Auteurs(es)

Contacts

• Dieu­don­née Lenaelle TEGANG MEYIMO : teganglenaelle@gmail.com
• Fabio­la Val­dese NZIMI NYABEYEU : valnzims@gmail.com
• Her­mann KUETE LONTSI : hermannkuete91@gmail.com
• Ahmed ALISAWI : a.issawwi@gmail.com

Citation

Dieu­don­née Lenaelle TEGANG MEYIMO, Fabio­la Val­dese NZIMI NYABEYEU, Her­mann KUETE LONTSI, Ahmed ALISAWI, « Inté­ret de la simu­la­tion numé­rique pour la vali­da­tion des dis­po­si­tifs médi­caux », Uni­ver­si­té de Tech­no­lo­gie de Com­piègne (France), Mas­ter Ingé­nie­rie de la San­té, Mémoire de pro­jet, Jan­vier 2025, réf n° IDS256, https://travaux.master.utc.fr/formations-master/ingenierie-de-la-sante/ids256/, https://doi.org/10.34746/ids256

Résumé

La simu­la­tion numé­rique est une tech­nique qui uti­lise les modèles mathé­ma­tiques pour la modé­li­sa­tion d’un sys­tème ou d’un organe. Elle est très déve­lop­pée dans plu­sieurs sec­teurs à savoir l’aéronautique, le sec­teur de l’automobile où nous avons TI Auto­mo­tive qui uti­lise la simu­la­tion numé­rique pour anti­ci­per les pro­blèmes méca­niques de leur struc­ture. Ceci aide à amoin­drir le temps de déve­lop­pe­ment tout en per­met­tant l’optimisation du pro­duit final. Le sec­teur des dis­po­si­tifs médi­caux est fai­ble­ment repré­sen­té dû au fait de l’unicité des indi­vi­dus ceci ren­dant dif­fi­cile la créa­tion des modèles précis. 

Cette tech­nique pour­rait inter­ve­nir dans la plu­part des étapes du pro­ces­sus d’homologation des dis­po­si­tifs médi­caux. C’est dans cette optique que notre mémoire vise à mon­trer la place que pour­rait prendre la simu­la­tion numé­rique dans le pro­ces­sus d’homologation des dis­po­si­tifs médicaux.

Cette tech­nique de modé­li­sa­tion et de simu­la­tion numé­rique est déve­lop­pée aux USA notam­ment sur les dis­po­si­tifs médi­caux à tra­vers la norme ASME V&V40 qui régit l’utilisation de la simu­la­tion numé­rique. Le pro­ces­sus de vali­da­tion selon cette norme sera abor­dé dans le cadre du pro­jet ain­si que les dif­fé­rents outils Medi­cal Devices Deve­lop­ment Tools déve­lop­pés par les fabri­cants de dis­po­si­tifs médi­caux et la Food and Drug Admi­nis­tra­tion per­met­tant de vali­der les dis­po­si­tifs médi­caux. Etant don­né que l’Union Euro­péenne n’a pas har­mo­ni­sé de normes concer­nant cette tech­nique, l’approche de notre mémoire vise à pro­po­ser des sug­ges­tions pour son adoption.

Abstract

Nume­ri­cal simu­la­tion is a tech­nique that employs mathe­ma­ti­cal models to digi­tal­ly represent sys­tems or their com­po­nents. These inno­va­tive tech­niques are high­ly advan­ced and wide­ly used in various sec­tors, such as aero­nau­tics and the auto­mo­tive indus­try. For ins­tance, IT in the auto­mo­tive sec­tor leve­rages digi­tal simu­la­tion to pre­dict mecha­ni­cal issues in struc­tures. This approach helps reduce time consump­tion while opti­mi­zing and deve­lo­ping the final pro­duct desi­gn. Howe­ver, the medi­cal device sec­tor has been slo­wer to adopt such methods in manu­fac­tu­ring. This is pri­ma­ri­ly due to the limi­ted num­ber of spe­cia­lists in this field and the com­plexi­ty of crea­ting accu­rate models for medi­cal devices.

Digi­tal simu­la­tion tech­niques can be used as a valuable tool in the medi­cal device cer­ti­fi­ca­tion pro­cess. Thus, our memoir aims to address the ques­tion : What role could digi­tal simu­la­tion play in the appro­val pro­cess for medi­cal devices ? Mode­ling and digi­tal simu­la­tion tech­niques are being acti­ve­ly deve­lo­ped in the USA, par­ti­cu­lar­ly for regu­la­to­ry sub­mis­sions concer­ning medi­cal devices. This pro­gress is accor­ding to the ASME V&V40 stan­dard, which pro­vides ins­truc­tions on using digi­tal simu­la­tion to vali­date com­pu­ta­tio­nal models for tes­ting medi­cal device spe­ci­fic func­tions and mate­rial or com­po­nents cha­rac­te­ris­tics. In contrast, such vali­da­tion and tes­ting methods are cur­rent­ly absent in the Euro­pean Union, as no har­mo­ni­zed stan­dards concer­ning these tech­niques have been esta­bli­shed. The­re­fore, our dis­ser­ta­tion seeks to explore the role that digi­tal simu­la­tion could play in the appro­val pro­cess of medi­cal devices, spe­ci­fi­cal­ly within the Euro­pean Union .

Téléchargements

Introduction

La modé­li­sa­tion est un pro­ces­sus spé­ci­fique qui per­met de repré­sen­ter de façon abs­traite un sys­tème, un phé­no­mène ou une situa­tion réelle appe­lée modèle. Cette repré­sen­ta­tion consiste à uti­li­ser un modèle numé­rique préa­la­ble­ment réa­li­sé afin d’effectuer des cal­culs ou des expé­riences vir­tuelles pour le confron­ter au monde réel dans le but d’augmenter la confiance à l’égard du modèle trai­té [1] . Les pro­grammes algo­rith­miques implé­men­tés dès lors dans ces modèles sont lar­ge­ment uti­li­sés dans les domaines d’ingénierie, de sciences mais aus­si dans des domaines tels que l’économie ou le social. Une fois les modèles com­pu­ta­tion­nels infor­ma­tiques éta­blis, ils sont uti­li­sés pour pré­dire, ana­ly­ser et opti­mi­ser le com­por­te­ment des sys­tèmes avant leur mise en œuvre réelle [2].

La simu­la­tion et la modé­li­sa­tion numé­rique (CM&S) qui jusque-là était limi­tée à la vali­da­tion du desi­gn, a consi­dé­ra­ble­ment évo­lué depuis les années 1960 dans les sec­teurs de l’aéronautique, de l’automobile et du nucléaire, pré­ci­sé­ment aux États-Unis et en Europe. De nos jours, elle per­met le déve­lop­pe­ment d’un pro­duit de l’idée jusqu’à sa sur­veillance post com­mer­cia­li­sa­tion, car elle per­met de pré­dire, grâce à des modèles mathé­ma­tiques, des modèles de cal­cul et à l’intelligence arti­fi­cielle, des phé­no­mènes phy­siques à tra­vers des tech­niques de simu­la­tion [3].

Plus tard, l’on a com­men­cé à s'intéresser à com­ment l’on pour­rait implé­men­ter cette tech­nique telle qu'utilisée dans l'aéronautique pour l’intégrer dans le pro­ces­sus d’homologation d’un dis­po­si­tif médical(DM). Au cours des der­nières années, plu­sieurs orga­nismes ont joué un rôle essen­tiel dans l’utilisation de la modé­li­sa­tion et de la simu­la­tion pour déve­lop­per le concept d’essais in sili­co, qui désigne l'utilisation de la simu­la­tion infor­ma­tique indi­vi­dua­li­sée dans le déve­lop­pe­ment ou l'évaluation régle­men­taire d'un médi­ca­ment, d'un dis­po­si­tif médi­cal ou d'une inter­ven­tion médi­cale [4].

 Grâce à des ini­tia­tives, le Congrès amé­ri­cain et le Par­le­ment euro­péen ont émis des recom­man­da­tions simi­laires à l’intention de leurs agences régle­men­taires res­pec­tives : la Food and Drug Admi­nis­tra­tion (FDA) et L’European Mede­cines Agen­cy (EMA), sou­li­gnant la néces­si­té de pou­voir adop­ter l’évaluation in sili­co dans le cadre du pro­ces­sus régle­men­taire. En 2016, la FDA a publié un pre­mier guide sur le « Repor­ting of Com­pu­ta­tio­nal Mode­ling Stu­dies in Medi­cal Device Sub­mis­sions » [5]. Cela a été sui­vi en 2018 par la publi­ca­tion de la norme tech­nique ASME V&V 40-2018 « Asses­sing Cre­di­bi­li­ty of Com­pu­ta­tio­nal Mode­ling through Veri­fi­ca­tion and Vali­da­tion : Appli­ca­tion to Medi­cal Device » [5], [6].

