カナダ 機械学習対応医療機器 (MLMD) の市販前ガイダンス（案） (2023.08.30)

こんにちは、丸山満彦です。

カナダが、機械学習対応医療機器 (MLMD) の市販前ガイダンス（案）を公表していますね。。。機械学習対応医療機器（MLMD）のMLに関する部分のガイダンスということで、MDのガイダンスに上乗せする感じですかね。。。

機械学習対応医療機器（MLMD）であっても、他と同じ変更管理計画（PCCP）が適用されるようですね。。。

機械学習対応医療機器（MLMD）
を設計、開発、評価、導入、維持する際には、GMLP（Good Machine Learning Practice）が重要であることには変わりはないようですね。。。

MLMDの申請時に提出する証拠には、製造者がどのように組織内でGMLPを採用し、製品ライフサイクル全体を通じてGMLPを実施したかの説明を含めなくてはならず、該当する場合、この記述は、PCCP変更プロトコルに従うことにより、PCCP変更記述が実現されることを保証するために実施された品質実務の概要を示すことになるようですね。。。

● Canada.ca - Health Canada - Medical devices - Guidance documents

・2023.08.30 Draft guidance: Pre-market guidance for machine learning-enabled medical devices

Good machine learning practice	優れた機械学習の実践
Good machine learning practice (GMLP) is important when designing, developing, evaluating, deploying and maintaining an MLMD. This helps to ensure safe, effective and high-quality medical devices.	適切な機械学習の実施（GMLP）は、MLMDを設計、開発、評価、導入、維持する際に重要である。これは、安全で効果的かつ高品質の医療機器を確保するのに役立つ。
The evidence provided with an application for an MLMD should include a description of how the manufacturer has adopted GMLP within the organization and implemented it throughout the product lifecycle. If applicable, this description should outline the quality practices implemented to ensure that the PCCP change description will be realized by following the PCCP change protocol.	MLMDの申請時に提出するエビデンスには、製造業者がどのように組織内でGMLPを採用し、製品ライフサイクル全体を通じてGMLPを実施したかの説明を含めるべきである。該当する場合、この記述は、PCCP 変更プロトコルに従うことにより、PCCP 変更記述が実現されることを保証するために実施された品質慣行の概要を示すべきである。
Pre-determined change control plan: concept	事前決定変更管理計画：概念
A PCCP is the documentation intended to characterize a device and its bounds, the intended changes to the ML system, the protocol for change management and the change impacts. If included, a PCCP is considered part of the device design.	PCCP は、装置及びその境界、ML システムに対する意図された変更、変更管理のためのプロト コル、及び変更の影響を特徴付けることを意図した文書である。PCCP が含まれる場合、PCCP は装置設計の一部とみなされる。
PCCPs should be risk-based and supported by evidence, take a total product lifecycle perspective and provide a high degree of transparency.	PCCP はリスクベースであり、エビデンスに裏付けられ、製品ライフサイクルの総合的な観 点に立ち、高度な透明性を提供するものでなければならない。
All modifications listed in a PCCP must ensure that the device continues to operate within its intended use. Changes listed in a PCCP should not include changes to the medical conditions, purposes or uses of an MLMD. Such changes require a medical device licence amendment application prior to implementation.	PCCPに記載されるすべての変更は、機器がその意図された用途の範囲内で引き続き動作することを保証するものでなければならない。PCCPに記載される変更には、MLMDの医学的条件、目的または用途の変更を含んではならない。このような変更は、実施前に医療機器許可の変更申請が必要である。
Appropriate changes to list in a PCCP include those where pre-authorization is necessary to address a known risk while upholding the benefits to the patient. An example of such a change would be the maintenance or improvement of performance to address the risk of ML performance degradation over time. This performance degradation can be due to changes to the environment, such as to the input data or the relationship between the input variables and the target variable.	PCCPに記載される適切な変更には、患者にとっての利益を維持しつつ、既知のリスクに対処するために事前承認が必要な変更が含まれる。このような変更の例としては、ML の経時的な性能低下リスクに対処するための性能の保守又は 改善が挙げられる。この性能劣化は、入力データや入力変数とターゲット変数の関係などの環境の変化に起因することがある。
The use of a PCCP allows timely and ongoing management of risks while retaining high regulatory standards to ensure device safety and effectiveness.	PCCPの使用により、装置の安全性と有効性を保証する高い標準を維持しながら、タイムリーで継続的なリスクマネジメントが可能となる。
