[Health Policy Insight 200회]

US FDA 의료기기국(Center for Devices and Radiological Health, CDRH)은 상위 10가지의 규제과학 우선순위 목록을 발표했다. 

1. 인허가 의사결정을 위한 빅데이터 활용(Leverage "Big Data" for regulatory decision-making) 

의료기술에 대한 엄격한 평가는 유전체, 해부학, 생물학, 임상, 역학적, 환자 경험 및 의료기기와 인체와의 상호작용과 관련된 기타 정보를 포착하는 출처로부터 "빅데이터"를 활용하여 다학제 근거 합성(multidisciplinary evidence synthesis)으로 엄청난 혜택을 얻을 수 있다. 이러한 데이터 출처로부터 합성된 근거는 의료기기 평가에 정보를 제공하고, 새로운 디자인 및 의료기기 반복 개발을 최적화하고, 인공지능(artificial intelligence, AI) 의료기기를 훈련 및 시험하기 위한 데이터세트 개발을 지원하며, 정밀진단 및 치료제 개발에 사용하여 의료기기 관련 헬스케어를 개선하거나 안전성 신호 감지(safety signal detection)를 향상시킨다.

목표:

·신호 및 새로운 정보를 위한 데이터베이스를 마이닝(mining)하기 위한 대규모 데이터 세트와 방법을 설계하고 배포하는 방법을 개발한다. 데이터베이스 설계에 대한 근본적인 이해와 데이터 마이닝(data mining) 방법/도구 개발에 대한 이론과 실제 경험이 포함된다.
·빅데이터 엔진에서 파생된 추론 평가를 위한 도구와 방법을 개발한다. 

2. 의료기기 재질의 생체적합성 및 생물학적 위험도 평가 현대화(Modernize biocompatibility and biological risk evaluation of device materials) 

환자와 접촉하는 의료기기의 안전성 프로파일(safety profile)을 지원하기 위해 생체적합성 평가를 수행한다. 전통적인 생체적합성 평가는 광범위한 동물시험이 수반되지만, 이러한 동물연구 결과는 환자가 경험한 결과를 예측하지 못할 수 있고 FDA의 우선순위는 (FDA의 예측 독성학 로드맵에 요약된 바와 같이) FDA의 예측 독성학 역량 강화에 있다. 이러한 목표를 달성하기 위해, in vitro 시험, 의료기기 이상사례 보고서(adverse event reports), 레지스트리, 헬스케어 청구데이터, 전자건강기록(electronic health records, EHRs)에서 파생된 전자건강정보를 활용하여 in vivo 시험 대안을 사용하기 위한 노력을 기울여야 한다. 또한, 보다 정확하고 시기적절하게 이상사례 모니터링(adverse event monitoring) 및 보고가 이루어지기 위해서는 이식된 의료기기와 관련된 이상반응을 설명할 때 사용할 용어에 대한 합의를 만들어내야 한다. 일반적으로 생체적합성 노력을 향상시키기 위해서는 생체적합성 평가를 지원하는 시험 최적화, in vivo 연구의 대안 개발, 방법과 용어 표준화에 중점을 두어야 한다.

목표:

·생체적합성 시험 방법을 최적화한다.
·모델(예를 들어, in vitro, ex-vivo 등) 및 대체재로 사용될 생체적합성 검사를 통해 획득되지 않은 임상, 동물 및 물질 정보를 활용할 수 있는 프레임워크를 포함하여 in vivo 생체적합성 검사 혹은 보다 집중된 안전성 분석 수행을 정당화하기 위한 대안을 발전시킨다.
·In vivo 생체적합성 시험에 대한 in vitro 대안에 대한 규제과학 기반 자격 기준을 개발한다.
·표준 방법 또는 의사결정을 위한 접근방법 개발을 포함하도록 화학적 동등성(chemical equivalence)을 보다 명확하게 정의한다.
·독성의 임상적 징후를 식별하기 위한 의료기기 이상사례보고서(MDRs) 및 전자건강정보를 포괄적으로 검토하여 인간의 임플란트 관련 유해 결과와 관련된 용어를 표준화 한다.
·제품 수명주기 초기에 잠재적 이슈를 감지하고 완화할 수 있도록 개선된 민감도, 더 큰 예측가능성 및 가음성 발생률(incidence of false negative)이 낮은 생체적합성 검사를 개발한다.