Par la suite, en 2018, l’EMA publie le guide sur « Gui­de­line on the repor­ting of phy­sio­lo­gi­cal­ly based phar­ma­co­ki­ne­tic (PBPK) model­ling and simu­la­tion » . Cepen­dant, la CM&S pose un défi un majeur : celui d'établir des normes et des cadres régle­men­taires pour garan­tir la rigueur et la pro­duc­ti­vi­té de l'activité de simu­la­tion dans le cadre de la vali­da­tion et d’homologation des dis­po­si­tifs médicaux.

C’est dans ce contexte que nous avons posé la pro­blé­ma­tique sui­vante : “Quelle place pour­rait prendre les tech­niques de simu­la­tion numé­rique dans le pro­ces­sus de vali­da­tion ou d’homologation des dis­po­si­tifs médicaux ?”

Pour répondre à cette pro­blé­ma­tique, on s’est concen­tré dans un pre­mier temps de faire le contexte des tech­niques de CM&S, les enjeux et les objec­tifs. Dans un second temps on a fait un rap­pel sur les dif­fé­rentes tech­niques de CM&S avec des exemples spé­ci­fiques. Par la suite, on va se foca­li­ser sur le posi­tion­ne­ment de la CM&S dans le pro­ces­sus d’homologation des DM aux Etats-Unis. Enfin nous pro­po­se­rons des sug­ges­tions pour inté­grer la CM&S dans le pro­ces­sus de vali­da­tion des DM en Europe.

Chapitre 1 - Contexte, enjeux et objectifs

1. Contexte d'utilisation de la simulation numérique

 Les tech­niques de la CM&S s’appliquent dans tous les sec­teurs de l’industrie.  En 2016, le rap­port de CIM­da­ta a mis en exergue une adop­tion lar­ge­ment majo­ri­taire dans le sec­teur auto­mo­bile qui repré­sente 29 % du mar­ché mon­dial, sui­vi du sec­teur aéro­spa­tial lui-même repré­sen­té à qua­si 22 %. Ces dif­fé­rents sec­teurs font usage de la CM&S pour la concep­tion, les essais de sécu­ri­té, l’optimisation des per­for­mances et la ges­tion des risques ; créant ain­si un désir d’innovation per­met­tant de réduire les coûts de déve­lop­pe­ment. À l’opposé, le sec­teur du médi­cal n’est qu’un tout petit acteur du mar­ché mon­dial de la simu­la­tion numé­rique à hau­teur de 1 % [7].

 La Figure 1 montre la répar­ti­tion de la CM&S dans tous les sec­teurs industriels

Figure 1 : Répartition de la modélisation et simulation numérique dans tous les secteurs industriels [7]

 A tra­vers ce dia­gramme on constate que le domaine de san­té n’est pas mini­mi­sé car elle repré­sente une part impor­tante. Le MDIC est un par­te­na­riat public-pri­vé conçu pour faire pro­gres­ser le pro­ces­sus de régle­men­ta­tion des DM. Elle a réa­li­sé une enquête en 2014 et 2021 pour recueillir des don­nées auprès de 40 experts dans les orga­ni­sa­tions sur leur vision du domaine de la CM&S. D’après leurs retours la simu­la­tion numé­rique est uti­li­sée dans plu­sieurs étapes du cycle de vie repré­sen­tés dans le sché­ma qu’il suit [1]. (Figure 2)

Figure 2 : Répartition du pourcentage de la simulation numérique dans le cycle de vie des DM [7].

Cer­tains domaines de la simu­la­tion numé­rique sont plus avan­ta­geux que d’autre, notam­ment le déve­lop­pe­ment et la décou­verte de nou­veaux dis­po­si­tifs repré­sen­té dans le sché­ma ci-contre (Figure 3):

Figure 3 : Répartition de la simulation numérique dans le développement des DM [7].

Entre 2014 et 2021 la ren­ta­bi­li­sa­tion de CM&S a consi­dé­ra­ble­ment évo­lué dans le domaine de la recherche, du déve­lop­pe­ment des nou­velles thé­ra­pies, la pro­duc­ti­vi­té, la per­for­mance des sys­tèmes et la crois­sance des reve­nus dans une entreprise.

2. Enjeux de la simulation numérique

Les enjeux de la simu­la­tion numé­rique sont mul­tiples notam­ment les enjeux éthiques en pré­ser­vant l’espèce ani­male et en rédui­sant les tests sur ceux-ci. Un autre enjeu réside dans la réduc­tion des risques et des tests liés aux dif­fé­rentes inno­va­tions tech­no­lo­giques. En effet, il s’agit d’une étape impor­tante dans la vali­da­tion d’un DM, étant don­né qu’elle aug­mente sa sécu­ri­té et sa fiabilité.

De plus, le gain de temps est aus­si un avan­tage majeur, car les tests tra­di­tion­nels sont très longs parce qu'ils com­prennent les phases de pré­pa­ra­tion, d'exécution et d'analyse [2].

Les tech­niques de modé­li­sa­tion et de simu­la­tion numé­rique per­mettent d’obtenir des ité­ra­tions plus rapides et four­nissent un modèle de cal­cul modu­laire de grande valeur. La ren­ta­bi­li­té et l’optimisation des res­sources est un enjeu majeur, car elle per­met de déter­mi­ner les limites du modèle.

D’autres appli­ca­tions de la CM&S offrent la mise en œuvre d’une pla­te­forme de simu­la­tion qui sou­tien­drait la tran­si­tion vers le Jumeau Humain Vir­tuel euro­péen déve­lop­pée par EDITH qui est une pla­te­forme qui capi­ta­lise sur le déve­lop­pe­ment des tech­no­lo­gies numé­riques et de la dis­po­ni­bi­li­té des res­sources afin de pro­mou­voir la recherche en Europe, mais ce jumeau est encore en phase de pro­to­ty­page [2].

3. Objectifs du projet

Pour répondre à notre pro­blé­ma­tique, nous nous sommes fixés des objec­tifs, à savoir :

• Mon­trer l’importance de la simu­la­tion numé­rique dans le pro­ces­sus de vali­da­tion des DM qui per­met de réduire le cycle de la concep­tion et de la validation.
• Faire un état de l’art com­pa­ra­tif sur l’évolution de la simu­la­tion numé­rique dans le domaine médi­cal en Europe et ailleurs.
• Mon­trer les avan­tages de l'application de la simu­la­tion numé­rique en exa­mi­nant les approches régle­men­taires euro­péennes rela­tives aux modèles de (CM&S) et en pré­sen­tant l’état de l'art de la simu­la­tion numé­rique uti­li­sée dans le sec­teur des soins de san­té en Europe.

Après avoir fait un état des lieux des enjeux, du contexte d’utilisation de la simu­la­tion numé­rique dans le domaine de l’industrie en géné­ral et plus spé­ci­fi­que­ment dans le domaine de la san­té et d’établir les dif­fé­rents objec­tifs qui doivent être atteints dans les suites des chapitres.

Chapitre 2 - Techniques de modélisation et simulation numérique dans le domaine médical

La modé­li­sa­tion infor­ma­tique est une tech­nique qui consiste à créer un modèle 3D repré­sen­ta­tif d'un organe ou d’un sys­tème à l’aide des équa­tions et algo­rithmes. La simu­la­tion quant à elle est une tech­nique per­met­tant d’analyser le com­por­te­ment d’un sys­tème en le repro­dui­sant sur une appli­ca­tion infor­ma­tique. Plu­sieurs tech­niques de simu­la­tion et modé­li­sa­tion infor­ma­tique existent et dans le cadre du pré­sent pro­jet, les tech­niques de jumeaux numé­riques d'organes, de cohorte de patients et de méthode d’analyse par élé­ments finis seront abor­dées tout au long de cette partie.

1. Jumeaux numériques d'organes

Le jumeau numé­rique est la repré­sen­ta­tion numé­rique d’un objet ou d’un organe phy­sique basée sur des lois scien­ti­fiques et des modèles mathé­ma­tiques issues de don­nées réelles. Ces don­nées réelles vont simu­ler l’apparence d’un objet ou d’un sys­tème réel, mais aus­si son com­por­te­ment et ses inter­ac­tions dans un envi­ron­ne­ment à l’image de celui dans lequel il sera ame­né à fonctionner.

Appli­ca­tions :

Dans le domaine sani­taire, le jumeau numé­rique est appli­qué de plu­sieurs manières ; l’une des appli­ca­tions de la simu­la­tion infor­ma­tique est celle de la repré­sen­ta­tion numé­rique du cœur déve­lop­pée par Sim­car­dio Test [9], uti­li­sée cou­ram­ment pour la mise au point et le déve­lop­pe­ment de nou­veaux stents, dis­po­si­tifs médi­caux val­vu­laires ou pace­ma­kers, cou­vrant les dif­fé­rentes dimen­sions du cardiovasculaire.

Une autre appli­ca­tion est celle de la repré­sen­ta­tion numé­rique de l’aorte uti­li­sée pour lut­ter contre la rup­ture d’anévrisme. Déve­lop­pée par l’Institut Mines Télé­com (I’MTech), cette repré­sen­ta­tion uti­lise des don­nées réelles des patients atteints d’anévrisme pour simu­ler en modèle 3D l’évolution d’un ané­vrisme avec le fil du temps afin de pré­voir l’effet d’une pro­thèse posée par chi­rur­gie [10].