Sex and gender-based analysis plus	性と性別に基づく分析プラス
Sex and gender-based analysis plus (SGBA Plus or GBA Plus) is an analytical process used to assess how a product or initiative may affect diverse groups of people. This process can be incorporated into the risk management approach used across the lifecycle of the device.	性及び性別に基づく分析プラス（SGBAプラス又はGBAプラス）は、製品又は構想が多様な集団にどのような影響を及ぼすかを評価するために用いられる分析プロセスである。このプロセスは、機器のライフサイクル全体で使用されるリスクマネジメント手法に組み込むことができる。
Evidence demonstrates that biological, economic and social differences between diverse groups of people contribute to differences in health risks and outcomes, their use of health services and how they interact with the health system. Integrating SGBA Plus throughout the lifecycle of a medical device will lead to more equitable health outcomes for Canada's diverse population.	多様な集団間の生物学的、経済的及び社会的差異が、健康リスクと転帰、医療サービスの利用及び医療制度との関わり方の差異に寄与していることを示す証拠がある。医療機器のライフサイクルを通じてSGBAプラスを統合することは、カナダの多様な人々にとって、より公平な健康結果をもたらすことにつながる。
Over the lifecycle of the MLMD, manufacturers should apply SGBA Plus and consider the unique anatomical, physiological and identity characteristics of patients. This includes:	MLMDのライフサイクルを通じて、製造業者はSGBAプラスを適用し、患者固有の解剖学的、生理学的、およびアイデンティティの特徴を考慮すべきである。これには以下が含まれる：
・taking into consideration sex and gender, racial and ethnic minorities, elderly and pediatric populations, and pregnant people	・性別、人種、少数民族、高齢者、小児、妊娠者を考慮すること。
・collecting and analyzing disaggregated data on sub-populations in clinical studies, training data and test data, as appropriate	・臨床試験、トレーニングデータ、試験データにおいて、適宜、小集団に関する細分化されたデータを収集し、分析すること。
Design	デザイン
Indications for use, intended use and contraindications	適応症、使用目的、禁忌
For any Class II, III or IV MLMD, the intended use or medical purpose should be made clear in the application. Provide all relevant information, including the following:	クラスⅡ、Ⅲ又はⅣの MLMD については、申請書において、意図される使用又は医療目的を明 確にすること。以下を含むすべての関連情報を提供すること：
・the intended use and/or indications for use of the MLMD	MLMDの使用目的及び／又は適応症
・the medical purpose (for example, diagnosis, treatment, monitoring) and the intended conditions, diseases or disorders	医療目的（例えば、診断、治療、モニタリング）及び対象となる状態、疾患又は障害
・the intended patient population	想定される患者集団
・the intended user	意図する使用者
・the intended use environment	意図する使用環境
・device function information, as applicable, including:	該当する場合、以下を含む装置機能情報：
・・software inputs	ソフトウェア入力
・・software outputs	ソフトウェア出力
・・an explanation of how the software output fits into the healthcare workflow	ソフトウェア出力が医療ワークフローにどのように適合するかの説明
・・the clinical degree of autonomy	自律性の臨床的程度
・・・the capacity to perform a clinical function with no or limited clinical user intervention	臨床的ユーザーの介入なし、または限定的な介入で臨床機能を実行する能力
・contraindications	禁忌事項
・all known limitations	すべての既知の制限事項
Device description	装置の説明
Provide a detailed description of the MLMD, including any ML systems used to achieve an intended medical purpose. Consider including the following information in the description of the device or software:	意図された医療目的を達成するために使用される ML システムを含め、MLMD の詳細な説明 を記載すること。装置又はソフトウェアの説明には、以下の情報を含めることを考慮すること：
・a statement that the device uses ML, which should also be included in the cover letter	カバーレターにも記載すること。
・if applicable, a confirmation that the MLMD includes a PCCP, which should also be included in the cover letter	該当する場合、MLMD が PCCP を含んでいることの確認。
・a detailed description of the ML methods and ML training algorithms	ML手法とML訓練アルゴリズムの詳細な説明
・・ML methods such as supervised learning, unsupervised learning, semi-supervised learning and reinforcement learning	教師あり学習、教師なし学習、半教師あり学習、強化学習などのML手法。
