Orientação da FDA sobre avaliação da credibilidade da modelagem e simulação computacional: Visão geral das evidências de credibilidade | FDA

Tabela de conteúdo

A Food and Drug Administration (FDA ou Agência), a autoridade reguladora dos EUA na esfera dos produtos de saúde, publicou um documento de orientação dedicado a avaliar a credibilidade da modelagem e simulação computacional em submissões de dispositivos médicos.

O documento fornece uma visão geral dos requisitos regulamentares aplicáveis, bem como esclarecimentos e recomendações adicionais a serem levados em consideração pelos fabricantes de dispositivos médicos e outras partes envolvidas, a fim de garantir a conformidade com os mesmos.

Ao mesmo tempo, as disposições das orientações não são vinculativas na sua natureza jurídica, nem se destinam a introduzir novas regras ou a impor novas obrigações.

Além disso, a autoridade declara explicitamente que uma abordagem alternativa poderia ser aplicada, desde que tal abordagem esteja em conformidade com o quadro jurídico existente e tenha sido previamente acordada com a autoridade.

Introdução às evidências de credibilidade em modelagem computacional 

Em primeiro lugar, a autoridade menciona que, numa esfera tão sofisticada de submissões regulamentares de dispositivos médicos, “evidência de credibilidade”Parece ser um dos conceitos mais importantes.

Conforme explicado mais detalhadamente pela FDA, abrange atividades de validação tradicionais, abordando qualquer fundamentação que apoie a confiabilidade de um modelo computacional para o Contexto de Uso (COU) pretendido.

Este espectro de evidências inclui diversas atividades de verificação e quantificação de incerteza (UQ), cada uma contribuindo com insights exclusivos sobre a fidelidade do modelo.

De acordo com as orientações, o objectivo não é apenas recolher provas, mas sim discerni-las e categorizá-las sistematicamente.

Essa compilação organizada de evidências serve para avaliar a credibilidade do modelo, garantindo aos órgãos reguladores e às partes interessadas a sua precisão e aplicabilidade em cenários clínicos.

Verificação e suas categorias

A verificação, um componente crítico da credibilidade, é dividida em verificação de código e verificação de cálculo.

A verificação de código é um processo rigoroso que garante que os algoritmos numéricos sejam implementados com precisão no software, sem erros que possam comprometer a precisão numérica.

Abrange rigorosa garantia de qualidade de software e verificação rigorosa de código numérico, conforme descrito na ASME V&V 40.

A verificação do cálculo muda o foco para a estimativa de erros numéricos na saída do modelo, muitas vezes atribuíveis a decisões como a discretização espacial.

Esta forma de verificação é dinâmica e pode ser incorporada em qualquer fase da simulação, seja durante a validação ou em simulações específicas da COU.

Através destes processos de verificação, a integridade numérica de um modelo é examinada e afirmada, estabelecendo um elemento fundamental de credibilidade.

Validação e seu papel na avaliação da credibilidade

A validação é distinta da calibração, enfatizando a comparação das previsões do modelo com dados independentes daqueles usados ​​para construir o modelo.

Este escrutínio independente é o que sustenta a credibilidade de um modelo. Tal como explicado pela autoridade, a validação não é apenas uma caixa de verificação, mas uma avaliação abrangente que se estende à aplicabilidade do modelo à sua COU.

Isto envolve uma avaliação de aplicabilidade, que avalia a relevância e transferibilidade das atividades de validação para o COU.

A avaliação garante que as diferenças entre as condições de validação do modelo e a sua aplicação prática não prejudicam a relevância da validação para o COU, mantendo assim a integridade da credibilidade do modelo.

Quantificação de Incerteza e Análise de Sensibilidade 

De acordo com as orientações, a UQ é fundamental para estimar a incerteza inerente aos resultados do modelo. Considera a variabilidade dos insumos e as nuances estruturais do próprio modelo.

A UQ está intrinsecamente ligada à análise de sensibilidade (SA), que aborda a influência dos dados individuais do modelo nos resultados. A SA pode simplificar a UQ identificando quais os insumos que afectam significativamente os resultados, estreitando assim o foco dos esforços de UQ.

Contudo, o objectivo final da UQ é quantificar a incerteza dos resultados do modelo, fornecendo uma base quantitativa para a credibilidade do modelo.

Tanto UQ quanto SA podem ser aplicados à validação ou simulações COU, ressaltando sua versatilidade no aumento da confiabilidade do modelo.

Categorização de evidências de credibilidade 

A categorização das evidências de credibilidade em oito categorias distintas serve para organizar sistematicamente as evidências que sustentam um modelo computacional.

Esta estrutura auxilia na organização das evidências, porém não é exaustiva nem indicativa da qualidade ou rigor das evidências em si.

As categorias não são classificadas; em vez disso, servem como uma estrutura para orientar a compilação de evidências, garantindo uma apresentação abrangente e estruturada nas submissões regulatórias.

Cada categoria de evidência de credibilidade é definida por características e contextos de aplicação específicos.

Por exemplo, os resultados da verificação de código (Categoria 1) validam a ausência de erros na implementação numérica, enquanto os resultados da validação in vivo (Categoria 4) validar as previsões do modelo em relação a dados biológicos de organismos vivos.

A aplicação destas categorias contribui para uma compreensão detalhada dos tipos de evidências que podem fundamentar a credibilidade de um modelo.

Envio Regulatório e Inclusão de Evidências 

Conforme explicado pela FDA, a integração de evidências de credibilidade nas submissões regulatórias deve refletir o risco associado ao modelo.

Esta orientação não prescreve tipos de evidências específicos para inclusão, mas sugere uma abordagem abrangente, considerando fatores como o tipo de modelo e a maturidade do campo de modelagem.

A evidência deve abranger aspectos como verificação de código, verificação de cálculo e validação para representar holisticamente as capacidades do modelo.

A aplicação de evidências de credibilidade é exemplificada através de casos práticos, como testes de dispositivos in silico, que podem envolver múltiplas formas de evidências de credibilidade para fundamentar a aplicação do modelo.

Estes exemplos destacam a natureza dependente do contexto da seleção de evidências e a importância de uma abordagem personalizada para a integração de evidências em submissões regulatórias.

Conclusão

Em resumo, a evidência de credibilidade é essencial para apoiar modelos computacionais para fins regulatórios. Os desenvolvedores são incentivados a se envolverem proativamente nos processos de feedback regulatório, como o processo de envio Q, para garantir a confiabilidade da abordagem aplicada.

fonte

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

Como o RegDesk pode ajudar?

RegDesk é um sistema holístico de gerenciamento de informações regulatórias que fornece às empresas farmacêuticas e de dispositivos médicos inteligência regulatória para mais de 120 mercados em todo o mundo. Ele pode ajudá-lo a preparar e publicar aplicativos globais, gerenciar padrões, executar avaliações de alterações e obter alertas em tempo real sobre alterações regulatórias por meio de uma plataforma centralizada. Nossos clientes também têm acesso à nossa rede de mais de 4000 especialistas em compliance em todo o mundo para obter verificação em questões críticas. A expansão global nunca foi tão simples.