Bien que les modèles infor­ma­tiques indi­vi­duels créent une réplique numé­rique d’un seul indi­vi­du ou d’une par­tie du corps, ils peuvent être divi­sés en modèles per­son­na­li­sés, qui cap­turent des infor­ma­tions spé­ci­fiques au patient (éga­le­ment appe­lés jumeaux numé­riques), et en modèles fami­liaux, qui regroupent des indi­vi­dus par­ta­geant des carac­té­ris­tiques communes.

2. Cohorte de patients

Les modèles fami­liaux repré­sentent un sous-groupe d’une popu­la­tion avec des varia­tions carac­té­ris­tiques, ce qui les rend sto­chas­tiques et capables de géné­rer plu­sieurs sor­ties aléa­toires encore appe­lée cohorte patient [11]. Ces modèles peuvent être basés sur des images médi­cales ou sur des connais­sances. Lorsque les modèles de popu­la­tion sont basés sur des images médi­cales, elles peuvent être para­mé­trées avec des équa­tions mathé­ma­tiques qui per­mettent de géné­rer d’autres images repré­sen­tant une popu­la­tion d’humains numé­riques. A contra­rio, les modèles basés sur des connais­sances reposent sur des mesures phy­siques ou bio­lo­giques. Une carac­té­ris­tique impor­tante d’un modèle est sa capa­ci­té à échan­tillon­ner des cohortes repré­sen­ta­tives de la popu­la­tion cible, ce qui néces­site de conce­voir des tech­niques adap­tées à la varia­bi­li­té réelle des patients. La figure 4 nous montre le pro­ces­sus d’obtention des cohortes de patients.[11]

Figure 4 : Chemin de création des cohorte patient (Auteur(e)s) [11]

Appli­ca­tions : in sili­co trials

Les essais cli­niques des dis­po­si­tifs médi­caux sont longs et coû­teux, retar­dant ain­si l'évaluation régle­men­taire des tech­no­lo­gies inno­vantes et leur mise sur le mar­ché. Pour y remé­dier, plu­sieurs pro­jets uti­li­sant des modèles infor­ma­tiques ont été lan­cés afin de déter­mi­ner si les essais in sili­co peuvent jouer un rôle clé dans l'évaluation des dis­po­si­tifs. Comme énon­cé pré­cé­dem­ment, les modèles infor­ma­tiques sont cal­qués sur des algo­rithmes et équa­tions mathé­ma­tiques afin d’évaluer au mieux les DM à tra­vers plu­sieurs tech­niques par­mi les­quelles le jumeau numé­rique, cohorte de patient et FEA. En effet, on dis­tingue deux types d’essais in sili­co à savoir : Test de dis­po­si­tif in sili­co pour simu­ler le dis­po­si­tif pour géné­rer des preuves de sécurité/efficacité et Essai cli­nique in sili­co où la per­for­mance du dis­po­si­tif est éva­luée en uti­li­sant une « cohorte vir­tuelle » de patients simu­lés [12]. Le pro­jet VICTRE (Vir­tual Ima­ging Cli­ni­cal Trial for Regu­la­to­ry Eva­lua­tion) est un exemple d’essai cli­nique in sili­co qui uti­lise des modèles réa­listes de seins et leurs images acquises par Mam­mo­gra­phie Numé­rique (DM) et Tomo­syn­thèse Numé­rique du Sein (DBT) pour éva­luer l'impact des essais d'imagerie in sili­co dans l'évaluation des sys­tèmes d'imagerie médi­cale [13]. La figure 5 illustre les dif­fé­rentes par­ties du sein qui consti­tue le modèle com­pu­ta­tion­nel de l’organe concerné.

Figure 5 : CM&S du sein [13]

3. FEA : méthode d'analyse par éléments finis

La méthode d’analyse par élé­ments finis (FEA) est une méthode numé­rique per­met­tant de résoudre dif­fé­rents types d'équations dif­fé­ren­tielles [14]. Elle per­met de sim­pli­fier la struc­ture don­née en la divi­sant en petits élé­ments. En effet, plus les élé­ments sont petits, plus, l'analyse prend du temps et plus la valeur de l'exactitude des résul­tats finaux est grande [15]. Pour la concep­tion médi­cale, cela se tra­duit géné­ra­le­ment par la véri­fi­ca­tion des per­for­mances du dis­po­si­tif dans un domaine vir­tuel repré­sen­ta­tif de l'application réelle pré­vue [16].

Appli­ca­tions : Modèle à élé­ments finis

La méthode des élé­ments finis a été uti­li­sée dans le domaine de la méde­cine pour pré­dire la dis­tri­bu­tion des contraintes et des défor­ma­tions sur les dents, les implants et les autres os envi­ron­nants qui ne peuvent être réso­lus par l'analyse in vivo, comme les zones entre l'implant et l'os cor­ti­cal, la pro­thèse et la gen­cive. Aujourd’hui, elle est aus­si obser­vée dans plu­sieurs cas d’étude des dis­po­si­tifs médi­caux à l'instar de : l’orthopédie et colonne ver­té­brale, car­dio­vas­cu­laire et neu­ro­vas­cu­laire, sys­tème de cathé­ters, conte­neurs, fla­cons et autres sys­tèmes d’emballages.

Un cas médi­cal dans l’orthopédie est celui de la chi­rur­gie de rem­pla­ce­ment de l'épaule en uti­li­sant la FEA pour éva­luer les condi­tions cri­tiques afin de pré­dire la per­for­mance à court et moyen terme du sys­tème total de l'épaule. Aus­si, la méthode FEA est uti­li­sée pour étu­dier les contraintes osseuses et les micro­mou­ve­ments de la che­ville afin d'anticiper la sta­bi­li­té de l'implant, le modèle numé­rique uti­li­sé pour simu­ler les 3 phases d'adduction (angle de fixa­tion) : 45°, 60° et 90° et déter­mi­ner la situa­tion la plus cri­tique. La figure 6 repré­sente la divi­sion de l’épaule en plu­sieurs élé­ments afin de déter­mi­ner les contraintes et les déformations.

Figure 6 : Système total de l'épaule à court et à long terme. Simulation numérique des contraintes et des déformations et des micromouvement  [15]

Après avoir fait un état de l’art des dif­fé­rentes tech­niques de simu­la­tions et de modé­li­sa­tion numé­riques exis­tant dans le domaine de la san­té avec des exemples illus­tra­tifs, il s’agira par la suite de pré­sen­ter le pro­ces­sus d’homologation des DM selon la norme ASME V&V40 ain­si que des dif­fé­rents outils développés.

Chapitre 3 - Place de la simulation numérique dans le processus d'homologation d'un dispositif médical

1. Processus d'homologation d'un dispositif médical

Le pro­ces­sus d'approbation d'un DM repose sur un cadre régle­men­taire rigou­reux conçu pour garan­tir la sécu­ri­té des patients et l'efficacité des pro­duits. Dans ce cadre, le règle­ment UE rela­tif aux dis­po­si­tifs médi­caux défi­nit les exi­gences essen­tielles à prendre en compte lors du pro­ces­sus d'homologation d’un DM. Ces exi­gences sont décrites dans les phases de concep­tion, d’évaluation des risques, d’essais cli­niques, de vali­da­tion des per­for­mances et de sur­veillance après com­mer­cia­li­sa­tion. 

• Concep­tion et Pro­to­ty­page : L’élaboration ini­tiale du dis­po­si­tif com­prend le déve­lop­pe­ment du concept et la réa­li­sa­tion de pro­to­types phy­siques, qui servent de base pour les tests ultérieurs.
• Tests Pré­cli­niques : Ces éva­lua­tions, réa­li­sées sur des modèles ani­maux (in vivo) et qui peuvent être réa­li­sées in vitro, visent à démon­trer la sécu­ri­té et la per­for­mance du dis­po­si­tif avant les essais sur l’homme.
• Essais cli­niques : Cette étape éva­lue l’efficacité et la sécu­ri­té du dis­po­si­tif sur des patients humains, en condi­tions réelles d’utilisation.
• Appro­ba­tion Régle­men­taire : Les agences régle­men­taires exa­minent la docu­men­ta­tion pour véri­fier si le pro­duit répond aux exi­gences de sécu­ri­té et de per­for­mance définies.

