,
6 minuti di lettura
L'introduzione del Regolamento UE sui dispositivi medici 2017/745 ha rafforzato e ampliato le aspettative in materia di valutazione clinica per il Software as a Medical Device (SaMD) e le tecnologie basate sull'intelligenza artificiale. Sebbene i principi dell'MDR si applichino allo stesso modo sia al software che all'hardware, il software non può più basarsi esclusivamente su metriche di prestazione semplificate; la valutazione clinica deve invece fondarsi su solide prove cliniche supportate da adeguate attività di verifica e convalida del software e da una validazione clinica che dimostri le prestazioni cliniche, l'accettabilità del rapporto rischi-benefici e la sufficienza delle prove durante l'intero ciclo di vita del dispositivo.
Gli organismi notificati esaminano sempre più attentamente il modo in cui produttori e mantengono le prestazioni cliniche, l'accettabilità del rapporto rischi/benefici e l'adeguatezza delle prove relative all'intero ciclo di vita per i dispositivi SaMD quelli basati sull'intelligenza artificiale. L'applicazione efficace dei principi del MDR alle tecnologie basate su algoritmi richiede quindi una chiara comprensione delle aspettative normative e un approccio strutturato e orientato al ciclo di vita per la generazione e il mantenimento delle prove cliniche.
Principi di valutazione clinica MDR applicati al software
Ai sensi del MDR, la valutazione clinica deve dimostrare che un dispositivo raggiunge la sua destinazione d'uso medica e mantiene un profilo rischio-beneficio accettabile. Questo processo è descritto principalmente nel documento MDCG 2020-1 ed è inoltre in linea con le linee guida dell'IMDRF, riconosciute a livello internazionale, relative alla valutazione clinica del Software as a Medical Device (SaMD), che pongono l'accento sulla rilevanza clinica, su una valida associazione clinica e su dichiarazioni di prestazione basate su prove scientifiche. La valutazione clinica deve quindi concentrarsi su come i risultati del software supportino decisioni clinicamente significative piuttosto che sulle sole prestazioni tecniche.
Gli organismi notificati si aspettano produttori illustrino in che modo le funzionalità del software si traducano in benefici diagnostici, terapeutici o di supporto decisionale per gli utenti previsti. Ciò comprende una chiara definizione dell'uso previsto, della popolazione target, del contesto clinico e dell'interazione con l'utente. L'ambiguità in questi ambiti comporta spesso difficoltà durante la valutazione della conformità.
Definizione delle prestazioni cliniche degli algoritmi
Una delle sfide più importanti nella valutazione SaMD consiste nel definire e misurare le prestazioni cliniche. A differenza dei dispositivi tradizionali, le prestazioni del software non possono essere valutate esclusivamente sulla base delle caratteristiche fisiche o dei test in laboratorio.
Gli organismi notificati si aspettano che le prestazioni cliniche siano dimostrate utilizzando parametri di valutazione adeguati che riflettano l'uso clinico nella pratica reale. Tali parametri possono includere l'accuratezza diagnostica, la sensibilità e la specificità, l'impatto sulle decisioni cliniche o gli esiti dei pazienti, a seconda della destinazione d'uso del software.
Gli indicatori di prestazione devono essere giustificati nel contesto dell'attuale pratica clinica e dello stato dell'arte. Ciò sottolinea l'importanza di adottare approcci clinici e di valutazione delle prestazioni che siano difendibili, in cui la convalida del software si basi su prove cliniche piuttosto che esclusivamente su parametri di riferimento tecnici.
Fonti di evidenze cliniche per i dispositivi SaMD basati sull'intelligenza artificiale
Le prove cliniche relative SaMD provenire da diverse fonti, tra cui studi clinici, letteratura scientifica, analisi retrospettive dei dati, prove raccolte nel mondo reale e dati post-commercializzazione. Gli organismi notificati valutano se le fonti di prova selezionate siano adeguate alla classe di rischio del software, alla sua novità e alle indicazioni cliniche.
