Рекомендації FDA щодо оцінки достовірності обчислювального моделювання та симуляції: докази достовірності, частина 2 | FDA

Зміст

Команда Управління з продовольства і медикаментів регулюючий орган США у сфері товарів для охорони здоров’я опублікував керівний документ, присвячений оцінці достовірності обчислювального моделювання та імітації в поданнях медичних пристроїв.

Документ містить огляд чинних нормативних вимог, а також додаткові роз’яснення та рекомендації, які повинні бути враховані виробниками медичних виробів та іншими залученими сторонами для забезпечення їх відповідності.

У той же час, положення керівництва не є обов'язковими за своєю правовою природою, а також не мають на меті запровадження нових правил чи накладення нових зобов'язань.

Крім того, орган прямо зазначає, що може бути застосований альтернативний підхід, якщо такий підхід відповідає існуючій правовій базі та був попередньо погоджений з органом.

Документ охоплює, зокрема, аспекти, пов’язані з достовірністю доказів, необхідних для обґрунтування претензій, висунутих сторонами, відповідальними за медичні пристрої. 

Згідно з інструкціями, обчислювальне моделювання відіграє вирішальну роль у розробці та валідації медичних пристроїв і індивідуальних методів лікування пацієнтів.

Ці моделі, часто витончені та складні, вимагають суворої перевірки для забезпечення точності та надійності.

Валідація — це процес, що охоплює різні категорії, кожна з яких стосується різних аспектів достовірності моделі.

Ці настанови детально описують ці категорії, підкреслюючи їх важливість у розробці медичних пристроїв і догляді за пацієнтами.

Результати перевірки in vivo (категорія 4)

Валідація in vivo формує основу достовірності обчислювальної моделі, зосереджуючись на порівняннях на рівні пацієнта з використанням клінічних даних або даних тварин.

Як пояснило FDA, ця перевірка є важливою для індивідуальних обчислювальних моделей, наприклад тих, що використовуються в клінічних випробуваннях медичних пристроїв. Наприклад, у гідродинаміці, клінічний програмний інструмент прогнозування Резерв дробового потоку (FFR) у коронарних артеріях підтверджено інвазивними клінічними вимірюваннями FFR.

Подібним чином моделі біотеплопередачі, що передбачають нагрівання тканин від медичних пристроїв, таких як ультразвук або радіочастотна енергія, підтверджуються за допомогою прямих вимірювань температури на моделях людей або тварин.

Перевірка розрахунків і кількісна оцінка невизначеності (UQ) відіграють ключову роль у цих процесах, забезпечуючи надійність результатів перевірки.

Результати перевірки на основі сукупності (категорія 5)

Валідація на основі популяції відрізняється від валідації на рівні пацієнта, зосереджуючись на більш широкому порівнянні даних на рівні популяції.

Цей підхід особливо актуальний для перевірки "віртуальні популяції"Або"віртуальні когорти», які являють собою кілька моделей пацієнтів, що представляють популяцію пацієнтів.
Прикладом цього є медична візуалізація, де віртуальні моделі пацієнтів генеруються зміною параметрів у антропоморфній моделі.

Результати випробувань, змодельованих за допомогою комп’ютера, статистично порівнюються з клінічними результатами, що забезпечує відповідність прогнозів фактичним випробуванням на людях.

Ця категорія валідації підкреслює важливість широкомасштабного аналізу даних для перевірки прогнозів моделі проти комплексних наборів клінічних даних.

Емергентна модель поведінки (Категорія 6)

Відповідно до вказівок, поведінка емерджентної моделі являє собою унікальний підхід перевірки, підкреслюючи здатність обчислювальних моделей відтворювати відомі явища за певних умов, навіть якщо ці явища явно не змодельовані.

Наприклад, у гідродинаміці модель, що передбачає кровотік через стенозовану судину, може бути перевірена на основі її здатності передбачати перехідний або турбулентний потік, відоме явище за певних умов.

Так само в електрофізіології серця моделі, що імітують електричну активність серця, перевіряються на основі їх здатності відтворювати морфологію електрокардіограми, порівнянну з клінічними ЕКГ.

Цей тип доказів підкреслює здатність моделі відтворювати складну фізіологічну поведінку, підвищуючи її достовірність.

Правдоподібність моделі (категорія 7)

Правдоподібність моделі стосується обґрунтування вибору керівних рівнянь, припущень моделі та вхідних параметрів.
Це форма доказу, що ґрунтується на теоретичній обґрунтованості та обґрунтованості основи моделі.

Прикладом є кінцево-елементна модель ендопротезування суглоба, де докази правдоподібності підтверджують достовірність моделі матеріалу імплантату.

Керівні рівняння моделі, припущення та вхідні параметри обґрунтовуються на основі відомої механічної поведінки та властивостей матеріалу, забезпечуючи надійну основу для довіри до моделі, особливо коли експериментальні дані для перевірки обмежені.

Перевірка розрахунків/UQ з використанням моделювання COU (категорія 8)

Ця категорія передбачає перевірку автономних розрахунків і результати UQ, виконані за допомогою моделювання умов використання (COU).

Це моделювання має вирішальне значення для тестування пристроїв in silico або клінічних випробувань, де пряма перевірка неможлива. Наприклад, кінцево-елементна модель медичного пристрою може пройти дослідження конвергенції сітки, щоб забезпечити мінімальну числову помилку, підтримуючи використання моделі в різних сценаріях COU.

В іншому випадку модель рідинної динаміки, що оцінює зміни у виробничих допусках щодо гемолізу в допоміжному пристрої для шлуночків, використовує UQ для кількісного визначення впливу геометричних дисперсій на прогнозований стрес, спричинений потоком, і час впливу крові.

Ці приклади ілюструють складні процеси, пов’язані з забезпеченням точності та надійності моделей за конкретних умов використання.

Як пояснив орган влади, різні категорії доказів валідації підкреслюють специфічний характер валідації обчислювальної моделі в сфері медичних пристроїв.

Кожна категорія, від перевірки in vivo до правдоподібності моделі, відіграє вирішальну роль у створенні та підвищенні достовірності обчислювальних моделей.

Ці моделі є життєво важливими для розвитку медичних пристроїв, індивідуального лікування пацієнтів і загального догляду за пацієнтами.

Оскільки технологія та медична наука продовжують розвиватися, так само повинні розвиватися методології та практики підтвердження обчислювальної моделі, забезпечуючи, щоб вони залишалися надійними, надійними та актуальними в умовах, що постійно змінюються, враховуючи швидкий розвиток технологій.

Висновок

Підсумовуючи, теперішня інструкція FDA надає вичерпний огляд різних категорій доказів перевірки в обчислювальному моделюванні в контексті медичних застосувань. У документі викладено суть кожної категорії та її актуальність у ширшому контексті розробки медичних виробів та догляду за пацієнтами.

Source

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

Як RegDesk може допомогти?

RegDesk це цілісна система управління нормативною інформацією, яка надає компаніям, що займаються медичним обладнанням, і фармацевтичним компаніям регулятивну інформацію для понад 120 ринків у всьому світі. Він може допомогти вам підготувати та опублікувати глобальні програми, керувати стандартами, проводити оцінку змін і отримувати сповіщення в реальному часі про нормативні зміни через централізовану платформу. Наші клієнти також мають доступ до нашої мережі з понад 4000 експертів із відповідності по всьому світу, щоб отримати перевірку критичних питань. Глобальне розширення ніколи не було таким простим.