Orientação da FDA sobre avaliação da credibilidade da modelagem e simulação computacional: evidências de credibilidade, parte 2 | FDA

Tabela de conteúdo

A Food and Drug Administration 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 para 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.

O documento abrange, entre outros, os aspectos relacionados com as provas de credibilidade necessárias para fundamentar as alegações feitas pelos responsáveis ​​pelos dispositivos médicos. 

De acordo com a orientação, a modelagem computacional desempenha um papel crucial no desenvolvimento e validação de dispositivos médicos e tratamentos específicos para pacientes.

Esses modelos, muitas vezes sofisticados e complexos, exigem validação rigorosa para garantir precisão e confiabilidade.

A validação é um processo que abrange várias categorias, cada uma abordando diferentes aspectos da credibilidade do modelo.

O presente guia descreve detalhadamente essas categorias, enfatizando sua importância no desenvolvimento de dispositivos médicos e no atendimento ao paciente.

Resultados de validação in vivo (categoria 4)

A validação in vivo constitui a base da credibilidade do modelo computacional, concentrando-se em comparações ao nível do paciente utilizando dados clínicos ou animais.

Conforme explicado pela FDA, esta validação é essencial para modelos computacionais específicos do paciente, como os utilizados em ensaios clínicos para dispositivos médicos. Por exemplo, na dinâmica de fluidos, uma ferramenta de software clínico que prevê Reserva de fluxo fracionário (FFR) nas artérias coronárias é validado contra medições clínicas invasivas de FFR.

Da mesma forma, modelos de transferência de biocalor que preveem o aquecimento de tecidos a partir de dispositivos médicos, como ultrassom ou energia de radiofrequência, são validados usando medições diretas de temperatura em modelos humanos ou animais.

A verificação dos cálculos e a quantificação da incerteza (UQ) desempenham papéis fundamentais nestes processos, garantindo a robustez dos resultados da validação.

Resultados de validação baseada na população (categoria 5)

A validação baseada na população contrasta com a validação no nível do paciente, concentrando-se em comparações mais amplas de dados no nível populacional.

Esta abordagem é particularmente relevante para validar “populações virtuaisoucoortes virtuais”, que são modelos de múltiplos pacientes que representam uma população de pacientes.
Um exemplo disso está em imagens médicas, onde modelos virtuais de pacientes são gerados variando parâmetros em um modelo antropomórfico.

Os resultados dos ensaios simulados por computador são comparados estatisticamente com os resultados clínicos, garantindo que as previsões se alinhem com os ensaios reais em seres humanos.

Esta categoria de validação sublinha a importância da análise de dados em larga escala na verificação das previsões do modelo em relação a conjuntos de dados clínicos abrangentes.

Comportamento do modelo emergente (categoria 6)

De acordo com as orientações, o comportamento do modelo emergente representa uma abordagem de validação única, destacando a capacidade dos modelos computacionais de reproduzir fenómenos conhecidos sob condições específicas, mesmo quando esses fenómenos não são explicitamente modelados.

Por exemplo, na dinâmica dos fluidos, um modelo que prevê o fluxo sanguíneo através de um vaso estenótico pode ser validado com base na sua capacidade de prever o fluxo transitório ou turbulento, um fenómeno conhecido sob certas condições.

Da mesma forma, na eletrofisiologia cardíaca, modelos que simulam a atividade elétrica no coração são validados com base na sua capacidade de reproduzir morfologias de eletrocardiograma comparáveis ​​aos ECGs clínicos.

Este tipo de evidência sublinha a capacidade do modelo de replicar comportamentos fisiológicos complexos, aumentando a sua credibilidade.

Plausibilidade do Modelo (Categoria 7)

A plausibilidade do modelo refere-se à lógica que apoia as escolhas das equações governantes, das suposições do modelo e dos parâmetros de entrada.
É uma forma de evidência baseada na solidez teórica e na justificação da fundamentação do modelo.

Um exemplo é um modelo de elementos finitos de artroplastia articular, onde a evidência de plausibilidade apoia a credibilidade do modelo do material do implante.

As equações, suposições e parâmetros de entrada que governam o modelo são justificados com base em comportamentos mecânicos e propriedades de materiais conhecidos, fornecendo uma base sólida para a credibilidade do modelo, especialmente quando os dados experimentais para validação são limitados.

Verificação de cálculo/UQ usando simulações COU (categoria 8)

Esta categoria envolve verificação de cálculo independente e resultados de UQ realizados usando simulações de Condição de Uso (COU).

Estas simulações são cruciais para testes de dispositivos in silico ou ensaios clínicos onde a validação direta não é possível. Por exemplo, o modelo de elementos finitos de um dispositivo médico pode passar por um estudo de convergência de malha para garantir um erro numérico mínimo, apoiando o uso do modelo em diferentes cenários de COU.

Em outro caso, um modelo de dinâmica de fluidos que avalia mudanças nas tolerâncias de fabricação na hemólise em um dispositivo de assistência ventricular usa UQ para quantificar a influência das variações geométricas no estresse induzido pelo fluxo previsto e no tempo de exposição ao sangue.

Esses exemplos ilustram os intrincados processos envolvidos na garantia da precisão e confiabilidade dos modelos sob condições específicas de uso.

Tal como explicado pela autoridade, as diversas categorias de provas de validação realçam a natureza específica da validação de modelos computacionais no domínio dos dispositivos médicos.

Cada categoria, desde a validação in vivo até à plausibilidade do modelo, desempenha um papel crucial no estabelecimento e aumento da credibilidade dos modelos computacionais.

Esses modelos são de vital importância no avanço do desenvolvimento de dispositivos médicos, nos tratamentos específicos do paciente e no atendimento geral ao paciente.

À medida que a tecnologia e a ciência médica continuam a evoluir, também devem evoluir as metodologias e práticas na validação de modelos computacionais, garantindo que permanecem robustas, fiáveis ​​e relevantes num cenário em constante mudança, tendo em conta o rápido desenvolvimento tecnológico.

Conclusão

Em resumo, a presente orientação da FDA fornece uma visão abrangente das diversas categorias de evidências de validação em modelagem computacional no contexto de aplicações médicas. O documento descreve a essência de cada categoria e a sua relevância no contexto mais amplo do desenvolvimento de dispositivos médicos e dos cuidados aos pacientes.

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.