FDA Útmutató a számítógépes modellezés és szimuláció hitelességének értékeléséhez: Hitelesség bizonyítékai 2. rész | FDA

Tartalomjegyzék

A Food and Drug Administration az Egyesült Államok egészségügyi termékekkel foglalkozó szabályozó hatósága iránymutatást tett közzé az orvostechnikai eszközök beadványaiban található számítógépes modellezés és szimuláció hitelességének felmérésére.

A dokumentum áttekintést ad az alkalmazandó szabályozási követelményekről, valamint további magyarázatokat és ajánlásokat tartalmaz, amelyeket az orvostechnikai eszközök gyártóinak és más érintett feleknek figyelembe kell venniük az ezeknek való megfelelés biztosítása érdekében.

Ugyanakkor az útmutató rendelkezései jogi természetüknél fogva nem kötelező erejűek, nem célja új szabályok bevezetése vagy új kötelezettségek előírása.

Ezen túlmenően a hatóság kifejezetten kijelenti, hogy alternatív megközelítés is alkalmazható, feltéve, hogy ez összhangban van a meglévő jogi kerettel, és előzetesen egyeztették a hatósággal.

A dokumentum kitér többek között az orvostechnikai eszközökért felelős felek által megfogalmazott állítások alátámasztásához szükséges hitelességi bizonyítékokkal kapcsolatos szempontokra. 

Az útmutatás szerint a számítógépes modellezés döntő szerepet játszik az orvostechnikai eszközök és a betegspecifikus kezelések fejlesztésében és validálásában.

Ezek a gyakran kifinomult és összetett modellek szigorú érvényesítést igényelnek a pontosság és megbízhatóság biztosítása érdekében.

Az érvényesítés különböző kategóriákat felölelő folyamat, amelyek mindegyike a modell hitelességének különböző aspektusaival foglalkozik.

Jelen útmutató részletesen leírja ezeket a kategóriákat, kiemelve fontosságukat az orvostechnikai eszközök fejlesztésében és a betegellátásban.

In vivo érvényesítési eredmények (4. kategória)

Az in vivo validálás képezi a számítási modell hitelességének alapját, a klinikai vagy állati adatok felhasználásával végzett betegszintű összehasonlításokra összpontosítva.

Amint azt az FDA kifejtette, ez a validálás elengedhetetlen a páciens-specifikus számítási modellekhez, például az orvostechnikai eszközök klinikai vizsgálatai során használt modellekhez. Például a folyadékdinamikában, egy klinikai szoftvereszköz előrejelzésére Frakcionális áramlási tartalék (FFR) a koszorúerekben az invazív klinikai FFR mérésekkel szemben validált.

Hasonlóképpen, az orvosi eszközök, például az ultrahang vagy a rádiófrekvenciás energia által a szövetek felmelegedését előrejelző biohőátviteli modelleket közvetlen hőmérsékletmérésekkel validálják emberi vagy állati modelleken.

A számítási ellenőrzés és a bizonytalanság kvantifikálása (UQ) kulcsszerepet játszik ezekben a folyamatokban, biztosítva a validálási eredmények robusztusságát.

Népesség alapú ellenőrzési eredmények (5. kategória)

A populáció alapú validálás ellentétben áll a betegszintű validációval, mivel szélesebb népesség-szintű adatok összehasonlítására összpontosít.

Ez a megközelítés különösen fontos a „virtuális populációk"Vagy"virtuális kohorszok”, amelyek egy betegpopulációt reprezentáló több betegmodell.
Példa erre az orvosi képalkotás, ahol egy antropomorf modellben változó paraméterek segítségével virtuális betegmodelleket állítanak elő.

A számítógéppel szimulált kísérleti eredményeket statisztikailag összehasonlítják a klinikai eredményekkel, biztosítva, hogy az előrejelzések összhangban legyenek a tényleges humán kísérletekkel.

A validálásnak ez a kategóriája aláhúzza a nagy léptékű adatelemzés fontosságát a modell előrejelzéseinek átfogó klinikai adatkészletekkel való ellenőrzésében.

Emergent Model Behavior (6. kategória)

Az útmutatás szerint a kialakuló modell viselkedése egyedülálló validációs megközelítést képvisel, kiemelve a számítási modellek azon képességét, hogy adott körülmények között reprodukálják az ismert jelenségeket, még akkor is, ha ezek a jelenségek nincsenek kifejezetten modellezve.

Például a folyadékdinamikában a szűkületes éren keresztüli véráramlást előrejelző modell validálható annak alapján, hogy képes előre jelezni az átmeneti vagy turbulens áramlást, ami bizonyos körülmények között ismert jelenség.