3. 인허가 의사결정에 있어 실세계근거를 활용하고 다양한 도메인에 걸쳐 근거합성을 사용(Leverage real-world evidence and employ evidence synthesis across multiple do¬mains in regulatory decision-making) 

실세계데이터(real-world data, RWD)는 헬스케어 제공 중에 일상적으로 생성되어 전자건강 기록, 헬스케어 청구 데이터베이스, 건강 모니터링 의료기기 및 레지스트리와 같은 출처에서 수집된 데이터이다. 품질이 보장되면, 이러한 데이터에서 생성된 근거(예를 들어, 실세계근거(real-world evidence, RWE))는 의료기기의 안전성 및 효과성에 대한 가치 있는 정보를 제공할 수 있다. CDRH는 RWE 사용지침을 발행하는 것부터 National Evaluation System for health Technology (NEST) 및 의료기기 안전성 행동계획(Medical Device Safety Action Plan)과 같은 추진계획(initiatives)에 이르기까지 RWE 사용을 개선하고 FDA가 전세계 규제기관 가운데 지속적으로 의료기기 관련 안전성 신호를 식별하고 행동하는 최초(first)의 기관이 되겠다는 약속을 보여주었다. RWE의 잠재력을 최대한 활용하기 위한 도전과제를 극복하려면 RWD 인프라와 방법론에 대한 지속적인 혁신이 필요하다. 특히, RWD 소스로부터 데이터를 효율적으로 캡처, 연결 및 분석하기 위해서는 최소한의 핵심 데이터세트와 방법론의 개발과 검증이 필요하다.

RWD가 인허가 의사결정의 근거 출처가 되려면, 시판 전 및 시판 후 규제 문제를 해결하는 데 신뢰할 수 있고 임상적으로 관련이 있어야 한다. 이해당사자는 데이터 품질 표준을 개발하기 위해 협력적으로 노력하고, 의료기기 평가를 위한 RWD의 품질, 상호운용성 및 유용성 개선을 위한 채택을 장려해야 한다. 규제기관은 의료기기 수명주기 동안 규제 문제를 해결하기 위해 RWD의 사용 적합성 및 역량을 평가하는 능력을 강화할 수 있는 도구가 필요하다. 마지막으로, CDRH 의료기기 안전성 행동계획(Medical Device Safety Action Plan)에 설명된 목표를 실현하기 위해서는 RWD 소스를 이용하여 능동적인 감시를 지원하고 신호 감지와 평가를 발전시키기 위한 새로운 방법이 필요하다.

목표:

·규제 사용을 지원하기에 충분한 RWD로부터 임상근거를 생성하는 방법론을 발전시킨다.
·인허가 의사결정을 지원하기 위해 의료기기 범주에 대한 핵심 데이터 요소와 데이터 세트를 개발한다.
·임상시험에 일반적으로 사용되는 정보를 보완하기 위해 RWD의 품질, 상호운용성 및 유용성을 증가시키는 데이터 품질 및 데이터 소스에 대한 표준을 개발한다.
·정보 교환과 데이터 추출을 용이하게 하기 위해 데이터 인프라를 설계하고 최적화한다.

4. 의료기기 임상 성과 예측 및 모니터링을 위한 시험 및 방법의 발전(Advance tests and methods for predicting and monitoring medical device clinical per-formance) 

의료기기의 임상 성과를 모니터링하고 예측하는 것은 질, 안전성 및 효과성을 보장하는 데 중요하다. 또한 혁신을 촉진하고 임상데이터에 대한 규제부담을 줄이는데 필수적이다. 이러한 노력은 의료기기에서 빅데이터와 RWD를 사용하는 것과도 일치해야 한다. 

