一致性检查。 同一个参数在不同章节里写法不一致，是审评问询的高发区。AI 可以逐条比对技术要求、研究资料与说明书中的数值与表述。

三是可追溯的修改记录。 每一次修改都能回溯到原文与依据，评审内审、外部核查时不用再靠人回忆。

需要清楚的边界

AI 不能替代注册工程师做判断。法规适用性、临床评价路径、是否豁免临床试验，这些仍然需要专业人做决策。AI 的位置是把重复劳动接过去，把判断留给人。

另外，数据合规必须前置：涉及患者数据、未公开技术资料的，要在企业可控的环境中处理，不能把敏感资料喂给公共模型。

落到实处的做法

从一份文档、一个产品开始试点：先做一致性检查，看到返工次数下降，再逐步扩展到初稿生成与问询答复准备。这样投入可控，也容易在团队内形成共识。