・・ML training algorithm(s) such as convolutional neural network, logistic regression, language models or support vector machines	畳み込みニューラルネットワーク、ロジスティック回帰、言語モデル、サポートベクターマシンなどのML学習アルゴリズム
・a description of the ML system output, intended users, how the output is intended to be used within the healthcare workflow and the clinical degree of autonomy	MLシステムの出力、想定される利用者、出力が医療ワークフローの中でどのように利用されるか、臨床的な自律性の程度についての説明
・・the capacity to perform a clinical function with no or limited clinical user intervention	ユーザーの介入なしに、あるいは限定的な介入で臨床機能を実行する能力
・an explanation of how the ML system works, the known factors influencing the output and the interpretation of the system behaviour, if available	MLシステムがどのように機能するか、出力に影響を与える既知の要因、及びシステム動作 の解釈についての説明（もしあれば）。
・・for example, feature attributions to ML model predictions, how the outputs of the ML model are impacted by changing input properties, saliency maps	例えば、MLモデルの予測に対する特徴属性、MLモデルの出力が入力特性の変化によってどのような影響を受けるか、顕著性マップなど。
・descriptions of the following:	以下の記述：
・・required device input parameters, input specifications and source(s) of device input(s)	必要な機器入力パラメータ、入力仕様及び機器入力のソース
・・all compatible medical devices, including software and hardware versions	ソフトウェアとハードウェアのバージョンを含む、互換性のあるすべての医療機器
・・hardware requirements (for example, CPU requirements, operating system)	ハードウェア要件（例えば、CPU要件、オペレーティングシステム）。
Predetermined change control plan: content	所定の変更管理計画：内容
A PCCP consists of the following 3 components:	PCCPは以下の3つの要素から構成される：
1. Change description	変更の説明
2. Change protocol	変更プロトコル
3. Impact assessment	影響評価
The detailed PCCP, if applicable to the device, should:	詳細な PCCP は、当該機器に適用される場合、以下のようにすべきである：
・be a standalone section in the submission, typically within either the 'device description' or 'software' section	申請書の独立したセクションであり、通常「デバイスの説明」または「ソフトウ ェア」のいずれかのセクションに含まれる。
・include references to any application information related to the PCCP that's outside of the PCCP section, such as in the labelling or evidence used to demonstrate safety and effectiveness	安全性及び有効性を証明するために使用される添付文書やエビデンスなど、PCCP のセ クション以外の PCCP に関連する申請情報への参照を含むこと。
・consider the information outlined in the following 3 sections	以下の 3 つのセクションに記載された情報を考慮すること。
Change description	変更説明
The change description is the documentation that characterizes the device and the proposed changes. It includes:	変更説明書は、当該機器及び提案された変更を特徴付ける文書である。これには以下が含まれる：
・a description of the initial baseline device design and performance as well as the design and performance envelope or limits over time:	最初のベースラインとなる装置の設計及び性能、並びに設計及び性能の経時的な包絡線又は限界の説明：
・・such as performance specifications and associated performance thresholds, inputs, outputs and relevant technical specifications	例えば、性能仕様及び関連する性能閾値、入力、出力及び関連する技術仕様などである。
・a list of specific changes to the MLMD that are proposed for pre-authorization that would otherwise be significant changes in the absence of an authorized PCCP	事前承認のために提案されるMLMDに対する具体的な変更のうち、承認されたPCCPがない 場合には重大な変更となるもののリスト。
・with each change listed, a detailed description of the following:	リストアップされた各変更について、以下の詳細を記述すること：
・・motivation, rationale or trigger for the planned changes	計画されている変更の動機、根拠またはきっかけ
・・・for example, performance thresholds, scheduled time intervals, user feedback	例えば、性能の閾値、予定された時間間隔、ユーザからのフィードバックなど。
・・cause or source of the changes to the device	装置に対する変更の原因又はソース
・・・for example, re-training with new or appended data	例えば、新しいデータまたは追加データによる再トレーニングなど。
