6 min de lecture
L'introduction du règlement européen 2017/745 relatif aux dispositifs médicaux a renforcé et élargi les attentes en matière d'évaluation clinique pour les logiciels en tant que dispositifs médicaux (SaMD) et les technologies basées sur l'intelligence artificielle. Bien que les principes du RDM s'appliquent de la même manière aux logiciels et au matériel, les logiciels ne peuvent plus se reposer uniquement sur des indicateurs de performance simplifiés ; l'évaluation clinique doit au contraire s'appuyer sur des données cliniques solides, étayées par des activités de vérification et de validation logicielles appropriées ainsi que par une validation clinique démontrant la performance clinique, l'acceptabilité du rapport bénéfice-risque et la suffisance des données tout au long du cycle de vie du dispositif.
Les organismes notifiés examinent de plus près la façon dont les fabricants établissent et maintiennent la performance clinique, l'acceptabilité du rapport bénéfice-risque et la robustesse des preuves cliniques tout au long du cycle de vie des SaMD et des dispositifs basés sur l'intelligence artificielle. L'application efficace des principes du RDM aux technologies algorithmiques nécessite donc une compréhension claire des attentes réglementaires ainsi qu'une approche structurée et axée sur le cycle de vie pour la production et la mise à jour des preuves cliniques.
Principes d'évaluation clinique du RDM appliqués aux logiciels
Selon le RDM, l'évaluation clinique doit démontrer qu'un dispositif remplit la finalité médicale prévue et conserve un profil bénéfice-risque acceptable. Ce processus est principalement mentionné dans le document MDCG 2020-1 et s'inscrit en outre dans la continuité des orientations de l'IMDRF reconnues à l'échelle internationale sur l'évaluation clinique des logiciels en tant que dispositifs médicaux (SaMD), qui mettent l'accent sur la pertinence clinique, la validité de l'association clinique et les allégations de performance fondées sur des preuves. L'évaluation clinique doit donc se concentrer sur la manière dont les résultats fournis par le logiciel contribuent à des décisions cliniques pertinentes, plutôt que sur la seule performance technique.
Les organismes notifiés s'attendent à ce que les fabricants expliquent clairement comment les fonctionnalités du logiciel se traduisent par des avantages en matière de diagnostic, de traitement ou d'aide à la décision pour les utilisateurs visés. Cela comprend une définition précise de l'utilisation prévue, de la population cible, du contexte clinique et des interactions avec l'utilisateur. Toute ambiguïté dans ces domaines entraîne souvent des difficultés lors de l'évaluation de la conformité.
Définition de la performance clinique des algorithmes
L'un des défis les plus importants dans l'évaluation clinique des SaMD réside dans la définition et la mesure de la performance clinique. Contrairement aux dispositifs traditionnels, la performance d'un logiciel ne peut pas être évaluée uniquement sur la base de caractéristiques physiques ou d'essais en laboratoire.
Les organismes notifiés s'attendent à ce que la performance clinique soit démontrée à l'aide de critères d'évaluation appropriés qui reflètent l'utilisation clinique réelle. Selon la finalité du logiciel, cela peut inclure la précision diagnostique, la sensibilité et la spécificité, l'impact sur la décision clinique ou des mesures de résultats pour les patients.
Les indicateurs de performance doivent être justifiés au regard de la pratique clinique actuelle et de l'état de l'art. Cela souligne l'importance d'adopter des approches défendables en matière d'évaluation clinique et de performance, dans lesquelles la validation du logiciel s'appuie sur des preuves cliniques plutôt que sur de simples critères techniques.
Sources de preuves cliniques pour les SaMD et les dispositifs d'intelligence artificielle
Les preuves cliniques relatives aux SaMD peuvent provenir de multiples sources, notamment des investigations cliniques, de la littérature, d'analyses de données rétrospectives, de données de vie réelle et de données post-commercialisation. Les organismes notifiés vérifient si les sources de données choisies sont adaptées à la classe de risque, au caractère novateur et aux allégations cliniques du logiciel.