En ce qui concerne la Sur­veillance Post-Mar­ché, il s’agit du sui­vi du dis­po­si­tif après com­mer­cia­li­sa­tion, afin de détec­ter et résoudre d’éventuelles défaillances ou pro­blèmes de sécu­ri­té à long terme. La figure 7 résume les grandes étapes d'homologation DM

Figure 7 : Etapes d'homologation DM

2. Simulation numérique dans le processus d'homologation des dispositifs médicaux

Le déve­lop­pe­ment d’un DM suit un pro­ces­sus struc­tu­ré enca­dré par une auto­ri­té compétente(Organisme Noti­fié) per­met­tant ain­si de garan­tir sa per­for­mance et sa confor­mi­té régle­men­taire pour la sécu­ri­té du patient. Le cycle de vie d’un DM est un pro­ces­sus métho­dique qui vise à trans­for­mer une idée inno­vante de l’identification du besoin jusqu'à la fin de vie du dis­po­si­tif. Inté­grée à diverses étapes du cycle de vie d’un DM, la simu­la­tion numé­rique pour­rait offrir la pos­si­bi­li­té de modé­li­ser, de tes­ter et d’optimiser les per­for­mances des DM en rédui­sant consi­dé­ra­ble­ment et par­fois en annu­lant la néces­si­té d'effectuer des tests pré-cli­niques.  En effet, la simu­la­tion numé­rique peut poten­tiel­le­ment trans­for­mer chaque étape de l'approbation d'un DM, en four­nis­sant une ana­lyse vir­tuelle détaillée des per­for­mances, des risques et des inter­ac­tions pos­sibles [17] tels que décrit ci-après :

• Opti­mi­sa­tion de la concep­tion : Les simu­la­tions, telles que la FEA, per­met­traient de modé­li­ser le com­por­te­ment struc­tu­rel ou méca­nique du dis­po­si­tif. Par exemple, les simu­la­tions de flux flui­diques sont uti­li­sées dans la concep­tion de stents vas­cu­laires ou de valves car­diaques pour pré­dire leur effi­ca­ci­té avant la fabri­ca­tion des prototypes.
• Com­plé­ter les essais pré­cli­niques : Plu­tôt que de s’appuyer uni­que­ment sur des essais phy­siques, la simu­la­tion pour­rait offrir une alter­na­tive vir­tuelle fiable pour éva­luer la sécu­ri­té bio­mé­ca­nique ou la bio­com­pa­ti­bi­li­té, rédui­sant ain­si la dépen­dance aux tests sur ani­maux. Elle rédui­rait la taille et/ou la por­tée des essais cli­niques (« essais in silico »).
• Éva­lua­tion des risques : En inté­grant des scé­na­rios extrêmes (worst case), des simu­la­tions cré­dibles et vali­dées pour­raient être uti­li­sées pour géné­rer des preuves de sécu­ri­té et d'efficacité qui font par­tie des sou­mis­sions régle­men­taires. C’est le cas de cer­taines entre­prises qui font dans la simu­la­tion et la déter­mi­na­tion des worst case des pro­thèses ortho­pé­diques (épaule, hanche, genoux).
• Sup­port régle­men­taire : Bien qu’il n'y ait pas de norme har­mo­ni­sée concer­nant la CM&S au niveau de l’Union Euro­péenne qui expliquent les exi­gences atten­dues, cer­taines auto­ri­tés et entre­prises recon­naissent de plus en plus la valeur des simu­la­tions numé­riques. De ce fait, comme exemple, les ana­lyses pré­dic­tives pour­raient être inté­grées dans le dos­sier régle­men­taire pour démon­trer les per­for­mances du dis­po­si­tif dans diverses situa­tions cliniques.
• Sur­veillance post-com­mer­cia­li­sa­tion : la simu­la­tion peut aider à déter­mi­ner les causes pro­fondes des pro­blèmes signa­lés par les clients qui uti­lisent le DM. La figure 8 est une repré­sen­ta­tion de la place que pour­rait prendre la CM&S à dif­fé­rentes étapes du pro­ces­sus d’homologation d’un DM.

Figure 8 : Simulation numérique dans le cycle de vie des DMs Source (Auteurs)

3. Utilisation de la simulation numérique aux USA

Aux Etats unis, selon le Code of Fede­ral Regu­la­tion (CFR), la pro­tec­tion et la pro­mo­tion de la san­té publique sont les mis­sions de la FDA au sein duquel se trouve le Cen­ter for Devices and Radio­lo­gi­cal Health (CDRH). Le CDRH régle­mente et par­ti­cipe au déve­lop­pe­ment de nou­velles méthodes, normes et approches pour éva­luer la sécu­ri­té, l'efficacité, la qua­li­té et les per­for­mances des DM. Elle régle­mente aus­si la com­mer­cia­li­sa­tion des DM aux États-Unis. Selon la Loi fédé­rale sur les ali­ments, les médi­ca­ments et les cos­mé­tiques sont sou­mis aux régle­men­ta­tions du 21 CFR par­ties 1 à 58, 800 à 1299. Ain­si, toutes les spé­ci­fi­ca­tions appli­cables lors de la fabri­ca­tion, la vali­da­tion et la com­mer­cia­li­sa­tion d’un DM tirent leur essence dans le 21 CFR-FDA de 800-1050 où de 800-861, on parle des exi­gences trans­ver­sales pour les dis­po­si­tifs et de 862-1050, des exi­gences spé­ci­fiques aux dispositifs.

Tra­di­tion­nel­le­ment, les tests sur banc, les études sur les ani­maux et les essais cli­niques ont été les prin­ci­pales sources de preuves pour la mise sur le mar­ché de DM aux Etats-Unis et ailleurs dans le monde. Cepen­dant, au fil des der­nières années, la modé­li­sa­tion infor­ma­tique est deve­nue un outil de plus en plus puis­sant, uti­li­sée dans les pla­te­formes logi­cielles et ser­vant d’aide à la déci­sion cli­nique, par­ti­cu­liè­re­ment aux Etats-Unis. En rai­son de son énorme poten­tiel et de sa por­tée, l’Office Of Science and Engi­nee­ring Labo­ra­to­ries (OSEL), une autre branche de la FDA, a trans­for­mé la modé­li­sa­tion infor­ma­tique en outil régle­men­taire pré­cieux et à l’élaboration de méca­nismes per­met­tant à la CDRH de s’appuyer davan­tage sur des preuves numé­riques au lieu d’autres preuves.

3.1. Description de l'outil de modélisation et simulation informatique 

Défi­ni­tion et objectif

Le désir de la CDRH de s’appuyer sur d’autres preuves telles que les preuves numé­riques a per­mis que le déve­lop­pe­ment de la CM&S abou­tisse à des simu­la­tions d’une varié­té de condi­tions. Ces condi­tions imitent un aspect de l’environnement cli­nique ou d’utilisation pour étu­dier un aspect de per­for­mance du DM. A tra­vers cela, la CDRH met en place un outil de déve­lop­pe­ment de DM : Medi­cal Device Deve­lop­ment Tools (MDDT) [18]. L’outil MDDT est

• Volon­taire ;
• Réduit la charge régle­men­taire dans l'évaluation des DM ;
• Faci­lite le déve­lop­pe­ment et l'évaluation rapide des DM ;
• Sou­tient les sou­mis­sions régle­men­taires et la prise de décisions ;
• Les sou­mis­sion­naires d'outils peuvent être une per­sonne, un groupe, un consor­tium ou une orga­ni­sa­tion (y com­pris le gou­ver­ne­ment fédéral).

En effet, le MDDT est une méthode per­met­tant à la FDA de qua­li­fier les outils que les fabri­cants de DM peuvent choi­sir d'utiliser dans le déve­lop­pe­ment et l'évaluation des DM[19]. Cette qua­li­fi­ca­tion consiste à éva­luer la sécu­ri­té, l'efficacité ou la per­for­mance d’un dis­po­si­tif médi­cal[18].

Caté­go­ries d’outil MDDT

A ce jour, il existe trois caté­go­ries d’outil de déve­lop­pe­ment des dis­po­si­tifs médi­caux dis­tin­gués prin­ci­pa­le­ment par la manière dont l'outil mesure les para­mètres per­ti­nents. Ce sont : les Modèles d'Évaluation Non-cli­niques (NAM), les Tests de Bio­mar­queurs (BT), et les Éva­lua­tions des Résul­tats Cli­niques (COA). 

• Modèle d'évaluation non cli­nique : modèle ou une méthode de test non cli­nique qui mesure où pré­dit des para­mètres d'intérêt pour éva­luer la sécu­ri­té, l'efficacité ou la per­for­mance d'un dis­po­si­tif. Exemples : modèles com­pu­ta­tion­nels, modèles ani­maux, fantômes/Cohorte patient.
• Test de bio­mar­queur : Test ou un ins­tru­ment uti­li­sé pour détec­ter ou mesu­rer un bio­mar­queur[19].  C’est test peuvent être uti­li­sés pour mesu­rer des carac­té­ris­tiques molé­cu­laires, his­to­lo­giques, radio­gra­phiques ou physiologiques
• Éva­lua­tion des résul­tats cli­niques : caté­go­rie d’outil MDDT qui décrit ou reflète com­ment une per­sonne se sent, fonc­tionne ou sur­vit, et peut être rap­por­tée par un four­nis­seur de soins de san­té, un patient, un obser­va­teur non cli­nique ou par la per­for­mance d'une acti­vi­té ou tâche.

