Accueil / Orthopédie & Rachis
Les logiciels d'intelligence artificielle aident déjà les cliniciens à détecter les fractures, à mesurer l'alignement et à planifier les interventions chirurgicales en orthopédie. Mais pour accéder au marché européen en tant que logiciel dispositif médical (SaMD), de solides performances techniques ne suffisent pas. Ces outils doivent démontrer une valeur claire dans la pratique clinique réelle et répondre aux attentes à la fois du Règlement sur les Dispositifs Médicaux (RDM) et du nouveau règlement sur l'Intelligence Artificielle (AI Act). En tant que CRO spécialisée dans les essais de SaMD IA en orthopédie et en robotique, nous aidons les startups et les fabricants à construire des dossiers de preuves crédibles dès le départ.
Risque patient, impact sur le flux de travail, conséquences réglementaires
L'une des erreurs les plus fréquentes dans le développement de l'IA est de commencer par l'algorithme plutôt que par le problème clinique. Les régulateurs voient les choses différemment. Ils veulent comprendre qui utilisera le logiciel, où il sera utilisé, quel problème il résout et quelles sont les conséquences s'il commet une erreur.
Cela signifie qu'il faut poser des questions simples mais importantes très tôt. Quel est le problème clinique, et quel bénéfice le logiciel est-il censé apporter ? Un outil de détection de fractures peut avoir pour but de réduire les fractures du plateau tibial non diagnostiquées en situation d'urgence. Un outil de mesure de l'alignement peut viser à améliorer la cohérence dans la planification chirurgicale.
Qui va l'utiliser, et dans quel cadre ? Un logiciel utilisé par de jeunes cliniciens en soins d'urgence comporte un niveau de risque différent d'un logiciel utilisé par des chirurgiens orthopédistes spécialisés dans un cadre planifié.
Que se passe-t-il s'il se trompe ? Ne pas détecter une fracture de la hanche peut retarder la chirurgie et aggraver les résultats cliniques. Signaler à tort une lésion bénigne peut n'entraîner que des examens d'imagerie supplémentaires. Ces différences sont cruciales car elles façonnent la classification, le design de l'étude et les attentes en matière de preuves.
Lorsque l'utilisation prévue, le groupe d'utilisateurs et le risque clinique sont clairement définis dès le départ, la stratégie de preuves devient beaucoup plus solide.
Pourquoi la Règle 11 est cruciale dès le départ , Classification RDM pour les SaMD IA
Surveillance par un Organisme Notifié requise. Nécessite un SMQ conforme et un dossier de preuves cliniques démontrant l'acceptabilité du rapport bénéfice-risque.
Une mauvaise décision pourrait entraîner une grave détérioration ou une intervention chirurgicale
Niveau d'examen plus élevé. Des preuves cliniques plus robustes sont attendues. Courant pour la planification chirurgicale, le tri et les outils d'aide au diagnostic en orthopédie.
Une mauvaise décision pourrait entraîner la mort ou une détérioration irréversible
Exigences les plus strictes en matière de preuves cliniques. Une investigation clinique complète sera probablement requise. L'architecture du SCAC (PMCF) doit être conçue dès le premier jour.
De nombreux outils orthopédiques basés sur l'IA tombent dans une classe supérieure à celle que les équipes imaginent au départ. Une évaluation précoce de la classification évite une restructuration coûteuse des preuves.
Pour la plupart des produits SaMD IA, la classification ne doit pas être reportée à plus tard. Elle affecte directement la voie réglementaire, le niveau d'examen et le type de preuves qui seront attendues.
En vertu de la Règle 11 du RDM, les logiciels utilisés pour étayer des décisions diagnostiques ou thérapeutiques sont souvent classés en Classe IIa ou supérieure. Si des décisions incorrectes peuvent entraîner une grave détérioration ou une intervention chirurgicale, le logiciel peut passer en Classe IIb. Si les conséquences peuvent être la mort ou une détérioration irréversible, il peut s'agir de la Classe III.
De nombreuses startups supposent qu'un logiciel sans matériel devrait relever de la Classe I. Dans la pratique, ce n'est souvent pas le cas. En orthopédie et en robotique, les logiciels utilisés pour le diagnostic, le tri, l'aide au traitement ou la planification chirurgicale nécessiteront généralement la supervision d'un organisme notifié, un système de gestion de la qualité conforme et un dossier de preuves cliniques plus robuste que ce que les équipes prévoyaient initialement.
Pour les dispositifs médicaux basés sur l'IA en Europe, la question n'est plus de savoir si le RDM s'applique ou si l'AI Act s'applique. Pour de nombreux produits, les deux sont importants.
