Affiche de film de la présentation Programmes pour startups de santé

Programmes pour startups de santé

Comment concevoir un programme et son mentorat pour les startups de santé numérique et de medtech.

Ce que couvre cette présentation

Ce que couvre cette présentation

Ce que couvre cette présentation

Quand un logiciel est un dispositif

Un logiciel peut être un dispositif médical

En droit européen, un logiciel qui diagnostique, surveille, prédit ou traite une maladie est un dispositif.

  • Diagnostic
  • Prévention
  • Surveillance
  • Prédiction et pronostic
  • Traitement

La classe de risque selon la règle 11

La règle 11 classe selon le danger

Un logiciel d’aide au diagnostic ou à la thérapie démarre en classe IIa.

  • Classe I tout autre logiciel
  • Classe IIa guide diagnostic ou thérapie
  • Classe IIb dégradation grave ou chirurgie
  • Classe III décès ou dommage irréversible

Preuves cliniques

Planifier tôt l’évaluation clinique

Le MDR exige une évaluation clinique planifiée et documentée, avec des preuves adaptées au dispositif.

  • Fixer et justifier le niveau de preuve
  • Planifier l’évaluation
  • La mener
  • Documenter chaque étape

L’approche de la FDA

La FDA cible les logiciels à risque

La FDA encadre les fonctions logicielles qui pourraient nuire au patient en cas de défaillance.

  • Pas un dispositif non réglementé comme tel
  • Dispositif à faible risque la FDA n’impose pas les exigences
  • Dispositif à risque contrôle de la FDA

Des preuves à la mesure du risque

Adapter les preuves au risque

Plus le risque monte, plus le NICE exige de preuves.

  • Niveau A services du système
  • Niveau B communication sur la santé et les soins
  • Niveau C informe, diagnostique ou traite

Le déficit de preuves

Lever des fonds n’est pas prouver

Les entreprises américaines de santé numérique les mieux financées n’avaient pas encore prouvé leur impact.

  • Surtout des volontaires sains
  • Peu d’études sur les maladies lourdes
  • Peu de mesures de résultats, coûts ou accès

Obtenir le remboursement

L’Allemagne rembourse les applis en cours d’évaluation

Une appli à faible risque peut être listée jusqu’à 12 mois pour prouver son bénéfice.

  • Demande au BfArM sécurité, données, plan d’évaluation
  • Décision sous 3 mois
  • Inscription à l’essai jusqu’à 12 mois
  • Inscription définitive une fois le bénéfice prouvé

Pilotes à l’hôpital

Un responsable clinique pour chaque pilote

Avant tout pilote, fixez critère de jugement, plan de données et date de décision.

Le vivier de mentors

Des cliniciens et des experts réglementaires

Associez cliniciens et experts en réglementation, remboursement, achats hospitaliers et données.

  • Cliniciens parcours et critères de jugement
  • Affaires réglementaires classe de risque, MDR, FDA
  • Économie de la santé remboursement et prix
  • Acheteurs hospitaliers comment un achat se décide

Mesurer les progrès

Des preuves, pas seulement des utilisateurs

Suivez chaque startup de sa classe de risque à la preuve clinique et à un payeur.

  • Classe de risque fixée et documentée
  • Plan d’évaluation critères convenus
  • Sites pilotes hôpitaux signés
  • Voie de paiement remboursement demandé

Sources

Les travaux sur lesquels repose cette présentation

  1. European Parliament & Council of the European Union (2017) Regulation (EU) 2017/745 on medical devices (MDR), Article 2, Article 61 and Annex VIII Rule 11 Official Journal of the European Union, L 117, 5 May 2017
  2. U.S. Food and Drug Administration (2022) Policy for Device Software Functions and Mobile Medical Applications: Guidance for Industry and Food and Drug Administration Staff FDA, Center for Devices and Radiological Health, 28 September 2022
  3. National Institute for Health and Care Excellence (2022) Evidence standards framework for digital health technologies (ECD7) NICE, published 2018, updated 9 August 2022
  4. Federal Republic of Germany (2019) Sozialgesetzbuch (SGB) Fünftes Buch, § 139e Verzeichnis für digitale Gesundheitsanwendungen Federal Ministry of Justice, gesetze-im-internet.de
  5. Safavi, K., Mathews, S. C., Bates, D. W., Dorsey, E. R. & Cohen, A. B. (2019) Top-funded digital health companies and their impact on high-burden, high-cost conditions Health Affairs, 38(1), 115-123

Viser la preuve clinique dès le départ

Fixez tôt la classe de risque, planifiez les preuves et préparez les payeurs.

Ouvrir votre espace admin Connexion Toutes les présentations