Wytyczne FDA dotyczące oceny wiarygodności modelowania obliczeniowego i symulacji: Przegląd dowodów wiarygodności | FDA

Spis treści

Połączenia Food and Drug Administration (FDA lub Agencja), amerykański organ regulacyjny w dziedzinie produktów zdrowotnych, opublikował wytyczne dotyczące oceny wiarygodności modelowania obliczeniowego i symulacji przy zgłaszaniu wyrobów medycznych.

Dokument zawiera przegląd obowiązujących wymagań regulacyjnych, a także dodatkowe wyjaśnienia i zalecenia, które producenci wyrobów medycznych i inne zaangażowane strony powinni wziąć pod uwagę, aby zapewnić ich zgodność.

Jednocześnie zapisy poradnika nie mają charakteru prawnego wiążącego, nie mają na celu wprowadzenia nowych zasad ani nałożenia nowych obowiązków.

Ponadto organ wyraźnie stwierdza, że ​​można zastosować podejście alternatywne, pod warunkiem że jest ono zgodne z obowiązującymi ramami prawnymi i zostało wcześniej uzgodnione z organem.

Wprowadzenie do dowodów wiarygodności w modelowaniu obliczeniowym 

Przede wszystkim organ wspomina, że ​​w tak złożonej sferze zgłoszeń regulacyjnych dotyczących wyrobów medycznych „dowód wiarygodności” wydaje się być jednym z najważniejszych pojęć.

Jak szczegółowo wyjaśniła FDA, obejmuje on tradycyjne działania w zakresie walidacji, uwzględniające wszelkie uzasadnienia potwierdzające wiarygodność modelu obliczeniowego dla zamierzonego kontekstu użycia (COU).

To spektrum dowodów obejmuje różnorodne działania w zakresie weryfikacji i kwantyfikacji niepewności (UQ), z których każde wnosi unikalny wgląd w wierność modelu.

Zgodnie z wytycznymi celem tego jest nie tylko zebranie dowodów, ale także ich rozeznanie i systematyczna kategoryzacja.

Taka zorganizowana kompilacja dowodów służy ocenie wiarygodności modelu, zapewniając organy regulacyjne i zainteresowane strony o jego precyzji i możliwości zastosowania w scenariuszach klinicznych.

Weryfikacja i jej kategorie

Weryfikacja, krytyczny element wiarygodności, dzieli się na weryfikację kodu i weryfikację obliczeń.

Weryfikacja kodu to rygorystyczny proces zapewniający, że algorytmy numeryczne są dokładnie zaimplementowane w oprogramowaniu, bez błędów, które mogłyby zagrozić precyzji numerycznej.

Obejmuje rygorystyczne zapewnienie jakości oprogramowania i rygorystyczną weryfikację kodu numerycznego, zgodnie z ASME V&V 40.

Weryfikacja obliczeń skupia się na szacowaniu błędów numerycznych wyników modelu, często związanych z decyzjami takimi jak dyskretyzacja przestrzenna.

Ta forma weryfikacji ma charakter dynamiczny i można ją zastosować na każdym etapie symulacji, zarówno podczas walidacji, jak i w ramach symulacji specyficznych dla jednostki certyfikującej.

Dzięki tym procesom weryfikacji integralność numeryczna modelu jest sprawdzana i potwierdzana, co stanowi podstawowy element wiarygodności.

Walidacja i jej rola w ocenie wiarygodności

Walidacja różni się od kalibracji, kładąc nacisk na porównanie przewidywań modelu z danymi niezależnymi od tych wykorzystanych do skonstruowania modelu.

Ta niezależna kontrola potwierdza wiarygodność modelu. Jak wyjaśnił organ, walidacja to nie tylko pole wyboru, ale kompleksowa ocena obejmująca możliwość zastosowania modelu do jednostki certyfikującej.

Obejmuje to ocenę stosowalności, która ocenia przydatność i możliwość przeniesienia działań walidacyjnych do jednostki certyfikującej.

Ocena zapewnia, że ​​różnice między warunkami walidacji modelu a jego praktycznym zastosowaniem nie podważają znaczenia walidacji dla jednostki certyfikującej, utrzymując w ten sposób integralność wiarygodności modelu.

