הכרזה על התוצאות

בתגובה להחמרה המהירה של תקנות המכשור הרפואי העולמי (במיוחד ה-EU MDR), Manners Technology הייתה הראשונה שהשלימה את שדרוג התאימות המקיף של קו מוצרי מחטי הכבד שלה, Menchini, בהתאם ל-"EU Medical Device Regulation (MDR) 2017/745" ו-"US FDA 510(k)" והשיג את ה-Novroval-מכשירים רפואיים מיוחדים מ-China. "מערכת ההערכה הקלינית המבוססת על נתונים מהעולם האמיתי (RWD)" הייחודית שלה אומצה כמקרה הדגמה על ידי הגוף המיועד של האיחוד האירופי. באמצעות מערכת זו, היצרן הוכיח בהצלחה את שיפור הבטיחות והביצועים המשמעותי של המוצר מהדור החדש שלה בהשוואה למכשירים המקבילים שכבר משווקים מבלי לבצע ניסויים מבוקרים אקראיים מסורתיים חדשים, וקיצר את מחזור השקת המוצר ב-18 חודשים לפחות.

רקע ואתגרים למחקר ופיתוח

מחט המנצ'יני, כמכשיר רפואי פעיל Class IIb (-בסיכון גבוה), מתמודדת עם חסמים רגולטוריים מורכבים ומובחנים יותר ויותר בשווקים הגלובליים הגדולים:

האתגר החמור של MDR האיחוד האירופי:ה-MDR ביטל את מודל ההצהרה העצמית- הקודם ודורש הערכה קלינית קפדנית עבור כל המכשירים מסוג IIb ומעלה, והטיל דרישות כמעט מחמירות להוכחת "שוויון". מוצרים רבים שאושרו על פי ההנחיה הישנה (MDD) נמצאים בסיכון של נסיגה מהשוק.

עלות גבוהה של הפקת ראיות:עבור טכנולוגיות בוגרות כמו מחטי ביופסיה, ביצוע ניסוי קליני מבוקר פרוספקטיבי אקראי כדי להוכיח את ה"יתרונות" שלהן הוא גם יקר, -צורך זמן וגם מאתגר מבחינה אתית (לדוגמה, קשה להשתמש במכשירי מחט ישנים יותר ועלולים להיות נחותים עבור חולי קבוצת הביקורת).

פיצול של גישה לשוק העולמי:התקנות, פורמטים של מסמכים טכניים ומערכות ניהול איכות (כגון QSR לעומת ISO 13485) משתנות בארצות הברית, אירופה, סין, יפן וכו', וארגונים צריכים להשקיע משאבים משמעותיים בעבודת רישום חוזרת.

לחץ רגולטורי (PMCF) לאחר-שוק:הן ה-MDR והן ה-FDA דורשות הקמת תוכנית מעקב פעילה לאחר-השוק הקליני- לאיסוף רציף של נתוני בטיחות וביצועים, מה שמציב דרישות גבוהות להשקעה במשאבים-לטווח ארוך של ארגונים.

חדשנות טכנולוגית ליבה

היצרן הפך את הציות לרגולציה מ"מרכז עלות" ל"יכולת אסטרטגית", והשיג שלושה חידושים מרכזיים:

פלטפורמת רישום נתונים אמיתית-פוטנציאלית:לפני מספר שנים, יצרנים כבר שיתפו פעולה עם למעלה מ-100 מרכזים למחלות כבד ברחבי העולם כדי להקים את "רשת המחקר לרישום תוצאות קליניות של מחט מנגצ'ין". בשימוש קליני שגרתי, נתונים אנונימיים של כל מקרה ביופסיה נאספו באופן פרוספקטיבי ומבני, כולל מאפייני הבסיס של המטופל, פרטים תפעוליים, מודל מחט, איכות הדגימה, סיבוכים מיידיים וארוכים לטווח- וכו'. נתונים אלה עברו ניהול נתונים ובקרת איכות קפדנית, ויצרו מסד נתונים גדול-בקנה מידה גדול של ראיות-איכותיות בעולם-.

