คำแนะนำของ FDA เกี่ยวกับการประเมินความน่าเชื่อถือของการสร้างแบบจำลองและการจำลองทางคอมพิวเตอร์: ภาพรวมหลักฐานความน่าเชื่อถือ | อย

สารบัญ

พื้นที่ สำนักงานคณะกรรมการอาหารและยา (FDA หรือหน่วยงาน) ซึ่งเป็นหน่วยงานกำกับดูแลของสหรัฐอเมริกาในด้านผลิตภัณฑ์ดูแลสุขภาพ ได้เผยแพร่เอกสารคำแนะนำที่เกี่ยวข้องกับการประเมินความน่าเชื่อถือของการสร้างแบบจำลองและการจำลองทางคอมพิวเตอร์ในการยื่นอุปกรณ์ทางการแพทย์

เอกสารนี้ให้ภาพรวมของข้อกำหนดด้านกฎระเบียบที่เกี่ยวข้อง ตลอดจนคำชี้แจงและคำแนะนำเพิ่มเติมที่ผู้ผลิตอุปกรณ์ทางการแพทย์และฝ่ายอื่นๆ ที่เกี่ยวข้องนำมาพิจารณาเพื่อให้มั่นใจว่าปฏิบัติตามข้อกำหนดดังกล่าว

ในเวลาเดียวกัน บทบัญญัติของคำแนะนำไม่มีผลผูกพันในลักษณะทางกฎหมาย และไม่ได้มีจุดมุ่งหมายที่จะแนะนำกฎใหม่หรือกำหนดภาระผูกพันใหม่

นอกจากนี้ เจ้าหน้าที่ยังระบุอย่างชัดเจนว่าสามารถใช้แนวทางอื่นได้ โดยต้องสอดคล้องกับกรอบกฎหมายที่มีอยู่ และได้รับความเห็นชอบจากหน่วยงานดังกล่าวล่วงหน้า

ข้อมูลเบื้องต้นเกี่ยวกับหลักฐานความน่าเชื่อถือในการสร้างแบบจำลองทางคอมพิวเตอร์ 

ก่อนอื่น ผู้มีอำนาจกล่าวว่าในการยื่นเรื่องกฎระเบียบด้านอุปกรณ์การแพทย์ที่ซับซ้อนเช่นนี้ “หลักฐานความน่าเชื่อถือ” ดูเหมือนจะเป็นหนึ่งในแนวคิดที่สำคัญที่สุด

ตามที่อธิบายเพิ่มเติมโดย FDA เนื้อหาครอบคลุมถึงกิจกรรมการตรวจสอบแบบดั้งเดิม โดยกล่าวถึงหลักฐานใดๆ ที่สนับสนุนความน่าเชื่อถือของแบบจำลองการคำนวณสำหรับบริบทการใช้งาน (COU) ที่กำหนดไว้

หลักฐานที่หลากหลายนี้รวมถึงกิจกรรมการตรวจสอบและการวัดปริมาณความไม่แน่นอน (UQ) ที่หลากหลาย ซึ่งแต่ละกิจกรรมให้ข้อมูลเชิงลึกที่ไม่ซ้ำกันเกี่ยวกับความเที่ยงตรงของแบบจำลอง

ตามแนวทางดังกล่าว จุดประสงค์ของการดำเนินการนี้ไม่ใช่เพียงเพื่อรวบรวมหลักฐานเท่านั้น แต่ยังเพื่อแยกแยะและจัดหมวดหมู่อย่างเป็นระบบ

การรวบรวมหลักฐานที่เป็นระบบดังกล่าวทำหน้าที่ในการประเมินความน่าเชื่อถือของแบบจำลอง ทำให้หน่วยงานกำกับดูแลและผู้มีส่วนได้ส่วนเสียมั่นใจในความแม่นยำและการนำไปใช้ในสถานการณ์ทางคลินิก

การตรวจสอบและหมวดหมู่ของมัน

การตรวจสอบความถูกต้องซึ่งเป็นองค์ประกอบสำคัญของความน่าเชื่อถือ แบ่งออกเป็นการตรวจสอบรหัสและการตรวจสอบการคำนวณ

การตรวจสอบรหัสเป็นกระบวนการที่เข้มงวดเพื่อให้แน่ใจว่าอัลกอริธึมเชิงตัวเลขจะถูกนำไปใช้อย่างถูกต้องภายในซอฟต์แวร์ โดยไม่มีข้อผิดพลาดที่อาจส่งผลต่อความแม่นยำของตัวเลข

