FDA-vägledning om att bedöma trovärdigheten för beräkningsmodellering och simulering: trovärdighetsbevis del 2 | FDA

Innehållsförteckning

Smakämnen Food and Drug Administration USA:s reglerande myndighet på området för hälso- och sjukvårdsprodukter har publicerat ett vägledningsdokument för att bedöma trovärdigheten hos beräkningsmodellering och simulering i inlämningar av medicintekniska produkter.

Dokumentet ger en översikt över tillämpliga myndighetskrav, samt ytterligare förtydliganden och rekommendationer som tillverkare av medicintekniska produkter och andra inblandade parter ska beakta för att säkerställa efterlevnaden av detta.

Samtidigt är bestämmelserna i vägledningen icke bindande till sin rättsliga karaktär, och de är inte heller avsedda att införa nya regler eller införa nya skyldigheter.

Myndigheten anger dessutom uttryckligen att ett alternativt tillvägagångssätt skulle kunna tillämpas, förutsatt att ett sådant tillvägagångssätt är i linje med den befintliga rättsliga ramen och har avtalats med myndigheten i förväg.

Dokumentet täcker bland annat de aspekter relaterade till trovärdighetsbevis som krävs för att styrka påståendena från parterna som ansvarar för medicintekniska produkter. 

Enligt vägledningen spelar beräkningsmodellering en avgörande roll i utvecklingen och valideringen av medicintekniska produkter och patientspecifika behandlingar.

Dessa modeller, ofta sofistikerade och komplexa, kräver noggrann validering för att säkerställa noggrannhet och tillförlitlighet.

Validering är en process som omfattar olika kategorier, som var och en tar upp olika aspekter av modellens trovärdighet.

Denna vägledning beskriver i detalj dessa kategorier, och betonar deras betydelse för utveckling av medicintekniska produkter och patientvård.

In vivo-valideringsresultat (kategori 4)

In vivo-validering utgör en grund för trovärdighet för beräkningsmodeller, med fokus på jämförelser på patientnivå med hjälp av kliniska data eller djurdata.

Som förklarats av FDA är denna validering väsentlig för patientspecifika beräkningsmodeller, såsom de som används i kliniska prövningar för medicinsk utrustning. Till exempel, i vätskedynamik, ett kliniskt mjukvaruverktyg som förutsäger Fraktionell flödesreserv (FFR) i kranskärl valideras mot invasiva kliniska FFR-mätningar.

På liknande sätt valideras biovärmeöverföringsmodeller som förutsäger vävnadsuppvärmning från medicinsk utrustning som ultraljud eller radiofrekvensenergi med hjälp av direkta temperaturmätningar i människo- eller djurmodeller.

Beräkningsverifiering och osäkerhetskvantifiering (UQ) spelar en central roll i dessa processer, vilket säkerställer robustheten hos valideringsresultaten.

Populationsbaserade valideringsresultat (kategori 5)

Populationsbaserad validering står i kontrast till validering på patientnivå genom att fokusera på bredare jämförelser av data på populationsnivå.

Detta tillvägagångssätt är särskilt relevant för att validera "virtuella populationer"Eller"virtuella kohorter”, som är flera patientmodeller som representerar en patientpopulation.
Ett exempel på detta är inom medicinsk bildbehandling, där virtuella patientmodeller genereras av varierande parametrar i en antropomorf modell.

De datorsimulerade försöksresultaten jämförs statistiskt med kliniska utfall, vilket säkerställer att förutsägelser överensstämmer med faktiska försök på människor.

Denna kategori av validering understryker vikten av storskalig dataanalys för att verifiera modellförutsägelser mot omfattande kliniska datauppsättningar.

Emergent modellbeteende (kategori 6)

Enligt vägledningen representerar emergent modellbeteende en unik valideringsmetod, som lyfter fram beräkningsmodellernas förmåga att reproducera kända fenomen under specifika förhållanden, även när dessa fenomen inte är explicit modellerade.