C'est essentiel car l'AI Act ajoute des attentes qui s'inscrivent en parallèle du cadre réglementaire existant pour les dispositifs. En termes pratiques, les équipes doivent désormais réfléchir plus attentivement à la gouvernance des données, au contrôle humain, à la transparence, à la traçabilité (logging), à la robustesse, à la cybersécurité et au suivi continu. Ces éléments ne doivent pas être traités comme des tâches réglementaires distinctes ajoutées à la fin. Ils doivent être intégrés au produit et à la stratégie de preuves dès le début.
Pour les produits à haut risque, les organismes notifiés examineront de plus en plus la façon dont ces éléments sont gérés dans le cadre de l'évaluation globale de conformité.
Démontrer qu'une mesure radiographique est corrélée à la sévérité de l'arthrose ou à la taille de l'implant. Examiner la littérature reliant les types de fractures au moment de l'intervention chirurgicale.
Fiabilité à travers différents jeux de données, utilisateurs et sites cliniques
Tests unitaires et systèmes utilisant diverses archives d'images. Comparaison des mesures IA avec des mesures manuelles. Vérification de la cohérence des résultats sur différentes versions matérielles et logicielles.
Une étude de lecture montrant que les manipulateurs radio assistés par l'IA réduisent la variabilité dans la mesure de l'alignement des implants. Un essai mesurant comment le tri par l'IA raccourcit les délais d'orientation pour les suspicions de fractures.
D'excellents résultats en matière de précision sont importants, mais ils ne constituent qu'une partie de l'ensemble des preuves. Pour obtenir le marquage CE, les fabricants doivent prouver plus qu'une bonne performance technique. Ils doivent démontrer que le logiciel a un sens clinique, fonctionne de manière fiable et apporte une valeur ajoutée dans la pratique réelle.
| Composante de la preuve | Objectif | Exemples pratiques |
|---|---|---|
| Association clinique valide | Démontre que le résultat du logiciel a un sens clinique pour la pathologie ou la décision ciblée. Les preuves peuvent provenir de la littérature, de recommandations professionnelles ou d'études exploratoires. | Démontrer qu'une mesure radiographique est corrélée à la sévérité de l'arthrose ou à la taille de l'implant. Examiner la littérature reliant les types de fractures au moment de l'intervention chirurgicale. |
| Performance technique (analytique) | Prouve que le logiciel traite les données d'entrée avec exactitude, fiabilité et précision. Les activités de vérification doivent tester les performances sur différents scanners, institutions et données démographiques, et documenter l'exactitude, la sensibilité et la spécificité. | Tests unitaires et systèmes utilisant diverses archives d'images. Comparaison des mesures IA avec des mesures manuelles. Vérification de la cohérence des résultats sur différentes versions matérielles et logicielles. |
| Performance clinique | Démontre que l'utilisation du logiciel conduit à des décisions cliniques améliorées ou plus rapides. Les critères d'évaluation doivent être pertinents : délai de diagnostic, réduction des fractures non détectées, diminution de la variabilité inter-observateurs ou impact sur les orientations de patients. | Une étude de lecture montrant que les manipulateurs radio assistés par l'IA réduisent la variabilité dans la mesure de l'alignement des implants. Un essai mesurant comment le tri par l'IA raccourcit les délais d'orientation pour les suspicions de fractures. |
Raisonnements faibles sur les critères Insuffisant pour le marquage CE Raisonnements solides sur les critères Preuves crédibles pour l'ON Réduction des lésions non détectées Impact sur la planification des traitements Valeur pour le flux de travail Une fois le cadre général défini, l'étape suivante consiste à choisir u
Des essais SaMD IA crédibles ne se construisent pas uniquement grâce au développement logiciel. Ils nécessitent dès le départ l'intervention d'équipes cliniques, réglementaires, statistiques et techniques.
En orthopédie et en robotique, cela signifie souvent réunir autour d'une même table des chirurgiens, des radiologues, des équipes logicielles, des biostatisticiens et des spécialistes des affaires réglementaires. Cette implication précoce permet de définir des critères d'évaluation véritablement pertinents, renforce la gestion des risques et réduit les probabilités de modifications coûteuses ultérieures.
Les patients ont également un rôle à jouer. Leurs retours peuvent aider les équipes à comprendre quels résultats sont les plus importants, quel niveau de confiance et d'explication est nécessaire, et comment l'outil s'intègre dans les véritables parcours de soins.
D'un point de vue réglementaire, des discussions précoces sont tout aussi précieuses. Les équipes ont besoin de systèmes qualité qui couvrent non seulement les exigences traditionnelles relatives aux dispositifs et aux logiciels, mais aussi des domaines tels que la gouvernance des données, la gestion des biais, la traçabilité (logging) et le contrôle humain. De nombreuses bases peuvent déjà se trouver au sein des normes ISO 13485 et IEC 62304, mais les produits basés sur l'IA nécessitent généralement un niveau de réflexion et de contrôle supplémentaire.