ซึ่งครอบคลุมการประกันคุณภาพซอฟต์แวร์ที่เข้มงวดและการตรวจสอบรหัสตัวเลขที่เข้มงวด ดังที่ระบุไว้ใน ASME V&V 40

การตรวจสอบความถูกต้องของการคำนวณมุ่งเน้นไปที่การประมาณค่าข้อผิดพลาดเชิงตัวเลขในเอาท์พุตของแบบจำลอง ซึ่งมักมีสาเหตุมาจากการตัดสินใจ เช่น การแยกส่วนเชิงพื้นที่

รูปแบบการตรวจสอบนี้เป็นแบบไดนามิกและสามารถนำไปใช้ในขั้นตอนการจำลองใดก็ได้ ไม่ว่าจะในระหว่างการตรวจสอบหรือภายในการจำลองเฉพาะของ COU

ผ่านกระบวนการตรวจสอบเหล่านี้ ความสมบูรณ์เชิงตัวเลขของแบบจำลองจะถูกพิจารณาและยืนยัน โดยวางองค์ประกอบพื้นฐานของความน่าเชื่อถือ

การตรวจสอบความถูกต้องและบทบาทในการประเมินความน่าเชื่อถือ

การตรวจสอบความถูกต้องแตกต่างจากการสอบเทียบ โดยเน้นการเปรียบเทียบการคาดการณ์แบบจำลองกับข้อมูลที่เป็นอิสระจากข้อมูลที่ใช้สร้างแบบจำลอง

การตรวจสอบอย่างอิสระนี้เป็นสิ่งที่สนับสนุนความน่าเชื่อถือของแบบจำลอง ตามที่อธิบายโดยผู้มีอำนาจ การตรวจสอบไม่ได้เป็นเพียงช่องทำเครื่องหมาย แต่เป็นการประเมินที่ครอบคลุมซึ่งขยายไปสู่การบังคับใช้แบบจำลองกับ COU

สิ่งนี้เกี่ยวข้องกับการประเมินการบังคับใช้ ซึ่งจะประเมินความเกี่ยวข้องและความสามารถในการถ่ายโอนของกิจกรรมการตรวจสอบความถูกต้องไปยัง COU

การประเมินทำให้มั่นใจได้ว่าความแตกต่างระหว่างเงื่อนไขการตรวจสอบความถูกต้องของแบบจำลองและการใช้งานจริงจะไม่บ่อนทำลายความเกี่ยวข้องของการตรวจสอบกับ COU ดังนั้นจึงรักษาความสมบูรณ์ของความน่าเชื่อถือของแบบจำลอง

การวิเคราะห์ปริมาณความไม่แน่นอนและความไว 

ตามแนวทางดังกล่าว UQ ถือเป็นส่วนสำคัญในการประมาณค่าความไม่แน่นอนที่มีอยู่ในเอาท์พุตของแบบจำลอง โดยจะพิจารณาความแปรปรวนของอินพุตและความแตกต่างทางโครงสร้างของตัวโมเดลเอง

UQ เชื่อมโยงโดยเนื้อแท้กับการวิเคราะห์ความไว (SA) ซึ่งระบุถึงอิทธิพลของอินพุตโมเดลแต่ละรายการที่มีต่อเอาต์พุต SA สามารถลดความซับซ้อนของ UQ ได้โดยการระบุปัจจัยนำเข้าที่ส่งผลต่อผลลัพธ์อย่างมีนัยสำคัญ ดังนั้นจึงจำกัดการมุ่งเน้นสำหรับความพยายามของ UQ ให้แคบลง

อย่างไรก็ตาม วัตถุประสงค์สูงสุดของ UQ คือการหาปริมาณความไม่แน่นอนของผลลัพธ์ของแบบจำลอง ซึ่งเป็นพื้นฐานเชิงปริมาณสำหรับความน่าเชื่อถือของแบบจำลอง

สามารถใช้ทั้ง UQ และ SA กับการตรวจสอบความถูกต้องหรือการจำลอง COU ได้ ซึ่งเน้นย้ำถึงความอเนกประสงค์ในการเพิ่มความน่าเชื่อถือของโมเดล

การจัดหมวดหมู่หลักฐานความน่าเชื่อถือ 

การแบ่งประเภทของหลักฐานความน่าเชื่อถือออกเป็นแปดประเภทที่แตกต่างกัน ทำหน้าที่ในการจัดเตรียมหลักฐานที่สนับสนุนแบบจำลองการคำนวณอย่างเป็นระบบ

โครงสร้างนี้ช่วยในการจัดระเบียบหลักฐาน อย่างไรก็ตาม โครงสร้างนี้ไม่ได้ครอบคลุมหรือบ่งชี้ถึงคุณภาพหรือความเข้มงวดของหลักฐานแต่อย่างใด