목표:

·통합의학(예를 들어, 웨어러블 기술, 원격의료)으로의 새로운 패러다임 변화를 평가할 수 있는 새로운 도구를 개발한다.
·가상현실, AI 및 시뮬레이터를 사용하여 인적요소(human factors)와 의료기기 성능에 미치는 영향을 특성화하고 최적화하여 환자와 시술자의 변동성(variability)을 줄인다.
·새로운 임상성능 지표를 설정하기 위한 변혁적 기술을 개발한다.
·환자에게 새로운 기술을 보다 빠르고 안전하게 이용할 수 있도록 장기적인 기능적 성능을 예측하기 위해 가속화된 시험 접근방식을 검증한다.
·임상시험 부담을 줄이고 벤치시험(bench tests)의 예측력을 향상시키기 위해 인체 해부학과 생리학의 수치적 및 물리적 모델의 생물학적 관련성을 개선한다.
·"동적 재료(dynamic materials)" 과학과 공학 원리를 이용하여 생물학적 현상(예를 들어, 바이오필름, 재생 조직, 전이)을 이해하고 조작하고 생체재료 디자인을 알린다.

5. 임상시험 설계를 개선하고 단순화하는 방법과 도구의 개발(Develop methods and tools to improve and streamline clinical trial design)

의료기기의 안전성 및 효과성을 평가하기 위해 FDA는 임상연구에서 구한 근거가 필요하다. 의료기기 임상연구는 다른 의료제품에 비해 고유한 문제에 직면하고 있다. 치료제의 경우, 이중 맹검, 무작위, 위약 대조 연구 디자인은 의약품의 대다수 임상시험에 대해 너무 많은 실행(logistical) 및 윤리적 도전과제를 제기하지는 않는다. 대조적으로, 연구자들의 최선의 노력에도 불구하고, 이러한 이상적인 연구설계가 의료 기기에 항상 기술적으로나 윤리적으로 실현 가능한 것은 아니다. 예를 들어, 가짜(sham) 이식형 의료기기를 배치하거나 연구 참가자의 케어 의료공급자의 치료 할당을 가리기(masking) 위한 고도의 침습적 시술을 포함하는 것이 항상 윤리적이지는 않다. 일부 의료기기(예를 들어, AI 적용을 포함한 방사선 및 병리학의 새로운 이미징 의료기기)는 판독연구(reader studies)에서 평가되며, 환자의 이미지를 사용하여 질병을 검출하는 의사의 진단 성능을 측정한다. 이러한 도전과제를 해결하기 위해 연구 노력은 일관성을 개발하고, 다른 데이터소스를 탐색하며, FDA 담당자, 산업 및 임상의를 위한 체험 훈련으로 발전할 수 있는 새로운 임상시험 설계와 방법론을 촉진하는데 중점을 두어야 한다.

목표:

· 임상시험 설계를 위한 새로운 방법론을 도모한다.
· 다음을 통해 임상시험 설계와 실행 내 일관성을 향상시킨다.

6. 인허가 의사결정을 지원하는 계산모델링 기술의 개발(Develop computational modeling technologies to support regulatory decision-mak¬ing) 

의료기기의 계산모델링(computational modeling)은 개발을 간소화하고 시판전 의료기기 평가와 관련된 부담을 줄일 수 있다. 연구 샘플 내에서는 감지할 수 없지만 의도한 모집단 내에서 자주 발생하는 심각하고 예상치 못한 이상반응과 같은 전통적인 in vivo 또는 in vitro 평가에서는 얻을 수 없는 중요한 정보를 얻을 수 있다. 의료기기 관련 전산모델링에 대한 관심이 높아짐에 따라, 현재의 사용을 모니터링하고 공중보건을 향상시키기 위해 시뮬레이션이 더 광범위하게 활용될 수 있는 영역을 확인하는 것이 중요하다. 인허가 신청에서 모델링과 시뮬레이션의 적절하고 확대된 이용은 이해당사자가 모델링 수행되고 검토되는 방식의 일관성을 촉진하는 프로세스와 접근방법을 개발하도록 요구한다. 의료기기에 대한 계산모델링의 잠재성을 최대한 활용하려면, 현재 사용을 이해하고 미탐색 간극/기회를 확인하고 시뮬레이션 모범사례에 대한 기준을 설정하며 검증된 모델과 이용 사례를 개발하는데 중점을 두어야 한다.