Kwantyfikacja niepewności i analiza wrażliwości 

Zgodnie z wytycznymi UQ ma kluczowe znaczenie przy szacowaniu niepewności nieodłącznie związanej z wynikami modelu. Uwzględnia zmienność danych wejściowych i niuanse strukturalne samego modelu.

UQ jest nierozerwalnie powiązane z analizą wrażliwości (SA), która bada wpływ danych wejściowych poszczególnych modeli na wyniki. SA może uprościć UQ, identyfikując, które dane wejściowe znacząco wpływają na wyniki, zawężając w ten sposób zakres wysiłków związanych z UQ.

Jednakże ostatecznym celem UQ jest ilościowe określenie niepewności wyników modelu, zapewniając ilościową podstawę wiarygodności modelu.

Zarówno UQ, jak i SA można zastosować do walidacji lub symulacji COU, podkreślając ich wszechstronność w zwiększaniu niezawodności modelu.

Kategoryzacja dowodów wiarygodności 

Kategoryzacja dowodów wiarygodności na osiem odrębnych kategorii służy do systematycznego porządkowania dowodów wspierających model obliczeniowy.

Struktura ta pomaga w uporządkowaniu materiału dowodowego, jednakże nie jest ani wyczerpująca, ani nie wskazuje na jakość lub rygorystyczność samego dowodu.

Kategorie nie podlegają rankingowi; służą raczej jako ramy kierujące kompilacją dowodów, zapewniając kompleksową i uporządkowaną prezentację w dokumentach składanych do organów regulacyjnych.

Każda kategoria dowodów wiarygodności jest zdefiniowana przez specyficzne cechy i konteksty zastosowania.

Na przykład wyniki weryfikacji kodu (kategoria 1) potwierdzają brak błędów w implementacji numerycznej, podczas gdy wyniki walidacji in vivo (Kategoria 4) zweryfikować przewidywania modelu w oparciu o dane biologiczne pochodzące z organizmów żywych.

Zastosowanie tych kategorii przyczynia się do szczegółowego zrozumienia rodzajów dowodów, które mogą potwierdzić wiarygodność modelu.

Składanie wniosków regulacyjnych i dołączanie dowodów 

Jak wyjaśniła FDA, włączenie dowodów wiarygodności do wniosków regulacyjnych powinno odzwierciedlać ryzyko związane z modelem.

Niniejsze wytyczne nie zalecają uwzględnienia konkretnych typów dowodów, ale sugerują kompleksowe podejście, uwzględniające takie czynniki, jak typ modelu i dojrzałość dziedziny modelowania.

Dowody powinny obejmować takie aspekty, jak weryfikacja kodu, weryfikacja obliczeń i walidacja, aby całościowo przedstawić możliwości modelu.

Zastosowanie dowodów wiarygodności przedstawiono na przykładach praktycznych przypadków, takich jak testowanie urządzeń in silico, które może obejmować wiele form dowodów wiarygodności w celu uzasadnienia zastosowania modelu.

Przykłady te podkreślają zależny od kontekstu charakter wyboru dowodów oraz znaczenie dostosowanego podejścia do uwzględniania dowodów w dokumentach składanych do organów regulacyjnych.

Wnioski

Podsumowując, dowody wiarygodności są integralną częścią wspierania modeli obliczeniowych do celów regulacyjnych. Zachęcamy programistów do proaktywnego angażowania się w procesy zbierania informacji zwrotnych od organów regulacyjnych, takie jak proces Q-Submission, aby zapewnić niezawodność zastosowanego podejścia.

Źródło

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

W jaki sposób RegDesk może pomóc?

RegDesk to holistyczny system zarządzania informacjami regulacyjnymi, który zapewnia firmom produkującym wyroby medyczne i farmaceutyczne informacje regulacyjne dotyczące ponad 120 rynków na całym świecie. Może pomóc w przygotowaniu i opublikowaniu aplikacji globalnych, zarządzaniu standardami, przeprowadzaniu ocen zmian i uzyskiwaniu alertów w czasie rzeczywistym o zmianach regulacyjnych za pośrednictwem scentralizowanej platformy. Nasi klienci mają również dostęp do naszej sieci ponad 4000 ekspertów ds. zgodności na całym świecie, aby uzyskać weryfikację w przypadku kluczowych pytań. Globalna ekspansja nigdy nie była tak prosta.