Lorsqu'ils ont recours à la littérature, les fabricants doivent prouver que les données publiées s'appliquent directement à la version spécifique du logiciel, à la logique de son algorithme et à son utilisation prévue. Cette exigence nécessite souvent des protocoles rigoureux de recherche bibliographique sur les dispositifs médicaux ainsi que des analyses critiques afin de garantir la pertinence et la reproductibilité des résultats.
Pour les dispositifs basés sur l'intelligence artificielle, l'accès aux jeux de données d'entraînement et de validation, ainsi que la transparence sur la conception de l'algorithme, jouent un rôle déterminant dans la robustesse de l'évaluation clinique.
État de l'art et analyse comparative des algorithmes
La définition de l'état de l'art est particulièrement complexe pour les SaMD et les technologies d'intelligence artificielle en raison de l'innovation rapide et de l'évolution des pratiques cliniques. Les organismes notifiés attendent de l'état de l'art qu'il reflète non seulement des solutions logicielles comparables, mais aussi des parcours de soins alternatifs et des interventions autres que logicielles.
L'évaluation comparative de la performance d'un algorithme par rapport à l'état de l'art exige une justification rigoureuse du choix des comparateurs et des seuils de performance. Des définitions faibles ou obsolètes de l'état de l'art risquent de fragiliser les revendications de bénéfice clinique et de soulever des doutes quant à la suffisance des preuves.
Ces difficultés rappellent l'importance de concevoir les définitions de l'état de l'art comme des éléments évolutifs au sein du rapport d'évaluation clinique, en phase avec l'évolution des normes cliniques et des capacités technologiques.
Article 61 et suffisance des preuves pour les SaMD
Apporter des preuves cliniques suffisantes conformément à l'article 61 constitue une obligation essentielle pour les SaMD et les dispositifs basés sur l'intelligence artificielle. Les organismes notifiés évaluent si les données cliniques disponibles étayent de manière adéquate les allégations de sécurité et de performance, en tenant compte du degré d'autonomie du logiciel, de son impact clinique et de son profil de risque.
Pour les algorithmes adaptatifs ou en apprentissage continu, les fabricants doivent expliquer comment la suffisance des preuves est maintenue dans le temps, en particulier lorsque les mises à jour logicielles sont susceptibles de modifier les caractéristiques de performance. Cette attente est conforme aux orientations du document MDCG 2020-6 sur la suffisance des données cliniques, qui insistent sur la proportionnalité et l'évaluation des preuves tout au long du cycle de vie.
Gestion des mises à jour logicielles et des modifications du cycle de vie
Les mises à jour logicielles représentent l'un des défis réglementaires les plus majeurs pour les dispositifs médicaux dotés d'intelligence artificielle, les organismes notifiés exigeant des fabricants qu'ils évaluent rigoureusement si les modifications ont un impact sur la performance clinique, la sécurité ou l'acceptabilité du rapport bénéfice-risque.
Conformément au document MDCG 2020-3, un processus structuré de gestion des changements est indispensable pour veiller à ce que les mises à jour entraînant un impact clinique significatif, telles que le réentraînement de modèles, soient documentées dans l'évaluation clinique et étayées par des preuves adéquates. L'intégration de ces activités dans des pratiques plus larges de gestion du cycle de vie des dispositifs médicaux contribue à préserver la traçabilité et la confiance des autorités réglementaires.
La surveillance après commercialisation et le suivi clinique post-commercialisation (PMCF) jouent un rôle primordial dans le suivi de la performance des logiciels en conditions réelles et dans l'identification des risques émergents.