תיעוד טכני כללי מודולרי ומנוע ניתוח הבדלים:פותחה מערכת ניהול מסמכים חכמה, המשלבת את מודולי הליבה של דרישות בטיחות וביצועים כלליות של המוצר (GSPR), דוחות ניתוח סיכונים, דוחות בדיקות אימות וכו'. בהתאם לדרישות של סוכנויות רגולטוריות שונות, המערכת יכולה לזהות הבדלים אוטומטית ולהפיק דוחות ניתוח הבדלים ורשימות חומרים משלימים בהתאם לפורמטים המקומיים, מה שמשפר משמעותית את היעילות והעקביות של הכנת חומרי הרישום.

מערכת התראות שוק-מבוססת בינה מלאכותית-:באמצעות טכנולוגיית עיבוד שפה טבעית, המערכת סורקת באופן אוטומטי מאגרי מידע עולמיים של סוכנויות רגולטוריות, מאגרי מידע של ספרות רפואית, מדיה חברתית וחדשות 24/7, מחפשת דיווחים על תופעות לוואי, התראות בטיחות או אותות סיכון פוטנציאליים הקשורים לביופסיות כבד או מכשירים דומים. המערכת יכולה לבצע באופן אוטומטי סיווג ראשוני, הערכת חומרה ואזהרות מוקדמות, המאפשרות לחברה לזהות ולהגיב לסיכונים פוטנציאליים מוקדם יותר מהמתחרים.

מנגנון פעולה

חידושי הציות הללו נותנים מענה לאתגרים הרגולטוריים באמצעות "שינוי פרדיגמת ראיות" ו"דיגיטציה של תהליכים":

המינוף של ראיות בעולם האמיתי-:במסגרת ה-MDR, כאשר לא ניתן להשתמש בנתיב "השקילות", האוסף הפוטנציאלי של RWD יכול לשמש עדות עיקרית להערכה קלינית. היצרנים מנצלים את הנתונים מרשתות מחקר הרישום שלהם ומשתמשים בשיטות סטטיסטיות מתקדמות כמו התאמת ציוני נטייה כדי להוכיח שהדור החדש של המחטים שלהם עולה בהרבה על קבוצת המחטים המתאימה תוך שימוש במודלים הישנים במספר נקודות קצה מרכזיות כגון שיעור ספיקה בדגימה, זמן פעולה וציון כאב של המטופל. זה עוקף את ה-RCT היקר והזמן-גוזל.

ניתוח דיפרנציאלי אינטליגנטי:על ידי קודיד דרישות רגולטוריות גלובליות, המערכת יכולה להשוות אוטומטית בין מוצרים חדשים וישנים, כמו גם את הדמיון וההבדלים בדרישות באזורים שונים. לדוגמה, ה-FDA עשוי להקדיש תשומת לב רבה יותר לבקרת הסיכונים של תיוג ושימוש שגויים, בעוד שה-MDR של האיחוד האירופי מדגיש את ההדגמה הכמותית של יחס הסיכון הקליני-. המערכת יכולה לזהות במדויק את נקודות המפתח הדורשות ראיות משלימות או תיקוני מסמכים.

ניהול סיכונים פרואקטיבי:מערכת ההתראה בינה מלאכותית שינתה את המצב הפסיבי המסורתי של קבלת דיווחים על תופעות לוואי. הוא יכול לגלות "אותות" ממידע עצום לא מובנה שעדיין לא יצר דיווחים רשמיים אך עשוי להצביע על בעיות אפשריות, כמו מאמר המזכיר סיבוך נדיר הקשור לטכניקת פעולה ספציפית. זה מאפשר ליצרנים לעדכן באופן פעיל את הוראות המוצר, לשחרר חומרי חינוך לרופאים, ואפילו ליזום מחקרי שוק ממוקדים-, המדגימים את סטנדרט האחריות הגבוה ביותר.