หมวดหมู่ไม่ได้รับการจัดอันดับ แต่ทำหน้าที่เป็นกรอบแนวทางในการรวบรวมหลักฐาน เพื่อให้มั่นใจว่ามีการนำเสนอที่ครอบคลุมและมีโครงสร้างในการยื่นเรื่องตามกฎระเบียบ

หลักฐานความน่าเชื่อถือแต่ละประเภทถูกกำหนดโดยลักษณะเฉพาะและบริบทของการนำไปใช้

ตัวอย่างเช่น ผลการตรวจสอบโค้ด (หมวดที่ 1) ตรวจสอบความถูกต้องของการไม่มีข้อผิดพลาดในการใช้งานเชิงตัวเลข ในขณะที่ผลการตรวจสอบความถูกต้องใน vivo (หมวดหมู่ 4) ตรวจสอบความถูกต้องของการทำนายของแบบจำลองกับข้อมูลทางชีวภาพจากสิ่งมีชีวิต

การใช้หมวดหมู่เหล่านี้มีส่วนช่วยให้เกิดความเข้าใจโดยละเอียดเกี่ยวกับประเภทของหลักฐานที่สามารถยืนยันความน่าเชื่อถือของแบบจำลองได้

การส่งตามกฎระเบียบและการรวมหลักฐาน 

ตามที่อธิบายโดย FDA การบูรณาการหลักฐานความน่าเชื่อถือเข้ากับการยื่นตามกฎระเบียบควรสะท้อนถึงความเสี่ยงที่เกี่ยวข้องของแบบจำลอง

คำแนะนำนี้ไม่ได้กำหนดประเภทหลักฐานเฉพาะสำหรับการรวม แต่แนะนำแนวทางที่ครอบคลุม โดยพิจารณาปัจจัยต่างๆ เช่น ประเภทแบบจำลอง และความสมบูรณ์ของสาขาการสร้างแบบจำลอง

หลักฐานควรครอบคลุมแง่มุมต่างๆ เช่น การตรวจสอบรหัส การตรวจสอบการคำนวณ และการตรวจสอบความถูกต้อง เพื่อแสดงถึงความสามารถของแบบจำลองแบบองค์รวม

การใช้หลักฐานความน่าเชื่อถือเป็นตัวอย่างผ่านกรณีปฏิบัติ เช่น ในการทดสอบอุปกรณ์ซิลิโก ซึ่งอาจเกี่ยวข้องกับหลักฐานความน่าเชื่อถือหลายรูปแบบเพื่อยืนยันการประยุกต์ใช้แบบจำลอง

ตัวอย่างเหล่านี้เน้นย้ำถึงลักษณะของการเลือกหลักฐานที่ขึ้นอยู่กับบริบท และความสำคัญของแนวทางที่ได้รับการปรับแต่งเพื่อบูรณาการหลักฐานในการยื่นตามกฎระเบียบ

สรุป

โดยสรุป หลักฐานความน่าเชื่อถือเป็นส่วนสำคัญในการสนับสนุนแบบจำลองการคำนวณเพื่อวัตถุประสงค์ด้านกฎระเบียบ นักพัฒนาซอฟต์แวร์ได้รับการสนับสนุนให้มีส่วนร่วมเชิงรุกกับกระบวนการตอบรับตามกฎระเบียบ เช่น กระบวนการส่งคำถาม เพื่อให้มั่นใจถึงความน่าเชื่อถือของแนวทางที่ใช้

แหล่ง

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

RegDesk สามารถช่วยได้อย่างไร?

RegDesk คือระบบการจัดการข้อมูลด้านกฎระเบียบแบบองค์รวมที่ช่วยให้บริษัทอุปกรณ์ทางการแพทย์และยามีความรู้ด้านกฎระเบียบสำหรับตลาดมากกว่า 120 แห่งทั่วโลก สามารถช่วยคุณจัดเตรียมและเผยแพร่แอปพลิเคชันระดับโลก จัดการมาตรฐาน ดำเนินการประเมินการเปลี่ยนแปลง และรับการแจ้งเตือนแบบเรียลไทม์เกี่ยวกับการเปลี่ยนแปลงด้านกฎระเบียบผ่านแพลตฟอร์มแบบรวมศูนย์ ลูกค้าของเรายังสามารถเข้าถึงเครือข่ายผู้เชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบมากกว่า 4000 รายทั่วโลกเพื่อรับการตรวจสอบคำถามที่สำคัญ การขยายตัวไปทั่วโลกไม่เคยง่ายขนาดนี้มาก่อน