La FDA se sert de l’outil MDDT pour faci­li­ter la prise de déci­sion régle­men­taire des DM en com­plé­ment avec les tests pré­cli­niques ou mesures des résul­tats d’évolution cli­nique. Il met éga­le­ment à la por­tée des fabri­cants un outil qua­li­fié leur per­met­tant de faci­li­ter le deve­lop­pe­ment, l’évaluation rapide et la pro­mo­tion de l’innovation de leur DM avant la sou­mis­sion [20]. Aus­si, un fabri­cant peut éga­le­ment conce­voir son outil MDDT et le qua­li­fier afin de per­mettre aux autres fabri­cants de DM du même sec­teur de l’utiliser dimi­nuant ain­si le temps et les pro­cé­dures de qua­li­fi­ca­tion que devait prendre la pro­cé­dure de véri­fi­ca­tion du DM par l’outil MDDT.

Qua­li­fier un MDDT exige de pas­ser par deux phases prin­ci­pales à savoir :

• Phase de pro­po­si­tion dont l’objectif est de déter­mi­ner si le MDDT est adap­té à la qua­li­fi­ca­tion par le biais du pro­gramme MDDT. Durant cette phase, les infor­ma­tions sou­mises sont : Un plan de qua­li­fi­ca­tion com­plet pour la col­lecte des preuves en vue de la qua­li­fi­ca­tion de l'outil, une des­crip­tion du MDDT et le contexte d'utilisation[18].
• Phase de qua­li­fi­ca­tion dont l’objectif est de déter­mi­ner si, pour un contexte d'utilisation spé­ci­fique, l'outil est qua­li­fié sur la base des preuves et des jus­ti­fi­ca­tions four­nies.  Les infor­ma­tions requises pour sou­mis­sions sont : Les don­nées col­lec­tées selon le plan de qua­li­fi­ca­tion dans le cadre du dos­sier com­plet de qua­li­fi­ca­tion, que la FDA exa­mine pour la déci­sion de qualification.

Exemples d’outils MDDT :

Fin 2024 aux états unis, sont recon­nus 17 outils qua­li­fiés de déve­lop­pe­ment de dis­po­si­tifs médi­caux dont[20] :

• 07 outils de caté­go­rie NAM qui prennent en compte plu­sieurs domaines notam­ment le domaine d’imagerie médi­cale, de cyber­sé­cu­ri­té, d’orthopédie, de bio­com­pa­ti­bi­li­té et bios­ta­bi­li­té. Comme exemple :
• Vir­tual MRI Safe­ty Eva­lua­tions of Medi­cal Devices : Outil MDDT uti­li­sé dans le domaine d’imagerie, c’est un modèle mul­ti­phy­sique pour ana­ly­ser les effets élec­tro­ma­gné­tiques et ther­miques d'une bobine RF d'IRM sur un dis­po­si­tif médi­cal pla­cé dans un gel ASTM [21].De par la com­plexi­té de réunir les condi­tions de mise en œuvre des tests d’évaluation du com­por­te­ment d’un DM implan­table lors des tests pré-cli­nique, cet outil vise à pré­dire l’augmentation de tem­pé­ra­ture autour du DM pas­sif dans un IRM. En effet, avec la CM&S implé­men­té dans cet outil, il sera mis en avant la quan­ti­té de tem­pé­ra­ture autour du DM due au dépôt de puis­sance RF et l’identification de la confi­gu­ra­tion la plus défa­vo­rable du DM implan­table pas­sif. L’objectif de cet outil est de rem­pla­cer les tests phy­siques en réa­li­sant plu­sieurs simulations.
• 02 outils de la caté­go­rie BT pré­sents dans les domaines de neu­ro­lo­gie, car­dio­lo­gie et sur­veillance patient. Comme exemple :
• Apple Atrial Fibril­la­tion His­to­ry Fea­ture : Uti­li­sé dans le domaine de car­dio­lo­gie et sur­veillance des patients, c’est un outil valable pour éva­luer la charge de fibril­la­tion auri­cu­laire dans les essais cli­niques. Il per­met de mesu­rer la fré­quence et la durée des épi­sodes de fibril­la­tion auri­cu­laire de manière non inva­sive[22].
• 08 outils de la caté­go­rie COA des domaines tels que l’esthétique, la der­ma­to­lo­gie, la car­dio­lo­gie. Comme exemple :
• Assess­ment of IntraO­cu­lar Lens Implant Symp­toms (AIOLIS) ins­tru­ment :  du domaine de l'ophtalmologie, comme la des­crip­tion de la caté­go­rie dans lequel il existe, cet outil per­met d’évaluer et de mesu­rer la satis­fac­tion et la qua­li­té de vie des patients ayant subi des inter­ven­tions esthé­tiques faciales. Il intègre aus­si des échelles pour éva­luer le res­sen­ti du vieillis­se­ment, l'impact du trai­te­ment sur la vie quo­ti­dienne, ain­si que la satis­fac­tion par rap­port aux résul­tats obte­nus[23].

         Après avoir décrit l’outil de modé­li­sa­tion et simu­la­tion infor­ma­tique implé­men­té aux USA, il est nor­mal de se deman­der ce qui per­met aux auto­ri­tés amé­ri­caines d’affirmer de la cré­di­bi­li­té, la fia­bi­li­té des preuves numé­riques four­nies par les CM&S implé­men­tées au sein des outils MDDT pour faci­li­ter les déci­sions régle­men­taires. Après s'être pen­ché sur la ques­tion dans le cadre de ce pro­jet, nous avons décou­vert que la norme V&V 40 était uti­li­sée pour éva­luer la cré­di­bi­li­té de la CM&S pour les DM aux USA.

3.2. Validation de la modélisation et simulation informatique : norme ASME V&V40

Dans l’optique d’évaluer la cré­di­bi­li­té de la CM&S pour les DM, la norme ASME V&V 40 Stan­dard a vu le jour en 2018. Comme le sou­lignent les ini­tiales V&V, elle per­met de véri­fier et de vali­der les modèles mathé­ma­tique et com­pu­ta­tion­nel implé­men­tés. La figure 9 est une repré­sen­ta­tion fonc­tion­nelle de la norme pour la V&V 40. 

Figure 9 : Représentation fonctionnelle de vérification et validation  [12]

Pro­ces­sus de vali­da­tion selon la norme V&V 40 Comme men­tion­né pré­cé­dem­ment, l’objectif de créa­tion et d’utilisation de la norme ASME V&V 40 était d’établir un ensemble de pro­cé­dures et de tests recon­nus pour véri­fier la cré­di­bi­li­té de per­for­mance du modèle infor­ma­tique d’un modèle phy­sique (DM, organes, patient vir­tuel). Selon les guides lus en rap­port à cette norme, la cré­di­bi­li­té est la confiance, basée sur toutes les preuves dis­po­nibles, dans la capa­ci­té pré­dic­tive d'un modèle com­pu­ta­tion­nel [24]. Ces preuves sont des docu­ments qui démontrent que le modèle com­pu­ta­tion­nel répond par­fai­te­ment à la ques­tion d'intérêt, au contexte d’utilisation du DM tel que défi­ni par le fabri­cant. La figure 10 décrit les 09 étapes clés néces­saires pour implé­men­ter la norme ASME V&V 40 pour éta­blir la cré­di­bi­li­té d’un CM&S d’un DM.

Figure 10 : Les grandes étapes de la norme ASME V&V 40 [12]

         Pour résu­mer les 09 étapes à suivre selon la norme ASME V&V 40 pour éta­blir, éva­luer la cré­di­bi­li­té et vali­der le modèle com­pu­ta­tion­nel infor­ma­tique, nous pré­sen­tons la figure 11.

Figure 11 : Les différentes étapes implémentées pour répondre à la norme ASME V&V 40 [24]

Une fois que la cré­di­bi­li­té des CM&S est vali­dée et éta­blie, la FDA consi­dère le modèle com­pu­ta­tion­nel du DM ou de l'organe comme cré­dible. Si ces modèles sont jugés cré­dibles, cela signi­fie éga­le­ment que les résul­tats de per­for­mance géné­rés par l'outil MDDT sont fiables. Par consé­quent, la FDA pour­ra éva­luer de manière adé­quate le DM et lui déli­vrer la noti­fi­ca­tion néces­saire à sa commercialisation. 

Aus­si, lors de nos dif­fé­rents entre­tiens, nous nous sommes ren­dus compte qu’il est pos­sible pour cer­tains fabri­cants de ne pas faire des tests cli­niques au niveau des Etats-Unis. En effet, cela est obser­vé dépen­dam­ment de plu­sieurs facteurs :

• Lorsque le fac­teur de sécu­ri­té est éle­vé (i.e. lorsqu’ils ont une grande lar­geur en termes de sécu­ri­té du patient lors des simu­la­tions numé­riques. La mesure de la résis­tance du maté­riau à l’application d’une force per­met de mesu­rer le fac­teur de sécurité.
• Lorsque le nou­veau produit/implant peut four­nir des infor­ma­tions sur son pro­duit par rap­port au pro­duit exis­tant du marché.