목표:

·제출된 계산모델의 데이터베이스 생성을 포함하여 실시간으로 인허가 신청 내에서 시뮬레이션 사용을 추적하기 위한 인프라를 구축한다.
·실험적 검사데이터를 얻기 어려운 의료기기 영역을 확인하고 해당 영역 내에서 개발 노력에 집중한다.
·ASME Verification and Validation 40 (V & V40) 표준(예를 들어, "모의 신청" 형식)을 이용하여 다양한 의료기기 영역에서 신뢰할 수 있는 모델의 벤치마크(benchmarks)와 엔드-투-엔드 예시(end-to-end examples)를 개발한다.
·기업이 시뮬레이션 실습(모델 개발 및 검증 프로세스 등)을 인증할 수 있도록 평가 지표(appraisal metrics)를 확립한다.

7. 디지털헬스와 의료기기 사이버보안의 성능 향상(Enhance the performance of Digital Health and medical device cybersecurity)

디지털헬스와 사이버보안은 관련이 있지만 의료기기에서 뚜렷하게 구분되는 영역이다. 디지털헬스는 광범위한 범주이며 AI, 소프트웨어로서의 의료기기(software as a medical device, SaMD), 그리고 모바일 의료앱과 같은 의료의 의사결정에 사용되는 산출(output)을 생성하는 전자기술을 포함한다. 사이버보안은 전자 의료기기를 범죄 또는 무단 접근 및 조작으로부터 보호하는 것이다. 의료기기 성능의 무결성(integrity)을 보호하고 의료기기가 더 상호연결되고 자율화되어 사이버공격과 관찰되지 않은 오작동에 점점 더 취약해짐에 따라 보안을 강화하기 위해 혁신적인 방법과 기술을 개발해야 한다. 의료기기 이해당사자는 의료기기 및 시스템 수준에서 사이버보안 고려사항, 위험 및 완화 옵션에 대한 확실한 이해가 필요하다. 의료기기에서 AI 사용에 대한 관심이 증가함에 따라, 특히 의도된 사용 맥락 내에서 AI를 평가하는 접근방법을 개발하는 것은 인허가 신청 및 검토 절차의 일관성을 강화하는데 중요하다.

목표:

·의료기기에서 AI 사용을 위한 벤치마크 시험세트 사용에 대해 시범사업을 실시한다.
·의료기기 신청에서 적응형 알고리즘(adaptive algorithm) 이용을 위한 전체 시험 사례 및/또는 방법론을 개발한다.
·임상 청구 수정을 지원하기 위해 시판 후 RWD를 구성하는 방법에 대한 프레임 워크를 개발한다.
·합성 데이터세트 사용, 의료기기 개발 도구 프로그램(Medical Device Development Tool program) 활용, 새로운 방법 확인, 인허가 의료기기 신청에 대한 통계 분석 수행 등 AI 알고리즘의 성능을 감지하고 평가하기 위한 전략을 조사하고 평가한다.
·임상사용 환경의 니즈를 지원하는 안전한 의료기기 참조 아키텍처(reference architectures)를 개발하고 배포한다.
·사이버보안 위험 분석 도구(예를 들어, 위협 모델링, 공격 트리)와 같은 설계 취약성을 효율적으로 의사소통하는 방법을 개발한다.

8. 항균제의 효과성, 멸균 및 의료기기 재처리의 이해를 통한 의료 관련 감염 감소(Reduce healthcare associated infections by better understanding the effectiveness of antimicrobials, sterilization and reprocessing of medical devices) 

부적절하게 처리된 의료기기로 인한 환자감염의 위험은 중요한 문제이다. 의료기기의 설계 및 재질이 점차 복잡해짐에 따라, 의료기기의 재처리 문제도 그에 따라 증가한다. 감염 통제 커뮤니티 및 표준기구에 의한 다학제와 협력적 접근방식은 의료기기가 계속 발전함에 따라 환자 안전성을 향상시킨다.