・・effect of the changes on the device	装置に対する変更の影響
・・・for example, modified performance, changes in device inputs or outputs	例えば、性能の変更、装置の入力または出力の変更などである。
・・where the changes apply	変更の適用範囲
・・・for example, uniformly across all marketed devices, non-uniformly across marketed devices based on unique characteristics of a clinical site or patient	例えば、市販されているすべての機器に一律に適用される場合、臨床現場又は患者 の固有の特性に基づいて市販されている機器に一律に適用されない場合などである。
・・who will make the changes	誰が変更を行うか
・・・for example, manufacturer, qualified clinical user, non-clinical user, patient, automatically by the software	例えば、製造者、資格を有する臨床ユーザー、非臨床ユーザー、患者、ソフトウ ェアが自動的に行う。
・・planned frequency of changes	予定される変更の頻度
・・any anticipated modifications to the device description, labelling, user interface	機器の説明、ラベル、ユーザーインターフェースに対する予想される変更
Change protocol	変更プロトコル
The change protocol describes the set of policies and procedures that control how changes, as outlined in the change description, will be implemented and managed. The protocol ensures ongoing safety and effectiveness.	変更手順書には、変更説明書に記載された変更がどのように実施され、管理されるかを 管理する一連の方針と手順が記載されている。プロトコールは、継続的な安全性と有効性を保証する。
Aspects of the change protocol that may need to be part of the licence application include plans for ongoing:	ライセンス申請の一部とする必要のある変更プロトコルの側面には、継続的な計画が含まれる：
・Data management	データ管理
・・may include, for example, plans for collecting, annotating, curating, validating, determining reference standard or ground truth, quality assurance	データ管理には、例えば、収集、注釈付け、管理、検証、参照標準またはグラ ンドトゥルースの決定、品質保証に関する計画などが含まれる。
・Risk management	リスクマネジメント
・・may include, for example, plans for ongoing risk identification, monitoring and response	例えば、継続的なリスクの特定、モニタリング及び対応計画などが含まれる。
・Modification procedures	修正手順
・・may include, for example, plans for re-training, learning techniques, update triggers, pre-update verification and validation methods, such as ML system performance validation and its impact on the performance of the MLMD if applicable	例えば、再トレーニング、学習技術、更新トリガー、ML システム性能検証のような更新前検証及び検証方法、及び該当する場合には MLMD の性能への影響に関する計画を含む。
・Update procedures	更新手順
・・may include, for example, version tracking and control such as traceability, ongoing documentation of the PCCP execution history, deployment plan, end-user communication plan, labelling update plan and user acceptance testing	例えば、トレーサビリティ、PCCP 実行履歴の継続的な文書化、展開計画、エンドユーザコミュニケーショ ン計画、ラベリング更新計画、ユーザ受入テストなどのバージョン追跡及び管理などが含まれる。
・Monitoring	モニタリング
・・may include, for example, plans for post-update testing and performance monitoring, frequency of assessments and triggers for evaluation, statistical analysis plan, plans for device surveillance, complaint handling and reporting incidents	例えば、更新後の試験及び性能モニタリングの計画、評価の頻度及びトリガー、統計 分析計画、機器サーベイランスの計画、苦情ハンドリング及びインシデント報告などが含まれる。
・Corrective actions	是正措置
・・may include, for example, roll-back plans, backup and recovery procedures, retraining criteria and objectives, and customer communications	例えば、ロールバック計画、バックアップと復旧手順、再教育の基準と目標、顧客コミュニケーションなどが含まれる。
Each change in the change description should be clearly traceable to the relevant aspects of the change protocol (for example, through a traceability table).	変更説明の各変更は、変更プロトコルの関連する側面と明確に追跡可能でなければならない（例えば、トレーサビリティ表を通して）。
Impact assessment	影響アセスメント
The impact assessment outlines the potential influence and implications of the changes listed in the PCCP. It should consider:	影響アセスメントでは、PCCP に記載された変更の潜在的な影響と影響について概説する。以下の点を考慮する必要がある：
・the benefits and risks of implementing the PCCP and the risk controls in place	PCCPを実施することによる利益とリスク、および実施されているリスク管理