אימות יעילות

קח את המקרה שבו היצרן השלים בהצלחה את ההערכה הקלינית של האיחוד האירופי MDR דרך RWE כדוגמה:

נפח ואיכות נתונים:רשת מחקר הרישום אספה במצטבר למעלה מ-15,000 מקרי ביופסיה באמצעות-הדור החדש שלה, עם שלמות הנתונים העולה על 97%, ונבקרה על ידי סטטיסטיקאי בלתי תלוי שמונה על ידי גוף ההסמכה.

אישור רגולטורי:בהתבסס על RWE אלה, דו"ח ההערכה הקלינית של היצרן ודו"ח עדכון הבטיחות הרגיל אושרו כולם על ידי גוף ההסמכה של האיחוד האירופי במכה אחת. מקרה זה נכלל בהנחיות של האיחוד האירופי לתיאום מכשירים רפואיים כדוגמה לשימוש ב-RWE לתמיכה בשדרוגי מכשירים.

ערך עסקי:באמצעות גישה זו, המוצר החדש הזה נכנס לשוק האירופי 20 חודשים מוקדם מהמתוכנן המקורי (אם נערך RCT חדש), תוך שהוא מנצל את היתרון התחרותי וחוסך כמה מאות מיליוני יורו בעלויות מו"פ ישירות.

אסטרטגיית מחקר ופיתוח ופילוסופיה

האסטרטגיה הרגולטורית של Manners Technology היא "תאימות מניעה מחקר ופיתוח, ראיות יוצרות ערך". הם רואים בדרישות הרגולטוריות "תשומות עיצוביות" לפיתוח מוצר, במקום "רשימת בדיקה" לתאימות לאחר-אירוע. במהלך שלב הרעיון של המוצר, צוות הרגולציה עובד בשיתוף פעולה הדוק עם צוות המו"פ על מנת להבטיח שאמצעי אימות התכנון ובקרת הסיכונים של המוצר עולים בקנה אחד עם הדרישות הגבוהות ביותר של ה-MDR וה-FDA. הפילוסופיה היא: התאימות היעילה ביותר היא לבנות שרשרת ראיות בלתי ניתנת לערעור במהלך תהליך המחקר והפיתוח. הם משתתפים באופן פעיל בפגישות לפני-הגשה והתייעצויות מדעיות עם סוכנויות רגולטוריות כדי להבטיח שכיוון המחקר תואם את הציפיות הרגולטוריות ולמזער את אי הוודאות.

Outlook עתידי

בעתיד, ציות לתקנות ישולבו באופן עמוק עם "תאומים דיגיטליים" ו"שירותי בריאות מבוססי ערך-". היצרנים בוחנים את הקמתם של "מודלים וירטואליים להערכה קלינית" עבור המוצרים שלהם: שימוש בנתונים מסיביים שנאספו מהעולם האמיתי וממעבדות כדי לבנות מודלים ממוחשבים המדמים את השפעות המוצרים כאשר משתמשים בהם על ידי אוכלוסיות וירטואליות. ניתן להשתמש ב"ניסוי המבוסס על-סיליקון" כדי לחזות אירועים חריגים נדירים, להעריך את יחס הסיכון-תועלת בתתי קבוצות שונות, ולשמש כתוספת להערכות קליניות מסורתיות. יחד עם זאת, עם עליית מודל התשלום-עבור-היעילות, יצרנים צריכים להוכיח שהמוצרים שלהם לא רק "עובדים" אלא גם יכולים לשפר את התוצאות-לטווח הארוך של המטופלים ולהפחית את עלויות הבריאות הכוללות. לכן, ראיות קליניות עתידיות יכללו לא רק שיעורי הצלחה טכניים ושיעורי סיבוכים, אלא גם יכסו את שיעור השינויים בטיפול הנובעים משיפור דיוק האבחון, וכן את החיסכון בניתוחים מיותרים או טיפולים דחויים עקב הימנעות מהליכים מיותרים. היצרנים הופכים מ"ספקי מכשירים" ל"שותפים לתוצאות בריאות", ויכולות רגולטוריות וראיות חזקות הן אבן היסוד של השינוי הזה.