목표:

·재사용 가능한 의료기기의 재처리(세척, 소독 및 멸균) 성능을 지속적으로 개선하고 검증하기 위한 방법을 개발하고 특성화한다.
·실세계 의료기기 문제를 대표하는 임상 관련 바이오필름 모델의 개발에 중점을 두고 바이오필름과 생물부착(biofouling)의 검출, 특성화, 제거 및 예방을 위한 방법을 개발하고 검증한다.
·항균제 및 재료의 사용과 관련된 성능평가 및 의료기기별 위험/편익 분석을 위한 방법을 개발하고 검증한다.

9. 인허가 의사결정시 환자 의견 수집 및 이용(Collect and use patient input in regulatory decision-making)

환자는 질병이나 질환을 안고 사는 전문가이다. FDA는 환자에게 중요한 결과와 환자가 수용할 수 있는 편익-위험 트레이드오프(benefit-risk tradeoffs)를 포함하여 환자 중심의 의료제품 개발에 정보를 제공하고자 하는 환자를 찾고 있다. 환자 관점의 체계적인 수집은 의료제품 개발에 타당한 과학적 근거로 사용될 수 있는 환자선호도정보(patient preference information, PPI)와 환자보고결과(patient-reported outcomes, PROs)가 포함된다. PPI는 환자에게 가장 중요한 결과를 결정하고, 성능 목표를 설정하고, 질병군 내에서 대규모 인구와 다른 편익-위험 트레이드오프를 갖는 환자하부군(subpopulations)을 확인하는데 이용할 수 있다. PRO는 환자의 건강상태를 측정하는 것으로, 다른 사람의 해석없이 직접 환자의 건강 상태를 나타낸다. 환자 의견을 가장 효과적으로 활용하기 위해, 이해당사자는 고품질 PPI를 도출, 수집 및 분석할 뿐만 아니라 목적에 맞는 맥락(fit-for-purpose context)에서 PRO 측정을 개발, 조정 및 이용하기 위한 상이한 방법과 도구를 개발하고 개선해야 한다.

목표:

·목적에 맞게 PRO 측정을 적용하기 위한 상이한 방법론적 접근방법 탐색한다.
·환자가 생성한 데이터소스를 다른 데이터소스와 통합하여 타당한 과학적 근거를 생성하는 방법을 개발한다.
·다양한 환자를 모집하고 환자의 이질성이 결과의 일반화에 어떤 영향을 줄 수 있는지 이해하는 방법을 탐색한다.
·규제 맥락에서 환자 의견 연구(patient input studies)의 적용가능성을 이해한다.
·환자 의견 연구에 적합한 표본크기를 결정하는 방법을 개발한다.
·연구를 위한 의견을 제공하기 위해 환자를 식별하고 모집하기 위한 방법과 데이터 소스를 개발한다.

10. 의료기기 성능, 질병 진단 및 진행을 예측하기 위한 정밀의약품 및 바이오마커의 활용(Leverage precision medicine and biomarkers for predicting medical device perfor¬mance, disease diagnosis and progression)

정밀의학과 바이오마커는 진단, 환자 치료 및 질병 진행 평가에 중요하다. 시간이 지남에 따라 정보가 발전하여 정보를 배우고, 발전시키고, 통합하고, 정밀의학에 대한 표준, 방법 및 옵션이 임상 환경에서 어떻게 작용하는지 이해하는 것이 중요하다.

목표:

·의사결정 및 치료 도구, 바이오마커의 분류(triage) 및 스크리닝, 동반 또는 보완 진단(companion or complementary diagnostics)으 평가방법을 개발한다.
·임상 또는 전임상 결과를 다루고 의료기기의 의미 있는 사용을 보장하기 위해 바이오마커(예를 들어, 조직 바이오마커, 분자 바이오마커, 혈액 및 가래 및 영상)의 맥락과 용도를 정의한다.
·정밀의료의 새로운 방법을 연구하고 현재의 방법을 확대하여 개인화된 의료기기를 개선한다.
·이해당사자와 협력하여 환자 건강 및 안전을 지원하는 일관된 표준과 모범사례를 만든다(예를 들어, 산업계, 미국 보험청).