Hesaplamalı Modelleme ve Simülasyonun Güvenilirliğinin Değerlendirilmesine İlişkin FDA Rehberi: Güvenilirlik Kanıtı Bölüm 2 | FDA

İçerik tablosu

The Gıda ve İlaç İdaresi ABD'nin sağlık ürünleri alanındaki düzenleyici otoritesi, tıbbi cihaz sunumlarında hesaplamalı modelleme ve simülasyonun güvenilirliğini değerlendirmeye yönelik bir kılavuz belge yayınladı.

Belge, geçerli düzenleyici gerekliliklere genel bir bakışın yanı sıra tıbbi cihaz üreticileri ve ilgili diğer taraflarca bunlara uygunluğun sağlanması için dikkate alınması gereken ek açıklamalar ve öneriler sunmaktadır.

Aynı zamanda, rehberin hükümleri hukuki niteliği itibarıyla bağlayıcı değildir ve yeni kurallar getirme veya yeni yükümlülükler getirme amacı taşımamaktadır.

Ayrıca otorite, alternatif bir yaklaşımın mevcut yasal çerçeveye uygun olması ve otorite ile önceden mutabakata varılması koşuluyla uygulanabileceğini açıkça belirtmektedir.

Belge, diğerlerinin yanı sıra, tıbbi cihazlardan sorumlu tarafların iddialarını kanıtlamak için gereken güvenilirlik kanıtlarıyla ilgili hususları kapsamaktadır. 

Kılavuza göre, hesaplamalı modelleme, tıbbi cihazların ve hastaya özel tedavilerin geliştirilmesinde ve onaylanmasında önemli bir rol oynuyor.

Genellikle karmaşık ve karmaşık olan bu modeller, doğruluk ve güvenilirliği sağlamak için sıkı doğrulama gerektirir.

Doğrulama, her biri model güvenilirliğinin farklı yönlerini ele alan çeşitli kategorileri kapsayan bir süreçtir.

Mevcut kılavuz, tıbbi cihaz geliştirme ve hasta bakımındaki önemini vurgulayarak bu kategorileri ayrıntılı olarak açıklamaktadır.

In Vivo Doğrulama Sonuçları (Kategori 4)

İn vivo doğrulama, klinik veya hayvan verileri kullanılarak hasta düzeyinde karşılaştırmalara odaklanarak hesaplamalı model güvenilirliğinin temelini oluşturur.

FDA tarafından açıklandığı gibi bu doğrulama, tıbbi cihazlara yönelik klinik deneylerde kullanılanlar gibi hastaya özel hesaplamalı modeller için gereklidir. Örneğin, akışkanlar dinamiğinde, tahminde bulunan bir klinik yazılım aracı Kesirli Akış Rezervi Koroner arterlerdeki (FFR) invazif klinik FFR ölçümleriyle doğrulanmıştır.

Benzer şekilde, ultrason veya radyofrekans enerjisi gibi tıbbi cihazlardan kaynaklanan doku ısınmasını öngören biyoısı transfer modelleri, insan veya hayvan modellerinde doğrudan sıcaklık ölçümleri kullanılarak doğrulanmaktadır.

Hesaplama doğrulaması ve belirsizlik ölçümü (UQ), bu süreçlerde önemli rol oynayarak doğrulama sonuçlarının sağlamlığını sağlar.

Nüfusa Dayalı Doğrulama Sonuçları (Kategori 5)

Nüfusa dayalı doğrulama, daha geniş popülasyon düzeyinde veri karşılaştırmalarına odaklanarak hasta düzeyinde doğrulamayla çelişir.

Bu yaklaşım özellikle doğrulamayla ilgilidir "sanal popülasyonlar"Ya da"sanal gruplar”, bunlar bir hasta popülasyonunu temsil eden birden fazla hasta modelidir.
Bunun bir örneği, antropomorfik bir modelde değişen parametrelerle sanal hasta modellerinin oluşturulduğu tıbbi görüntülemedir.

Bilgisayar simülasyonlu deneme sonuçları, klinik sonuçlarla istatistiksel olarak karşılaştırılarak tahminlerin gerçek insan denek denemeleriyle uyumlu olması sağlanır.

Bu doğrulama kategorisi, model tahminlerinin kapsamlı klinik veri kümelerine göre doğrulanmasında büyük ölçekli veri analizinin öneminin altını çizer.

Ortaya Çıkan Model Davranışı (Kategori 6)

Kılavuza göre, ortaya çıkan model davranışı benzersiz bir doğrulama yaklaşımını temsil ediyor ve hesaplamalı modellerin, bilinen olayları belirli koşullar altında, bu olgular açık bir şekilde modellenmediğinde bile yeniden üretme yeteneğini vurguluyor.