Qualora si faccia ricorso alla letteratura, produttori dimostrare che i dati pubblicati siano direttamente applicabili alla versione specifica del software, alla logica dell'algoritmo e all'uso previsto. Questo requisito comporta spesso la necessità di protocolli rigorosi per la ricerca nella letteratura sui dispositivi medici e di revisioni critiche volte a garantire la pertinenza e la riproducibilità dei risultati.
Per i dispositivi basati sull'intelligenza artificiale, l'accesso ai set di dati di addestramento e di validazione, nonché la trasparenza nello sviluppo degli algoritmi, rivestono un ruolo fondamentale nella fondatezza della valutazione clinica.
Stato dell'arte e valutazione comparativa degli algoritmi
Definire lo stato dell'arte (SOTA) è particolarmente complesso per le tecnologie SaMD di intelligenza artificiale a causa della rapida innovazione e dell'evoluzione della pratica clinica. Gli organismi notificati si aspettano che lo stato dell'arte rifletta non solo soluzioni software comparabili, ma anche percorsi clinici alternativi e interventi non basati su software.
Il confronto delle prestazioni degli algoritmi con lo stato dell'arte (SOTA) richiede un'attenta motivazione della scelta dei parametri di riferimento e delle soglie di prestazione. Definizioni dello stato dell'arte (SOTA) poco solide o obsolete possono compromettere le affermazioni relative ai benefici clinici e sollevare dubbi sulla sufficienza delle prove.
Queste sfide sottolineano l'importanza di mantenere le definizioni SOTA come elementi dinamici all'interno del rapporto di valutazione clinica, in linea con gli standard clinici e le capacità tecnologiche in continua evoluzione.
Articolo 61 e sufficienza probatoria per SaMD
La dimostrazione di un' adeguata evidenza clinica ai sensi dell'articolo 61 costituisce un requisito fondamentale per i dispositivi SaMD quelli basati sull'intelligenza artificiale. Gli organismi notificati valutano se i dati clinici disponibili suffraghino adeguatamente le dichiarazioni relative alla sicurezza e alle prestazioni, tenendo conto del livello di autonomia del software, dell'impatto clinico e del profilo di rischio.
Per quanto riguarda gli algoritmi adattivi o in apprendimento continuo, produttori spiegare in che modo viene garantita la sufficienza delle prove nel tempo, in particolare quando gli aggiornamenti del software possono alterare le caratteristiche prestazionali. Tale requisito è in linea con le linee guida MDCG 2020-6 relative alla sufficienza delle prove cliniche, che sottolineano l'importanza della proporzionalità e di una valutazione delle prove basata sul ciclo di vita.
Gestione degli aggiornamenti software e delle modifiche al ciclo di vita
Gli aggiornamenti software rappresentano una delle sfide normative più significative per i dispositivi medici basati sull'intelligenza artificiale, poiché gli organismi notificati si aspettano produttori valutino rigorosamente se le modifiche incidano sulle prestazioni cliniche, sulla sicurezza o sull'accettabilità del rapporto rischi/benefici.
Ai sensi della direttiva MDCG 2020-3, è essenziale disporre di un processo strutturato di gestione delle modifiche per garantire che gli aggiornamenti che comportano un impatto clinico significativo, come il riaddestramento dei modelli, siano documentati nell'ambito della valutazione clinica e supportati da prove adeguate. L'integrazione di queste attività nelle più ampie pratiche di gestione del ciclo di vita dei dispositivi medici contribuisce a mantenere la tracciabilità e la fiducia delle autorità di regolamentazione.
La sorveglianza post-commercializzazione (PMS) e il follow-up clinico post-commercializzazione (PMCF) svolgono un ruolo fondamentale nel monitoraggio delle prestazioni dei software nel mondo reale e nell'identificazione dei rischi emergenti.