Aux vues de ce qui pré­cède, les dif­fé­rentes noti­fi­ca­tions néces­saires à la com­mer­cia­li­sa­tion du pro­duit sont repré­sen­tées par le tableau 1 : 

Tableau 1 : Type de notification délivrée par la FDA

Sou­mis­sion avant commercialisation	Carac­té­ris­tiques
Noti­fi­ca­tion avant com­mer­cia­li­sa­tion (510k) : 21 CFR Part 807 Sub­part E	Demande de com­mer­cia­li­sa­tion pour les dis­po­si­tifs à faible et moyen risque.« Équi­va­lence sub­stan­tielle » entre le nou­veau dis­po­si­tif et un dis­po­si­tif léga­le­ment com­mer­cia­li­sé Com­pa­rer L’utilisation pré­vue, les carac­té­ris­tiques du dis­po­si­tif, les tests de performance
Demande d'approbation avant com­mer­cia­li­sa­tion (PMA) : 21 CFR Part 814	Demande de com­mer­cia­li­sa­tion pour les dis­po­si­tifs à haut risque Assu­rance rai­son­nable : Sécu­ri­té et effi­ca­ci­té Les preuves doivent être indé­pen­dantes, Pas d'équivalence
De Novo	Per­met de clas­ser les nou­veaux dis­po­si­tifs médi­caux pour les­quels il n'existe pas d'équivalents com­mer­cia­li­sés léga­le­ment, mais qui offrent une sécu­ri­té et une effi­ca­ci­té adé­quates avec des contrôles géné­raux. La FDA effec­tue une éva­lua­tion basée sur les risques du dis­po­si­tif en ques­tion avant de l'approuver et d'autoriser sa commercialisation.

La simu­la­tion numé­rique est un pro­ces­sus très régle­men­té aux Etats- Unis à tra­vers la norme ASME V&V 40. Ce pro­ces­sus est très struc­tu­ré mais qu’en est- il de l’Europe ? Qu’en est-il de la norme ASME V&V 40 ? Est-elle recon­nue au niveau euro­péen ? Dans la suite de notre MIM, il s’agira de répondre à ces ques­tions et de faire des sug­ges­tions par rap­port à l’adoption de cette tech­nique de simu­la­tion numé­rique en se basant sur les dif­fé­rents pro­jets finan­cés par l’UE.

Chapitre 4 - Recommandation de la simulation numérique dans le processus de validation en Europe

1. Positionnement de la simulation numérique dans l'Union européenne

D’une manière géné­rale, il n’y a pas dans le règle­ment (UE) 2017/745 sur les dis­po­si­tifs médi­caux un cadre expli­cite concer­nant l’utilisation de don­nées de simu­la­tion numé­rique pour jus­ti­fier des preuves cli­niques. A l'annexe VII du règle­ment, est men­tion­né le mot simu­la­tion, sans direc­tive spé­ci­fique. Ceci peut s’expliquer par le fait qu'il n'y ait pas en Europe une norme qui encadre les CM&S sur laquelle ils peuvent s’appuyer comme c’est le cas aux Etats-Unis avec la norme ASME V&V 40.

La simu­la­tion numé­rique dans le deve­lop­pe­ment des médicament

Cepen­dant, l’Agence Euro­péenne des Médi­ca­ments (EMA) recon­naît l’utilisation et l’importance de la simu­la­tion numé­rique dans le cadre du déve­lop­pe­ment et l‘évaluation des médi­ca­ments comme par exemple la Modé­li­sa­tion phar­ma­co­ci­né­tique et phy­sio­lo­gique PBPK[25]. Il est aus­si uti­li­sé pour l’enseignement et les for­ma­tions dans le cadre sani­taire. Plu­sieurs modèles CM&S ont été déve­lop­pés notamment :

Modé­li­sa­tion phar­ma­co­ci­né­tique et phy­sio­lo­gique PBPK

La simu­la­tion et modé­li­sa­tion PBPK, per­mettent de pré­dire l’interaction du médi­ca­ment, à par­tir des pro­prié­tés phy­si­co­chi­miques du médi­ca­ment, des don­nées phy­sio­lo­giques d’animal ou humain. Ceci per­met d’optimiser les doses et la poso­lo­gie tout en rédui­sant les études in vivo[26]. 

Nous avons par exemple du Riva­roxa­ban qui est un anti­coa­gu­lant oral indi­qué dans la pré­ven­tion des acci­dents vas­cu­laires. Il uti­lise le modèle PBPK pour simu­ler l'inhibition des enzymes méta­bo­li­sant le riva­roxa­ban (comme le CYP3A4) et les trans­por­teurs (comme la P-gly­co­pro­téine) par d'autres médi­ca­ments [27].                                          

Pour la stan­dar­di­sa­tion de la pré­sen­ta­tion des tra­vaux de modé­li­sa­tion sur la PBPK, l’EMA a ren­du public en 2018 un guide inti­tu­lé « Gui­de­line on the repor­ting of phy­sio­lo­gi­cal­ly based phar­ma­co­ki­ne­tic (PBPK) model­ling and simu­la­tion ». L’objectif de ce guide est d’assurer la trans­pa­rence et la cohé­rence des rap­ports de recherche, en don­nant des recom­man­da­tions sur les élé­ments à pré­sen­ter et les moda­li­tés d’évaluation des simu­la­tions PBPK [28].

La simu­la­tion numé­rique dans la for­ma­tion du personnel

La simu­la­tion numé­rique est aus­si uti­li­sée dans le domaine sani­taire pour la for­ma­tion des per­son­nels sani­taires et dans l’enseignement pour la for­ma­tion des étu­diants dans le but d’améliorer leurs com­pé­tences cli­niques.  Ils vont avoir un envi­ron­ne­ment réa­liste pour pra­ti­quer des inter­ven­tions médi­cales sans dan­ger sur le patient et de réduire le recours aux tests cli­niques sur les patients. Grâce à la simu­la­tion numé­rique, les appre­nants ont la pos­si­bi­li­té d'expérimenter plu­sieurs scé­na­rios qui vont leur per­mettre de ren­for­cer leurs com­pé­tences dans la pra­tique clinique.

Tou­jours dans le domaine médi­cal, des entre­prises expé­ri­men­tées uti­lisent l’imagerie médi­cale avan­cée pour créer des modèles numé­riques pour conce­voir des jumeaux numé­riques d'organes. Das­sault Sys­tèmes grâce au pro­jet “living heart” ont déve­lop­pé des jumeaux numé­riques de cœur humain en inté­grant des images médi­cales (IRM, écho­car­dio­gra­phies). Ain­si, les cœurs vir­tuels per­mettent de tes­ter les effets des médi­ca­ments, d’anticiper les réponses thé­ra­peu­tiques, d’optimiser les ensei­gne­ments et les for­ma­tions [29].

2. Intérêt de la simulation numérique dans la validation d'un DM en Europe

La (CM&S) pour­rait amé­lio­rer et accé­lé­rer les pro­grès de la vali­da­tion et de la véri­fi­ca­tion des dis­po­si­tifs médi­caux dans le cadre du pro­ces­sus d’homologation en rédui­sant les coûts et en aug­men­tant la com­pé­ti­ti­vi­té par rap­port à d'autres régions. 

Un inté­rêt est celui de la réduc­tion de la durée du pro­ces­sus de régle­men­ta­tion, ce qui per­met­tra de lan­cer rapi­de­ment de nou­veaux pro­duits, en rédui­sant le temps d'évaluation cli­nique et en obte­nant l'approbation for­melle du dis­po­si­tif médi­cal pour le mar­ché [30].

Un autre aspect est la réduc­tion des essais pré­cli­niques et cli­niques, ce qui per­met­tra de lan­cer rapi­de­ment des DM inno­vants, en obte­nant l'approbation for­melle du dis­po­si­tif médi­cal sur le marché. 

Le sou­tien des solu­tions d'innovation et l'amélioration du pro­ces­sus de recherche et de déve­lop­pe­ment atti­re­ra les entre­prises (start-ups).

En outre, la nou­velle approche de la simu­la­tion numé­rique du dis­po­si­tif médi­cal accé­lère le pro­ces­sus d'harmonisation des orga­nismes noti­fiés en ce qui concerne le pro­ces­sus d'approbation [31]. De plus, les méthodes de simu­la­tion (essais in sili­co) opti­misent l'utilisation des res­sources en rédui­sant les besoins en équi­pe­ment de labo­ra­toire, en per­son­nel et en infra­struc­ture pour les essais phy­siques. Les coûts asso­ciés à l'entretien des labo­ra­toires et aux essais in vitro ou in vivo sont net­te­ment réduits. Ces méthodes sont éga­le­ment durables, car elles limitent les déchets bio­lo­giques et chi­miques pro­duits lors des essais tra­di­tion­nels.

