How the FDA Built an AI Platform That 85% of Its Staff Now Use Daily
TL;DR · AI 摘要
FDA通过整合数据平台和AI工具，实现85%员工日常使用AI系统，将监管研究时间从数天缩短至3分钟。
核心要点
- FDA整合8个中心数据至Databricks平台，数据共享时间从4-5天缩短至实时
- Unity Catalog实现细粒度数据访问控制，保障敏感监管数据安全
- ELSA平台使FDA员工可自建AI代理，将监管研究时间从数天降至3分钟
结构提纲
按章节快速跳转。
介绍FDA监管职责与数据挑战，说明构建统一AI平台的必要性。
描述如何用3-4个月整合8个中心50-60个数据源至Databricks平台。
通过Unity Catalog实现数据访问控制与资产审批流程。
ELSA平台使85%员工日常使用AI工具，监管研究效率提升百倍。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- FDA AI平台建设
- 数据整合
- Databricks平台统一8个中心数据源
- 实时流处理替代批处理
- 安全治理
- Unity Catalog表级访问控制
- 资产审批流程
- AI应用
- ELSA平台覆盖16000员工
- 监管研究时间3分钟
金句 / Highlights
值得收藏与分享的关键句。
“We showed the value of having a foundational data platform, and that success story became contagious.”
CDER中心提前5年在Databricks构建数据平台，成为整合成功的关键证明
Unity Catalog通过表级访问控制，解决FDA对贸易机密和监管数据的安全顾虑
FDA如何构建一个85%员工每日使用的AI平台 | Databricks博客
跳至主要内容
公共部门
2026年7月23日
FDA如何构建一个85%员工每日使用的AI平台
作者：Molly Just-Behr
摘要
- FDA如何打破部门壁垒，仅用两个月就推出企业级AI平台，实现85%员工的使用率
- 医生、科学家和审查人员如何自主构建定制AI代理，即时自动化工作流程
- 通过治理数据基础，如何将监管研究时间从数天缩短至3分钟
“我们展示了构建基础数据平台的价值，这个成功案例迅速在全机构传播开来。” ——Venu Boppana，美国FDA数字转型办公室AI战略与创新负责人
几乎所有美国人在早餐前都会与FDA产生交集。该机构监管我们食用的食物、服用的药物以及依赖的医疗器械。每笔美国消费者支出的20美分都涉及FDA监管的领域。这种信任背后是海量数据：PB级文档、每日数百GB数据流入、每月数千份监管申请通过八个中心（负责药品、生物制品、医疗器械、兽医药品、烟草产品、食品安全和检查）处理。为应对这一需求，FDA数字转型办公室构建了ELSA生成式AI平台（面向全部16,000名员工）和Halo治理数据基础（基于Databricks构建）。
八大中心，八大孤岛
FDA的组织架构体现了其监管范围的广度。CDER负责药品，CBER监管生物制品，CDRH管理医疗器械。每个中心（包括兽医药品、烟草、检查和食品安全中心）都独立构建了各自的AI能力：独立的聊天机器人、独立的数据存储、显著的成本重复，以及缺乏统一的数据视图来有效驱动AI。
IT领导层认识到这种碎片化问题，启动了整合计划。在3到4个月内，团队将来自八个中心的50到60个数据源整合到统一的Databricks平台。促成整合的关键证明来自CDER——该中心已投入五年时间在Databricks上构建数据平台。原本需要4到5天的跨中心数据共享速度大幅提升，实时数据流取代了批处理。当其他中心看到这些成果后，平台采用率迅速提升。
Unity Catalog解决了最初让部分中心犹豫的安全顾虑。FDA需要处理商业机密和敏感监管数据，要求严格的访问控制。Unity Catalog提供了治理层，证明数据可以被有效隔离、资产在未经适当审批不会共享、且可在整个平台实施细粒度的表级访问控制。
从聊天机器人到自主代理AI
在治理数据基础就绪后，FDA将ELSA部署给全部16,000名员工。用户可选择多种模型并通过单一界面开展工作。平台上线约两个月后，使用率从不足1%迅速提升至85%的FDA员工。
团队感到惊讶的是，使用情况迅速超越了简单的问答功能。如今，医疗医生、科学家和行政人员正在大规模创建自己的代理，每周都有数百个新代理被构建。员工们将标准操作流程、监管指南和中心特定文档加载到ELSA的工作空间中，构建出能够即时回答基于FDA特定问题的代理。
实现这一目标的架构在Unity Catalog之上叠加了MCP服务器。结构化且受管控的数据与可访问的工具相结合，使代理创建成为任何员工都能完成的任务，而不仅仅是数据科学家。
三分钟获取答案，而非数天
影响是具体可衡量的。一个例子：FDA审评人员在评估药品申请时需要了解起始材料——制造过程中使用的原材料。这些信息分散在三到四百万页的监管提交文件中。此前，审评人员需要逐一打开文件、运行关键词搜索并手动拼凑答案。
通过MLflow使用Databricks的机器学习和自然语言处理能力，团队从数百万页文件中提取了关键数据资产（起始材料、产品-供应商-制造商关系），并通过ELSA进行公开。现在，审评人员只需输入申请编号并询问起始材料，就能在大约三分钟内获得基于事实的答案。此前完成同样任务需要数天时间。
覆盖所有中心的扩展
FDA现在正专注于将这一模式扩展到整个组织。为CDER开发的MCP工具正在适配其他中心使用，每个中心都有其独特的数据背景和监管要求。目标是让审评人员摆脱信息搜索工作，专注于核心专业能力：评估药品、设备和生物制品的安全性和有效性。
使这一切成为可能的基础并非AI本身，而是其下方的受管控数据平台，数据整合打破了信息孤岛，而跨八个独立中心的访问控制机制赢得了信任。
“如果我们能让审评人员不再花费时间搜索信息，而是专注于核心职责，这才是我们真正看到的成功。” ——Venu Boppana
订阅获取最新文章
订阅我们的博客，将最新文章直接发送到您的邮箱。
立即订阅
查看所有博客
slice-start id="_gatsby-scripts-1"
slice-end id="_gatsby-scripts-1"