Örneğin, akışkanlar dinamiğinde, stenotik bir damardaki kan akışını tahmin eden bir model, belirli koşullar altında bilinen bir olgu olan geçişli veya türbülanslı akışı tahmin etme yeteneğine dayalı olarak doğrulanabilir.

Benzer şekilde, kalp elektrofizyolojisinde, kalpteki elektriksel aktiviteyi simüle eden modeller, klinik EKG'lerle karşılaştırılabilir elektrokardiyogram morfolojilerini yeniden üretme yeteneklerine dayalı olarak doğrulanır.

Bu tür kanıtlar, modelin karmaşık fizyolojik davranışları kopyalama yeteneğinin altını çizerek güvenilirliğini artırıyor.

Model Olasılığı (Kategori 7)

Modelin inandırıcılığı, yönetim denklemlerinin, model varsayımlarının ve girdi parametrelerinin seçimlerini destekleyen mantığı ifade eder.
Modelin temelinin teorik sağlamlığına ve gerekçesine dayanan bir kanıt biçimidir.

Bunun bir örneği, makullük kanıtlarının implant malzemesi modelinin güvenilirliğini desteklediği eklem artroplastisinin sonlu elemanlar modelidir.

Modelin yönetici denklemleri, varsayımları ve girdi parametreleri, bilinen mekanik davranışlara ve malzeme özelliklerine göre doğrulanır ve özellikle doğrulama için deneysel veriler sınırlı olduğunda model güvenilirliği için güçlü bir temel sağlar.

COU Simülasyonlarını Kullanarak Hesaplama Doğrulaması/UQ (Kategori 8)

Bu kategori, bağımsız hesaplama doğrulamasını ve Kullanım Durumu (COU) simülasyonları kullanılarak gerçekleştirilen UQ sonuçlarını içerir.

Bu simülasyonlar, doğrudan doğrulamanın mümkün olmadığı in silico cihaz testleri veya klinik deneyler için çok önemlidir. Örneğin, bir tıbbi cihazın sonlu eleman modeli, minimum sayısal hata sağlamak için bir ağ yakınsama çalışmasına tabi tutulabilir ve bu da modelin farklı MUB senaryolarında kullanımını destekler.

Başka bir durumda, bir ventriküler destek cihazında hemoliz üzerindeki üretim toleranslarındaki değişiklikleri değerlendiren bir akışkan dinamiği modeli, tahmin edilen akış kaynaklı stres ve kana maruz kalma süresi üzerindeki geometrik farklılıkların etkisini ölçmek için UQ'yu kullanır.

Bu örnekler, belirli kullanım koşulları altında modellerin doğruluğunu ve güvenilirliğini sağlamanın içerdiği karmaşık süreçleri göstermektedir.

Otorite tarafından açıklandığı gibi, doğrulama kanıtlarının çeşitli kategorileri, tıbbi cihaz alanında hesaplamalı model doğrulamanın spesifik doğasını vurgulamaktadır.

İn vivo doğrulamadan model inandırıcılığına kadar her kategori, hesaplamalı modellerin güvenilirliğinin oluşturulmasında ve arttırılmasında çok önemli bir rol oynar.

Bu modeller tıbbi cihaz geliştirme, hastaya özel tedaviler ve genel hasta bakımının geliştirilmesinde hayati öneme sahiptir.

Teknoloji ve tıp bilimi gelişmeye devam ettikçe, hızlı teknoloji gelişimi göz önüne alındığında, sürekli değişen bir ortamda sağlam, güvenilir ve uygun kalmalarını sağlayacak şekilde hesaplamalı model doğrulamadaki metodolojiler ve uygulamalar da gelişmelidir.

Sonuç

Özet olarak, mevcut FDA kılavuzu, tıbbi uygulamalar bağlamında hesaplamalı modellemede çeşitli doğrulama kanıt kategorilerine kapsamlı bir genel bakış sunmaktadır. Belge, her bir kategorinin özünü ve daha geniş tıbbi cihaz geliştirme ve hasta bakımı bağlamındaki ilgisini özetlemektedir.

Kaynak

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

RegDesk Nasıl Yardımcı Olabilir?

Kayıt Masası tıbbi cihaz ve ilaç şirketlerine dünya çapında 120'den fazla pazar için düzenleyici bilgiler sağlayan bütünsel bir Düzenleyici Bilgi Yönetim Sistemidir. Merkezi bir platform aracılığıyla küresel uygulamaları hazırlamanıza ve yayınlamanıza, standartları yönetmenize, değişiklik değerlendirmeleri yürütmenize ve mevzuat değişiklikleriyle ilgili gerçek zamanlı uyarılar almanıza yardımcı olabilir. Müşterilerimiz ayrıca kritik sorularla ilgili doğrulama almak için dünya çapında 4000'den fazla uyumluluk uzmanından oluşan ağımıza erişebilir. Küresel genişleme hiç bu kadar basit olmamıştı.