3. Suggestion d'implémentation des procédures numériques pour la validation d'un dispositif médical en Europe

La CM&S prend une place impor­tante dans le déve­lop­pe­ment et la vali­da­tion des DM et peut être très recom­man­dée en Europe. C’est pour cette rai­son que plu­sieurs asso­cia­tions se sont mises ensemble pour pro­mou­voir une norme stan­dard pour l'Europe comme : Le pro­jet ini­tié par AVICENNA ALLIANCE en 2016 qui vise à pro­mou­voir l’usage de la simu­la­tion infor­ma­tique dans la régle­men­ta­tion des dis­po­si­tifs médi­caux [9]. À Tra­vers l’Alliance Avi­cen­na et les asso­cia­tions NAFEMS et Mica­do se sont enga­gés à por­ter un plan d’actions, « France BIOMECA 2023 », qui se donne pour objec­tif de repo­si­tion­ner la filière des fabri­cants de DM dans l’innovation en pro­mou­vant les normes et stan­dards, comme le stan­dard de la norme V&V40 ASME (Véri­fi­ca­tion & Vali­da­tion des équi­pe­ments médi­caux) dont le réfé­ren­tiel V&V10 pour la méca­nique, V&V20 pour la méca­nique des fluides (CFD) [32]. Plu­sieurs pro­jets uti­li­sant la CM&S sont finan­cés par l’UE à l’instar du pro­jet nom­mé Sim­car­dio Test finan­cé par la com­mis­sion euro­péenne visant à accé­lé­rer l’utilisation de la simu­la­tion infor­ma­tique pour conce­voir les médi­ca­ments et dis­po­si­tifs médi­caux car­diaques se base sur la norme ASME V&V40. Ce pro­jet a pour but de mettre en avant l’innovation dans le domaine de la san­té en Europe et ailleurs[9].

De plus, au cours de nos entre­tiens avec les pro­fes­sion­nels du sec­teur, ces der­niers ont mis en avant l’importance crois­sante d’une col­la­bo­ra­tion entre les acteurs de l’industrie, les régu­la­teurs et les cher­cheurs qui se fai­sait déjà ceci pour déve­lop­per et pro­mou­voir des normes spé­ci­fi­que­ment adap­tées à la simu­la­tion numé­rique. Ensemble, ces acteurs peuvent
défi­nir les besoins propres aux spé­ci­fi­ci­tés de chaque groupe, har­mo­ni­ser les pra­tiques et pro­mou­voir l’essor de la simu­la­tion numé­rique dans la concep­tion, la vali­da­tion et l’homologation des dis­po­si­tifs médicaux. 

Tout ceci pour dire que l’Europe est dans un pro­ces­sus ou ils veulent recon­naitre la simu­la­tion numé­rique pour la vali­da­tion des DM c’est pour cela qu’ils par­ti­cipent à des pro­jets inno­vants pou­vant mon­trer la cré­di­bi­li­té de cette technique.

Conclusion

En défi­ni­tive, après avoir ana­ly­sé tous les élé­ments sur la simu­la­tion numé­rique dans le domaine médi­cal, il est clair que la modé­li­sa­tion et la simu­la­tion trouve son impor­tance dans le pro­ces­sus d’homologation des Dis­po­si­tifs Médi­caux. Tout au long de ce pro­jet a été pré­sen­té un ensemble d’éléments qui mon­trait la place que pour­rait prendre les modèles com­pu­ta­tion­nelles infor­ma­tique dans le pro­ces­sus de vali­da­tion des dis­po­si­tifs médi­caux. En effet, à tra­vers la pré­sen­ta­tion de l’outil Medi­cal Deve­lop­ment Device Tools (MDDT) déve­lop­pé par la FDA, il a été démon­tré que la véri­fi­ca­tion et la vali­da­tion du modèle com­pu­ta­tion­nel infor­ma­tique implé­men­té dans l’outil est règle­men­té par l’implémentation de la norme ASME V&V 40 [34] . Cette norme per­met de faci­li­ter la prise de déci­sion à la FDA aux USA lors des déli­vrances de noti­fi­ca­tion néces­saire à la com­mer­cia­li­sa­tion. Dès lors, l’outil étant régit par un cer­tain nombre d’exigences bien qu’accessibles à tous, peut être uti­li­sé à toutes les étapes du cycle de vie du dis­po­si­tif médi­cal per­met­tant éga­le­ment la prise de déci­sions régle­men­taires plus rapide. Éga­le­ment, cette pro­blé­ma­tique trouve une réponse dans le règle­ment Euro­péen où il est écrit que la modé­li­sa­tion infor­ma­tique peut être accep­tée par l’organisme noti­fié comme état de l’art pour les tests pré­cli­niques à l’annexe VII sec­tion 4.5.4 [33]. Concer­nant la simu­la­tion, le mot simu­ler appa­rait dans le règle­ment à l’annexe 2 sec­tion 6.1 [33].  Tou­te­fois, le règle­ment ne spé­ci­fie pas que les preuves de la modé­li­sa­tion et simu­la­tion numé­rique four­nies à l’organisme noti­fié peuvent rem­pla­cer les tests pré­cli­niques faits sur les ani­maux. Aus­si, l’Union Euro­péenne ne recon­nait la simu­la­tion numé­rique que dans le sec­teur de la for­ma­tion des per­son­nels et dans le déve­lop­pe­ment des médi­ca­ments à tra­vers l’Agence Euro­péenne de Médicament. 

En se basant sur le pré­sent pro­jet et les recherches exer­cées dans le cadre de ce der­nier, il est pro­po­sé qu’au niveau Euro­péen, un début de solu­tion pour faci­li­ter la vali­da­tion des DM en inté­grant le concept de modé­li­sa­tion com­pu­ta­tion­nelle serait de pre­miè­re­ment Éta­blir une norme har­mo­ni­sée au niveau euro­péen pour enca­drer ces pra­tiques. Deuxiè­me­ment, il serait inté­res­sant de créer un outil de déve­lop­pe­ment dédié aux DM, simi­laire au pro­gramme MDDT aux États-Unis pour uni­for­mi­ser les pra­tiques à l’aide de la norme har­mo­ni­sée et de l’outil. Enfin, comme autre pro­po­si­tion, il serait inté­res­sant de sou­te­nir les pro­jets de simu­la­tion numé­rique pour la vali­da­tion des DM, comme EDITH VHT et InEU­Heart afin de mieux s’informer sur les dif­fi­cul­tés des pro­fes­sion­nels et pla­ni­fier déjà les amé­lio­ra­tions, pers­pec­tives qui pour­ront accom­pa­gner le projet.

Références bibliographiques

[1]   M. Viceconti, F. Pappalardo, B. Rodriguez, et al. « In silico trials : Verification, validation and uncertainty quantification of predictive models used in the regulatory evaluation of biomedical products », Methods, vol. 185, p. 120‑127, janvier. 2021, doi : https://doi.org/10.1016/j.ymeth.2020.01.011

[2]       Nathan Muller et Muhammad Jamil, « Computational Modelling and Simulation in Medical Device Development », StarFish Medical. 2024. Consulté le : 5 novembre 2024. [En ligne]. Disponible sur : https://starfish_Whitepaper_Computational-Modelling.pdf

[3] C. Legrand, G. Bouron, et P. Lamblin, « La simulation numérique – tendances métiers dans l’industrie », p. 8, 29 septembre 2018. [En ligne]. Disponible sur : https://corporate.apec.fr/files/live/sites/corporate/files/Nos%20%c3%a9tudes/pdf/Simulation-numerique-2018.pdf

[4]     M. Viceconti, A. Henney, et E. Morley-Fletcher, « In silico clinical trials : how computer simulation will transform the biomedical industry », Int. J. Clin. Trials, vol. 3, n^o 2, Art. n^o 2, 2016, doi : https://doi.org/10.18203/2349-3259.ijct20161408.

[5]     Center for Device and Regulation FDA, « Reporting of Computational Modeling Studies in Medical Device Submissions », FDA, septembre 2016. Consulté le : 4 novembre 2024. [En ligne]. Disponible sur : https://www.fda.gov/regulatory-information/search-fda-guidance-documents/reporting-computational-modeling-studies-medical-device-submissions

[6]     Food and Drug Administration, « Assessing the Credibility of Computational Modeling and Simulation in Medical Device Submissions - Guidance for Industry and Food and Drug Administration Staff ». Novembre 2023 consulté le 04 Novembre 2024 [En ligne]. Disponible sur : https://www.fda.gov/regulatory-information/search-fda-guidance-documents/assessing-credibility-computational-modeling-and-simulation-medical-device-submissions

[7] Keonys, « Livre Blanc : La Simulation Numérique & l’Industrie du Futur », Livre blanc Numéro ISBN : 978-2-9558669-2-4, Mai 2017. Consulté le : 5 novembre 2024. [En ligne]. Disponible sur :https://www.keonys.com/wp-content/uploads/2017/05/KEONYS_Livre_Blanc_Simulation_Numerique_Industrie_Futur_V052017_WEB.pdf

[9]     M. Sermesant, H. Delingette, M. Lorenzi « SimCardioTest, un consortium de coeur | Inria ». Fevrier 2021. Consulté le : 2 décembre 2024. [En ligne]. Disponible sur : https://www.inria.fr/fr/simcardiotest-un-consortium-de-cœur

[10]   C. Bastien, « Un jumeau numérique de l’aorte contre la rupture d’anévrisme », I’MTech. Mai 2018. Consulté le : 9 octobre 2024. [En ligne]. Disponible sur : https://imtech.imt.fr/2018/05/15/numerique-aorte-anevrisme/

[11]   A. Badano, M. Lago, E. Sizikov.et al., « The stochastic digital human is now enrolling for in silico imaging trials—methods and tools for generating digital cohorts », Prog. Biomed. Eng., vol. 5, n^o 4, p. 042002, Octobre. 2023, Consulté le:15 novembre 2024 doi : https://doi.org/10.1088/2516-1091/ad04c0 [En ligne]. Disponible sur : https://dx.doi.org/10.1088/2516-1091/ad04c0.