Dati post-commercializzazione relativi ai dispositivi SaMD basati sull'intelligenza artificiale
Ai sensi del regolamento MDR, i dati post-commercializzazione costituiscono una componente fondamentale della valutazione clinica dei SaMD. Gli organismi notificati si aspettano che i sistemi di monitoraggio post-commercializzazione (PMS) raccolgano dati sulle tendenze prestazionali, sui feedback degli utenti e sui risultati nel mondo reale associati al software, al fine di garantire che l'algoritmo rimanga sicuro ed efficace nella pratica clinica.
PMCF descritte nel documento MDCG 2020-7 sono necessarie per affrontare le incertezze residue, in particolare per i sistemi di intelligenza artificiale impiegati in contesti clinici complessi o ad alto rischio. Tali aspettative sono in linea con le più ampie prospettive normative dell'Agenzia europea per i medicinali in materia di sanità digitale e intelligenza artificiale, che sottolineano l'importanza della supervisione del ciclo di vita delle tecnologie adattive.
Conclusione: applicazione dei principi di valutazione clinica previsti dal regolamento MDR agli algoritmi
Sebbene i principi dell'MDR si applichino in modo coerente a tutte le tecnologie dei dispositivi medici, i dispositivi SaMD quelli basati sull'intelligenza artificiale richiedono un attento adeguamento delle metodologie tradizionali di valutazione clinica. Gli organismi notificati si aspettano produttori dimostrino una chiara rilevanza clinica, una validazione delle prestazioni giustificabile e l'adeguatezza delle prove per tutto il ciclo di vita del software.
produttori affrontano la valutazione clinica dei SaMD un processo continuo, basato su dati scientifici e integrato con la sorveglianza post-commercializzazione e la gestione delle modifiche sono in una posizione migliore per soddisfare le aspettative normative e garantire la conformità. Applicare con attenzione i principi del MDR agli algoritmi è essenziale non solo per ottenere l'approvazione normativa, ma anche per mantenere la fiducia nei processi decisionali clinici basati sul software.
In che modo Freyr supporta la valutazione clinica dei dispositivi SaMD basati sull'intelligenza artificiale
La valutazione clinica dei dispositivi SaMD basati sull'intelligenza artificiale richiede competenze specialistiche che abbracciano la scienza clinica, la strategia normativa e lo sviluppo software. Freyr supporta produttori relazioni di valutazione clinica ben fondate, nella definizione di endpoint clinici adeguati e produttori allineamento delle strategie di dimostrazione con il regolamento MDR e le linee guida internazionali.
Gli esperti di Freyr forniscono assistenza per le valutazioni basate sulla letteratura scientifica, le analisi delle lacune nelle prove cliniche, l’integrazione delle prove post-commercializzazione e le interazioni con gli organismi notificati per le tecnologie basate su software. Per ricevere supporto in materia di valutazione clinica SaMD IA, sviluppo di CER o strategia delle prove nell’ambito EU MDR, contattate un esperto di Freyr per discutere delle vostre sfide normative.
Informazioni sull'autore
La dott.ssa Radhika Ramachandran è a capo del Centro di eccellenza (CoE) per la redazione di documentazione normativa a livello globale presso Freyr Inc., dove si occupa della produzione di documentazione e strategie normative nell’ambito dei quadri normativi globali per i dispositivi medici e i dispositivi diagnostici in vitro (IVD). Con oltre un decennio di esperienza nel settore MedTech, nella ricerca clinica e nella strategia normativa, è specializzata nello sviluppo e nella revisione di documenti normativi di grande impatto allineati agli standard globali, tra cui EU MDR l'IVDR EU MDR . Fornisce consulenza strategica e soluzioni personalizzate di redazione normativa alle aziende MedTech, supportando le richieste di autorizzazione e la documentazione relativa al ciclo di vita dei prodotti. La dott.ssa Radhika ha conseguito un dottorato di ricerca in Biotecnologia ed è una Medical Writer certificata, con contributi a oltre 1.500 documenti normativi. Il suo attuale obiettivo include lo sfruttamento dell'intelligenza artificiale e della sanità digitale per trasformare la redazione di documenti normativi in ambito medico.
