dumaiМодель с участием экспертов могла бы на треть снизить долю отзывов медприборов
Кратко
Авторы ретроспективно проверили эту идею на более чем 31 000 прошлых заявок на медицинские приборы в США. Компьютерная модель оценивала риск отзыва и предлагала принять заявку, отклонить её или направить на подробную проверку, а окончательное решение оставалось бы за комиссиями FDA — американского регулятора лекарств и медицинских устройств. По расчётам, это могло бы снизить долю отзывов на 32,9%, нагрузку на проверяющих — на 40,5%, а расходы системы здравоохранения — примерно на 1,7 млрд долларов в год.
Что это значит для вас
Такой подход в теории мог бы одновременно уменьшить риск последующих отзывов и нагрузку на проверяющих. Но это расчёт по старым данным, а не результат внедрения в реальной работе FDA.
Разбор
Речь идёт о процедуре 510(k): производителю достаточно показать, что новый прибор в существенных характеристиках похож на уже разрешённый. Такая похожесть не всегда означает, что прибор безопасен, а само правило допуска оставляет место для неоднозначных решений. Поэтому авторы попробовали не заменить экспертов, а дать им предварительный фильтр.
Сначала исследователи обучили алгоритмы оценивать вероятность будущего отзыва по сведениям, которые доступны уже в момент подачи заявки. Затем они проверили политику из трёх вариантов: принять заявку, отклонить её или отложить решение и отправить материалы комиссии на подробную проверку. Для этого они объединили данные FDA и Центров Medicare и Medicaid — американских государственных программ медицинского страхования — и восстановили историю более 31 000 заявок.
Авторы сравнили не только безопасность, но и объём работы регулятора. В их осторожном расчёте нынешний уровень отзывов, принятый за 10,3%, мог бы снизиться примерно на треть, а нормированная нагрузка проверяющих — с условных 100% ещё на 40,5%. Экономию они связывают прежде всего с тем, что не пришлось бы заменять приборы после отзыва. Важно: это проверка на прошлых данных и моделирование решений, а не наблюдение за тем, как FDA реально внедрила бы такую систему.
Ключевые цифры
Можно ли доверять
Статья прошла рецензирование и опубликована в Management Science, а расчёт опирается на крупный архив заявок и данные государственных ведомств. Но это ретроспективная модель: её не проверяли в реальном процессе FDA, а качество результата зависит от того, насколько прошлые данные позволяют предсказывать будущие отзывы.
Пересказано ИИ по научной статье. Как это устроено