简介
FDA De Novo为无合法对比器械但总体风险可由一般控制或特殊控制合理管理的新型产品建立分类路径,企业应证明风险可控、验证充分,并提出可执行的特殊控制建议。
De Novo适用于没有合适合法上市对比器械、但通过一般控制或一般控制加特殊控制即可合理保证安全有效的新型器械。获准后,产品被归入Ⅰ类或Ⅱ类,并可能形成新的分类法规和产品代码,为后续同类产品提供510(k)参照。
判断是否适合De Novo
企业应先确认产品属于医疗器械,且不存在能够支持实质等同的对比器械,同时风险不需要PMA级别控制。没有完全相同产品并不等于没有对比器械,预期用途和技术特征仍需系统检索。若发现潜在对象但技术差异引发新的安全有效性问题,De Novo可能比勉强提交510(k)更合适。分类论证应描述创新点、临床场景、用户、可能伤害和现有监管空白。对于数字健康产品,还要判断功能是否属于FDA监管范围。通过预提交沟通可讨论拟议路径、关键风险和证据计划,降低正式申请后因路径理解不同而大幅补充资料的可能。在FDA医疗器械监管框架下,还应结合现行指南和产品代码持续复核该项判断。
风险分析决定特殊控制
De Novo的核心不是证明与旧产品相同,而是识别所有已知和可合理预见的风险,并说明如何控制到可接受水平。风险可能来自误诊、延迟治疗、软件失效、网络攻击、材料反应、操作错误或能量输出。企业应将每项风险对应到设计措施、性能测试、标签、培训和上市后控制,并提出未来同类产品都可执行的特殊控制。特殊控制应具体可验证,例如规定某类性能评价、软件文档、临床研究或标签警示,而非笼统写成加强质量管理。若某个严重风险只能依赖医生谨慎使用而缺少技术或证据约束,FDA可能认为风险无法被合理控制。企业应同步核对适用标准、实际样品和证据版本,确保书面结论能够覆盖最终上市产品及全部配置。
性能资料围绕新颖性设计
测试组合取决于产品特征,通常包括台架、软件、网络安全、生物相容性、电气安全、可用性及必要的动物或临床研究。创新部分应获得最充分验证,因为既往标准或经验可能不能完全覆盖。若使用机器学习算法,需说明数据来源、训练测试隔离、代表性、参考标准、亚组表现和失效边界;若是新型植入材料,则要关注长期降解和组织反应。接受标准应与临床风险相联系,并预先确定统计方法。所有型号和软件版本必须可追溯到测试样品。遇到偏差时,应评估其对结论的影响并说明处置,避免只用汇总结果掩盖关键失败模式。相关职责、输入、输出和升级时限应写入程序,并通过抽样记录证明流程已经有效执行和持续改进。
申请文件强调监管逻辑
申请应清楚呈现器械描述、预期用途、分类建议、风险受益分析、控制措施、性能资料和标签。推荐的分类与特殊控制要能够由证据支持,且便于未来监管执行。摘要层面应让审评人员快速理解产品解决什么临床问题、为何没有合适对比器械、主要风险是什么以及证据如何控制风险。文档中的术语、型号、算法版本和终点须保持一致。正式审评期间,FDA可能提出补充信息或召开互动沟通,企业应由统一团队管理问题清单,逐项提供直接答案、修改位置和支持证据,避免不同学科各自回复造成结论冲突。如发现数据偏离预设阈值,应启动调查、风险评估和纠正措施,并持续确认措施有效性及产品影响。
获准后的分类影响深远
De Novo获准不仅允许申请产品上市,也会建立新的分类和特殊控制,后续同类型产品可能通过510(k)证明实质等同。因此,企业提出的控制措施既要足以管理风险,也要可操作和可持续。上市后需履行质量体系、注册列名、不良事件报告、纠正移除和适用的唯一标识义务。设计、算法或用途变化应评估是否触发新的510(k)或其他提交。企业还应监测后续同类产品和FDA更新,判断新风险是否需要修改标签或控制。若批准附带上市后数据要求,应按计划完成并将结果纳入风险管理。项目负责人还应定期检查进度、依赖关系和未关闭问题,将重要风险及时提交管理层审议并跟踪关闭。
De Novo的价值是为风险可控的新技术建立清晰监管身份。企业以完整风险图谱、针对性证据和可执行特殊控制组织申请,既有利于自身获准,也为产品类别长期监管奠定基础。