Till exempel, inom vätskedynamik, kan en modell som förutsäger blodflöde genom ett stenotiskt kärl valideras baserat på dess förmåga att förutsäga övergångs- eller turbulent flöde, ett känt fenomen under vissa förhållanden.

På liknande sätt, inom hjärtelektrofysiologi, valideras modeller som simulerar elektrisk aktivitet i hjärtat baserat på deras förmåga att reproducera elektrokardiogrammorfologier jämförbara med kliniska EKG.

Denna typ av bevis understryker modellens förmåga att replikera komplexa fysiologiska beteenden, vilket ökar dess trovärdighet.

Modellplausibilitet (Kategori 7)

Modellplausibilitet hänvisar till logiken som stöder valen av styrande ekvationer, modellantaganden och ingångsparametrar.
Det är en form av bevis baserad på den teoretiska soliditeten och motiveringen av modellens grund.

Ett exempel är en finita elementmodell av ledprotesplastik, där sannolikhetsbevisen stöder trovärdigheten hos implantatmaterialmodellen.

Modellens styrande ekvationer, antaganden och ingångsparametrar är motiverade baserat på kända mekaniska beteenden och materialegenskaper, vilket ger en stark grund för modellens trovärdighet, särskilt när experimentella data för validering är begränsade.

Beräkningsverifiering/UQ med COU-simuleringar (Kategori 8)

Denna kategori omfattar fristående beräkningsverifiering och UQ-resultat som utförs med hjälp av simuleringar för användningsvillkor (COU).

Dessa simuleringar är avgörande för testning av silico-enheter eller kliniska prövningar där direkt validering inte är möjlig. Till exempel kan en medicinteknisk produkts finita elementmodell genomgå en mesh-konvergensstudie för att säkerställa minimala numeriska fel, vilket stödjer modellens användning i olika COU-scenarier.

I ett annat fall använder en vätskedynamikmodell som bedömer förändringar i tillverkningstoleranser vid hemolys i en ventrikulär assisterande enhet UQ för att kvantifiera inverkan av geometriska varianser på förutspådd flödesinducerad stress och blodexponeringstid.

Dessa exempel illustrerar de intrikata processer som är involverade i att säkerställa noggrannhet och tillförlitlighet hos modeller under specifika användningsförhållanden.

Som förklarats av myndigheten framhäver de olika kategorierna av valideringsbevis den specifika karaktären hos beräkningsmodellvalidering inom medicintekniska sfären.

Varje kategori, från in vivo-validering till modellplausibilitet, spelar en avgörande roll för att etablera och öka trovärdigheten för beräkningsmodeller.

Dessa modeller är oerhört viktiga för att utveckla medicintekniska produkter, patientspecifika behandlingar och övergripande patientvård.

I takt med att teknik och medicinsk vetenskap fortsätter att utvecklas, så måste även metoderna och praxisen för validering av beräkningsmodeller säkerställa att de förblir robusta, tillförlitliga och relevanta i ett ständigt föränderligt landskap, med tanke på snabb teknikutveckling.

Slutsats

Sammanfattningsvis ger den nuvarande FDA-vägledningen en omfattande översikt över de olika kategorierna av valideringsbevis inom beräkningsmodellering i samband med medicinska tillämpningar. Dokumentet beskriver essensen av varje kategori och dess relevans i ett bredare sammanhang av utveckling av medicintekniska produkter och patientvård.

Källa

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

Hur kan RegDesk hjälpa till?

RegDesk är ett holistiskt Regulatory Information Management System som förser medicintekniska produkter och läkemedelsföretag med regulatorisk intelligens för över 120 marknader över hela världen. Det kan hjälpa dig att förbereda och publicera globala applikationer, hantera standarder, köra förändringsbedömningar och få realtidsvarningar om regulatoriska förändringar via en centraliserad plattform. Våra kunder har också tillgång till vårt nätverk av över 4000 efterlevnadsexperter över hela världen för att få verifiering i kritiska frågor. Global expansion har aldrig varit så enkelt.