Hasonlóképpen, a szív elektrofiziológiájában a szív elektromos aktivitását szimuláló modelleket az alapján validálják, hogy képesek reprodukálni a klinikai EKG-kéhoz hasonló elektrokardiogram morfológiákat.

Ez a fajta bizonyíték alátámasztja a modell azon képességét, hogy képes megismételni az összetett fiziológiai viselkedéseket, növelve annak hitelességét.

A modell megbízhatósága (7. kategória)

A modell plauzibilitása a szabályozó egyenletek, a modell feltevések és a bemeneti paraméterek megválasztását alátámasztó indokokra vonatkozik.
Ez egyfajta bizonyíték, amely a modell megalapozásának elméleti megalapozottságán és igazolásán alapul.

Példa erre az ízületi arthroplasztika végeselemes modellje, ahol a plauzibilitási bizonyítékok alátámasztják az implantátum anyagmodelljének hitelességét.

A modell irányító egyenletei, feltevései és bemeneti paraméterei az ismert mechanikai viselkedések és anyagtulajdonságok alapján igazolódnak, erős alapot biztosítva a modell hitelességéhez, különösen akkor, ha a validálandó kísérleti adatok korlátozottak.

Számításellenőrzés/UQ COU-szimulációk használatával (8. kategória)

Ez a kategória magában foglalja az önálló számítási ellenőrzést és a használati feltételek (COU) szimulációival végzett UQ-eredményeket.

Ezek a szimulációk kulcsfontosságúak az in silico eszközök teszteléséhez vagy olyan klinikai vizsgálatokhoz, ahol a közvetlen validálás nem lehetséges. Például egy orvostechnikai eszköz végeselemes modellje áteshet egy hálókonvergencia-vizsgálaton, hogy biztosítsa a minimális numerikus hibát, és támogassa a modell használatát különböző COU-forgatókönyvekben.

Egy másik esetben egy folyadékdinamikai modell, amely a kamrai segédeszközben a hemolízisre gyakorolt ​​gyártási tolerancia változásait értékeli, UQ-t használ a geometriai eltérések befolyásának számszerűsítésére az áramlás által kiváltott stresszre és a vér expozíciós idejére.

Ezek a példák azt a bonyolult folyamatokat mutatják be, amelyek a modellek pontosságának és megbízhatóságának biztosításához szükségesek meghatározott használati feltételek mellett.

Amint azt a hatóság kifejti, a hitelesítési bizonyítékok különböző kategóriái rávilágítanak az orvostechnikai eszközök területén végzett számítógépes modell-validáció sajátos természetére.

Minden kategória, az in vivo validálástól a modell plauzibilitásáig, döntő szerepet játszik a számítási modellek hitelességének kialakításában és növelésében.

Ezek a modellek létfontosságúak az orvostechnikai eszközök fejlesztésében, a betegspecifikus kezelésekben és a betegellátásban.

Ahogy a technológia és az orvostudomány folyamatosan fejlődik, a számítási modellek validálásában alkalmazott módszereknek és gyakorlatoknak is szükségük van arra, hogy azok robusztusak, megbízhatóak és relevánsak maradjanak a folyamatosan változó környezetben, figyelembe véve a gyors technológiai fejlődést.

Következtetés

Összefoglalva, az FDA jelen útmutatója átfogó áttekintést nyújt a validálási bizonyítékok különböző kategóriáiról a számítási modellezésben az orvosi alkalmazások kontextusában. A dokumentum felvázolja az egyes kategóriák lényegét és relevanciáját az orvostechnikai eszközfejlesztés és betegellátás tágabb kontextusában.

forrás

https://www.fda.gov/regulatory-information/search-fda-guidance-documents/assessing-credibility-computational-modeling-and-simulation-medical-device-submissions

Hogyan segíthet a RegDesk?

RegDesk egy holisztikus szabályozási információkezelő rendszer, amely világszerte több mint 120 piacra vonatkozó szabályozási intelligenciát biztosít az orvostechnikai eszközökkel és gyógyszerekkel foglalkozó cégek számára. Segíthet globális alkalmazások előkészítésében és közzétételében, szabványok kezelésében, változásértékelések futtatásában, valamint valós idejű riasztások beszerzésében a szabályozási változásokról egy központi platformon keresztül. Ügyfeleink hozzáférhetnek világszerte több mint 4000 megfelelőségi szakértőből álló hálózatunkhoz, hogy ellenőrzést kapjanak a kritikus kérdésekben. A globális terjeszkedés még soha nem volt ilyen egyszerű.