[12]   P. Pathmanathan, « Assessing the credibility of computational modeling and simulation for medical devices : Final FDA Guidance », Stat. Methods, p. 27, Janvier 2024. Consulté le : 4 novembre 2024. [En ligne]. Disponible sur : https://www.fda.gov/regulatory-information/search-fda-guidance-documents/assessing-credibility-computational-modeling-and-simulation-medical-device-submissions.

[13]   M. A. Lago, D. Sharma, A. Badal et al., « VICTRE 1.0+: Improved Tools for In Silico Imaging Clinical Trials in Breast Imaging », Juin 2021. Consulté le : 10 Novembre 2024 [En ligne]. Disponible sur : https://www.fda.gov/science-research/fda-science-forum/victre-10-improved-computational-tools-performing-silico-imaging-clinical-trials

[14]   M. F. El-Amin, « Introduction : Numerical Modeling of Nanoparticle Transport in Porous Media », in Numerical Modeling of Nanoparticle Transport in Porous Media, Elsevier, 2023, Consulté le : 6 décembre 2024 p. xix‑lx. doi : https://doi.org/10.1016/B978-0-323-90511-4.00005-8.

[15]   I. Magomedov, U. Khaliev, A. Elmurzaev, « Application of Finite Element Analysis in medicine », J. Phys. Conf. Ser., vol. 1679, n^o 2, p. 022057, novembre 2020, Consulté le : 6 decembre 2024  doi : https://doi.org/10.1088/1742-6596/1679/2/022057.

[16]   M. Driscoll, « The Impact of the Finite Element Method on Medical Device Design », J. Med. Biol. Eng., vol. 39, n^o 2, p. 171‑172, avril 2019, Consulté le : 6 décembre 2024 doi : https://doi.org/10.1007/s40846-018-0428-4.

[17]   T. M. Morrison, M. L. Dreher, S. Nagaraja, et al., « The Role of Computational Modeling and Simulation in the Total Product Life Cycle of Peripheral Vascular Devices », J. Med. Devices, vol. 11, n^o 2, p. 024503, 2017, Consulté le : 7 novembre 2024 doi : https://doi.org/10.1115/1.4035866.

[18]   J. Mavadia-Shukla, « CDRH Medical Device Development Tools (MDDT) Program », p. 16 Consulté le : 15 novembre 2024 [En ligne]. Disponible sur : https://www.fda.gov/media/1.

[19]   D. Nahmias, « Discussion on the FDA Medical Device Development Tools (MDDT) program »,2024. Consulté le : 17 novembre 2024 [En ligne]. Disponible sur : https://seed.nih.gov/sites/default/files/2023-12/MDDT-Program-Final.pdf

[20]   Center for Device and Regulation Health, « Medical Device Development Tools (MDDT) », FDA. Novembre 2024. Consulté le : 16 novembre 2024. [En ligne]. Disponible sur : https://www.fda.gov/medical-devices/medical-device-development-tools-mddt

[21]   MED Institute Inc, « MDDT SUMMARY OF EVIDENCE AND BASIS OF QUALIFICATION DECISION FOR Virtual MRI Safety Evaluations of Medical Devices », p. 4, juillet 2021. Consulté le : 8 novembre 2024 Disponible sur : https://www.fda.gov/medical-devices/medical-device-development-tools-mddt#mddts

[22]   S. Surette, « MDDT Summary of Evidence and Basis of Qualification », p. 5, décembre 2023. Consulté le : 8 novembre 2024. [En ligne]. Disponible sur : https://www.fda.gov/media/178230/download?attachment

[23]   A. KLASSEN, « MDDT SUMMARY OF EVIDENCE AND BASIS OF QUALIFICATION DECISION FOR FACE-Q l AESTHETICS », février 2020, Consulté le : 8 novembre 2024. [En ligne]. Disponible sur : https://www.fda.gov/media/157956/download?attachment

[24]     Pras Pathmanathan, « Assessing the credibility of computational modeling and simulation for medical devices : Final FDA Guidance », présenté à ICCVAM Communities of Practice webinar, janvier 2024 Consulté le : 18 novembre 2024 [En ligne]. Disponible sur : https://ntp.niehs.nih.gov/sites/default/files/2024-02/2_Pathmanathan_ICCVAM-CoP-2024_508.pdf

[25]   EMA(European Medicines Agency) et CHMP(Committee for Medicinal Products for Human Use), « Guideline on the reporting of physiologically based pharmacokinetic (PBPK) modelling and simulation », EMA et CHMP, EMA/CHMP/458101/2016, décembre 2018. Consulté le : 5 novembre 2024. [En ligne]. Disponible sur : https://www.ema.europa.eu/en/documents/scientific-guideline/guideline-reporting-physiologically-based-pharmacokinetic-pbpk-modelling-and-simulation_en.pdf

[26]   M. Joerger, A. D. R. Huitema, et C. Dittrich, « Population pharmacokinetics and pharmacodynamics of paclitaxel and carboplatin in ovarian cancer patients : a study by the European organization for research and treatment of cancer-pharmacology and molecular mechanisms group and new drug development group », Clin. Cancer Res. Off. J. Am. Assoc. Cancer Res., vol. 13, n^o 21, p. 6410‑6418, novembre 2007, Consulté le : 11 novembre 2024. doi : https://doi.org/1010.1158/1078-0432.CCR-07-0064.

[27]   Phinc Development « Modèle pharmacocinétique physiologique », PhinC Development. 2024. Consulté le : 11 novembre 2024. [En ligne]. Disponible sur : https://www.phinc-development.com/fr/services/modele-pharmacocinetique-physiologique/

[28]   J. Sia, X. Lai, X. Wu, « Physiologically-based pharmacokinetic modeling to predict drug-drug interactions of dabigatran etexilate and rivaroxaban in the Chinese older adults », Eur. J. Pharm. Sci., vol. 182, p. 106376, mars 2023, Consulté le : 4 novembre, doi : https://doi.org/10.1016/j.ejps.2023.106376.

[29]   Dassault Systèmes, « Le projet « Living Heart » », Dassault Systèmes.2024. Consulté le : 12 novembre 2024. [En ligne]. Disponible sur : https://3dexperiencelab.3ds.com/fr/projects/life/living-heart/

[30]     F. Pappalardo, J. Wilkinson, F. Busquet et al., « Toward A Regulatory Pathway for the Use of in Silico Trials in the CE Marking of Medical Devices », IEEE J. Biomed. Health Inform., vol. 26, n^o 11, p. 5282‑5286, Novembre 2022, Consulté le : 15 Octobre 2024. doi : https://doi.org/10.1109/JBHI.2022.3198145

[31]   M. Viceconti, M. Reiterer, L. Emili et al., « MODELLING AND SIMULATION AS A TRANSFORMATIVE TOOL FOR MEDICAL DEVICES : THE TRANSATLANTIC REGULATORY LANDSCAPE ». AVICENNA ALLIANCE, Août 2018. Consulté le : 14 novembre 2024. [En ligne]. Disponible sur : https://www.avicenna-alliance.com/upload/avi-005-18-avicenna-whitepaper2-digital-31-08-18_64bfd1e82980f.pdf

[32]   Romain FOURNIER, « Promouvoir la modélisation et la simulation numérique en France », DeviceMed.fr. Juin 2023. Consulté le : 13 octobre 2024. [En ligne]. Disponible sur : https://www.devicemed.fr/dossiers/actualites/promouvoir-la-modelisation-et-la-simulation-numerique-en-france/34790

[33]   « Règlement (UE) 2017/745 du Parlement européen et du Conseil du 5 avril 2017 relatif aux dispositifs médicaux, modifiant la directive 2001/83/CE, le règlement (CE) n° 178/2002 et le règlement (CE) n° 1223/2009 et abrogeant les directives du Conseil 90/385/CEE et 93/42/CEE (Texte présentant de l’intérêt pour l’EEE. ) », Journal officiel de l’Union européenne, https://eur-lex.europa.eu, mai 2017. [En ligne]. Disponible sur : http://data.europa.eu/eli/reg/2017/745/oj/fra

[34]   ASME, « VV40-Assessing Credibility of Computational Modeling through Verification and Validation Application to Medical Devices - ASME ». 2018. Consulté le : 4 novembre 2024. [En ligne]. Disponible sur : https://www.asme.org/codes-standards/find-codes-standards/assessing-credibility-of-computational-modeling-through-verification-and-validation-application-to-medical-devices