C'est souvent là qu'un partenariat solide avec une CRO devient précieux. L'objectif n'est pas seulement de mener une étude, mais de contribuer à façonner une stratégie de preuves qui soit cliniquement fondée, opérationnellement pratique et acceptable dès le départ.
L'une des plus grandes différences entre un logiciel d'IA et les dispositifs traditionnels est que le logiciel n'est pas figé. Les modèles peuvent être ré-entraînés, le code peut être mis à jour, les bugs peuvent être corrigés et les composants externes peuvent changer au fil du temps. C'est pourquoi les fabricants doivent penser au contrôle du cycle de vie dès le tout début, et non une fois que le produit est déjà sur le marché.
Un plan solide de contrôle des modifications doit indiquer clairement comment les mises à jour seront examinées, documentées et validées. Il doit définir quelles modifications peuvent être gérées dans le cadre des preuves existantes et quelles modifications pourraient nécessiter de nouveaux tests ou des preuves cliniques supplémentaires.
La surveillance post-marché doit également être intégrée très tôt. Pour les SaMD IA, cela signifie plus qu'une simple vigilance de routine. Cela implique de suivre la façon dont le logiciel se comporte lors de son utilisation réelle, d'écouter les retours des utilisateurs, de surveiller les signes de dérive (drift) ou de biais, et de réintégrer ces informations dans la gestion des risques et la supervision du produit.
Le contrôle humain reste central tout au long du processus. Les utilisateurs doivent comprendre ce que fait le logiciel, quand lui faire confiance et quand le remettre en question. Des instructions claires, des garde-fous sensés et des procédures d'escalade pratiques contribuent tous à rendre le produit plus sûr et plus utilisable.
La cybersécurité et la robustesse sont également essentielles. Si un produit est destiné à étayer des décisions de diagnostic, de planification ou de flux de travail, les fabricants doivent avoir la certitude qu'il fonctionne de manière fiable, qu'il peut gérer les conditions d'erreur et qu'il est protégé contre les mauvaises utilisations ou les attaques.
Les programmes SaMD IA les plus solides en orthopédie et en robotique ont généralement un point commun : ils ne traitent pas les preuves cliniques, la réglementation et le développement de produits comme des flux de travail distincts. Ils les réunissent très tôt.
Ils commencent par un véritable problème clinique et une compréhension claire de qui utilisera l'outil, où il sera utilisé et quelle différence il est censé faire. Ils classifient le produit tôt et construisent les bons systèmes de qualité autour de lui. Ils élaborent des preuves par strates, démontrant non seulement les performances techniques, mais aussi la pertinence clinique et la valeur pratique. Ils impliquent les cliniciens, les patients et les experts réglementaires assez tôt pour façonner la voie de développement, et non pas simplement pour la réviser plus tard. Et ils anticipent ce qui se passera après le lancement, y compris la surveillance, les mises à jour et la gestion continue des performances.
Pour les startups et les équipes MedTech, le véritable défi n'est pas simplement de construire un algorithme qui soit performant en phase de développement. C'est d'en construire un qui puisse résister à l'épreuve de la pratique clinique, de l'examen réglementaire et de l'adoption commerciale. Les équipes qui réussissent considèrent la preuve comme faisant partie intégrante de la stratégie produit dès le premier jour.
Ancien Évaluateur Clinique Senior auprès de l'Organisme Notifié TÜV SÜD. Expert en preuves cliniques pour dispositifs implantables de Classe IIb/III, SaMD IA sous le RDM UE 2017/745, et en conformité Annexe XIV pour les programmes orthopédiques et rachidiens.
Besoin d'aide pour constituer un dossier de preuves SaMD IA crédible pour le marquage CE en orthopédie ou robotique ? Eclevar MedTech conçoit des stratégies de preuves conformes au RDM, de la classification au SCAC (PMCF).
Le SCAC (PMCF) sous le RDM UE 2017/745 , Guide Complet CRO 2026
Rapport d'Évaluation Clinique (REC) sous le RDM UE , Guide Complet 2026
Ceux qui construisent vos preuves ont siégé de l'autre côté de la table.
Livres blancs et publications produits par nos équipes avec nos partenaires organismes notifiés.
Écrit avec l'organisme notifié BSI : une lecture concrète des attentes en matière de preuves cliniques sous le règlement (UE) 2017/745, celles-là mêmes que votre dossier doit documenter.
Les services et les sujets rattachés à cette page.
Envoyez-nous le dispositif, la revendication et l'échéance. Vous avez une réponse écrite sous 24 heures.
Vos documents sont examinés de façon confidentielle. Un accord de confidentialité peut être signé avant toute transmission technique ou clinique.
Dr Mark Da Costa
Dr Nikhil Khadabadi
Pierre-Marie Boutanquoi