Preuves post-commercialisation pour les SaMD et les dispositifs d'intelligence artificielle
En vertu du RDM, les données post-commercialisation constituent un élément central de l'évaluation clinique des SaMD. Les organismes notifiés attendent des systèmes de surveillance après commercialisation qu'ils recensent les tendances en matière de performance, les retours des utilisateurs et les résultats cliniques réels associés au logiciel afin de garantir que l'algorithme demeure sûr et efficace dans la pratique médicale.
Les activités de PMCF telles qu'indiquées dans le document MDCG 2020-7 sont nécessaires pour répondre aux incertitudes résiduelles, en particulier pour les systèmes d'IA déployés dans des environnements cliniques complexes ou à haut risque. Ces attentes concordent avec les perspectives réglementaires plus larges de l'Agence européenne des médicaments sur la santé numérique et l'intelligence artificielle, qui soulignent l'importance d'une surveillance tout au long du cycle de vie pour les technologies adaptatives.
Conclusion : application des principes d'évaluation clinique du MDR aux algorithmes
Bien que les principes du MDR s'appliquent de manière cohérente à l'ensemble des technologies de dispositifs médicaux, les SaMD et les dispositifs basés sur l'IA nécessitent une adaptation minutieuse des méthodologies traditionnelles d'évaluation clinique. Les organismes notifiés s'attendent à ce que les fabricants démontrent une pertinence clinique claire, une validation des performances défendable et une suffisance continue des preuves tout au long du cycle de vie du logiciel.
Les fabricants qui abordent l'évaluation clinique des SaMD comme un processus continu et fondé sur des preuves, intégré à la surveillance après commercialisation et à la gestion des changements, sont mieux armés pour répondre aux attentes réglementaires et maintenir leur conformité. Appliquer judicieusement les principes du MDR aux algorithmes est essentiel non seulement pour obtenir l'approbation réglementaire, mais aussi pour préserver la confiance envers la prise de décision clinique guidée par des logiciels.
Comment Freyr prend en charge l'évaluation clinique pour les SaMD et les dispositifs d'IA
L'évaluation clinique des SaMD et des dispositifs basés sur l'IA requiert une expertise spécialisée au croisement de la science clinique, de la stratégie réglementaire et du développement logiciel. Freyr aide les fabricants à élaborer des rapports d'évaluation clinique défendables, à définir des critères de performance clinique appropriés et à aligner leurs stratégies en matière de preuves sur le MDR et les orientations internationales.
Les experts de Freyr interviennent dans les évaluations fondées sur la littérature, les analyses d'écarts de preuves cliniques, l'intégration des données probantes post-commercialisation et les interactions avec les organismes notifiés pour les technologies logicielles. Pour obtenir de l'aide concernant l'évaluation clinique des SaMD ou de l'IA, l'élaboration de CER ou la stratégie de preuves dans le cadre du EU MDR, parlez à un expert de Freyr pour discuter de vos défis réglementaires.
À propos de l'auteur
La Dre Radhika Ramachandran dirige le Centre d'Excellence (CoE) mondial de rédaction médicale réglementaire chez Freyr Inc. Elle y élabore des documentations et des stratégies réglementaires conformes aux cadres réglementaires mondiaux pour les dispositifs médicaux et les dispositifs médicaux de diagnostic in vitro (IVD). Forte de plus de dix ans d'expérience dans le domaine des MedTech, de la recherche clinique et de la stratégie réglementaire, elle est spécialisée dans le développement et l'examen de documents réglementaires à fort impact, alignés sur les normes mondiales, y compris l'EU MDR et l'EU IVDR. Elle offre des services de conseil stratégique et des solutions de rédaction réglementaire sur mesure aux entreprises MedTech, en soutenant leurs soumissions réglementaires et la documentation de cycle de vie. La Dre Radhika est titulaire d'un doctorat en biotechnologie et est une rédactrice médicale certifiée, ayant contribué à plus de 1 500 documents réglementaires. Son objectif actuel est d'exploiter l'intelligence artificielle et la santé numérique pour transformer la rédaction médicale réglementaire.