・how the change protocol will continue to ensure the ongoing safety and effectiveness of the device	変更プロトコルが装置の継続的な安全性と有効性をどのように確保し続けるか。
・the collective impact of all proposed changes on the MLMD and the impacts on other elements of the clinical workflow, including on other medical devices	提案されたすべての変更が MLMD に及ぼす総体的な影響、及び他の医療機器を含む臨床ワー クフローの他の要素に及ぼす影響
Risk management	リスクマネジメント
Manufacturers should conduct the necessary risk management and consider providing descriptions of:	製造業者は必要なリスクマネジメントを実施し、以下の説明をプロバイダに提供すること を検討すべきである：
・the risks identified for the MLMD and the associated risk controls in place to eliminate or reduce those risks	MLMD について識別されたリスクと、それらのリスクを排除又は低減するために実施され ている関連するリスク管理。
・the technique used to perform the initial and ongoing risk assessment and the system used for risk level categorization and acceptability	初期及び継続的なリスクアセスメントの実施に使用された手法、並びにリスクレベルの分類 及び許容範囲に使用されたシステム
・the results of the risk assessment	リスクアセスメントの結果
The following items, as applicable, should be considered in the risk analysis:	該当する場合、以下の項目をリスク分析において考慮すべきである：
・erroneous outputs	誤った出力
・・such as false positive or false negative results, or incorrect information for use in diagnosis or treatment	偽陽性又は偽陰性の結果、あるいは診断又は治療に使用するための不正確な情報な どの誤った出力。
・bias	バイアス
・・note that SGBA Plus analysis may address some sources of unwanted bias	SGBAプラス分析は、望ましくないバイアスのいくつかの原因に対処することができる。
・overfitting	オーバーフィッティング
・・an issue that occurs when a model is fit to properties that are specific to the training examples (for example, random noise), resulting in a model that does not apply to the general problem it's meant to address	学習例（例えば、ランダムノイズ）に特有な特性にモデルを適合させた場合に発生する問題で、その結果、そのモデルが対処しようとする一般的な問題には適用されない。
・underfitting	アンダーフィット
・・an issue that occurs when a model is not fit to all relevant properties of the population from the training examples, resulting in a model that does not apply to the general problem it's meant to address	モデルが、訓練例から得られた母集団のすべての関連する性質に適合していない場合に発生する問題で、その結果、そのモデルが対処しようとする一般的な問題に適用されない。
・degradation of ML system performance	MLシステムの性能低下
・・an issue that can occur due to shifts in population demographics or disease incidence, changes in clinical practice, changes in clinical disease presentation, changes in input format or quality	人口統計や疾患インシデントの変化、臨床診療の変化、疾患の臨床像の変化、入力形式や品質の変化により起こりうる問題である。
・automation bias	自動化バイアス
・・an issue that occurs when a user's conclusion is overly reliant on the device output while ignoring contrary data or conflicting human decisions	ユーザーの結論が装置の出力に過度に依存する一方で、反対データや相反する人間の判断を無視する場合に発生する問題
・alarm fatigue	アラーム疲労
・・an issue that occurs when a user is desensitized to alarms due to excessive exposure, which can result in missed alarms	ユーザーが過剰なエクスポージャーによりアラームに鈍感になり、アラームを見逃す場合に発生する問題である。
・risks associated with using a PCCP	PCCPの使用に伴うリスク
・impacts of a PCCP on risk management	PCCPがリスクマネジメントに与える影響
When performing the risk management for an MLMD, consider referring to the current version of the following resource:	MLMDのリスクマネジメントを行う際には、以下の資料の最新版を参照することを考慮すること：
ISO 14971, Medical devices - Application of risk management to medical devices	ISO14971「医療機器-医療機器へのリスクマネジメントの適用」を参照すること。
Data selection and management	データの選択と管理
When describing the selection and management of data for an MLMD, consider providing the following elements:	MLMD のデータの選択及び管理について記述する場合には、以下の要素をプロバイダとして提 供することを考慮すること：
・descriptions of the training, tuning and test datasets used to develop and evaluate the ML system, such as:	ML システムの開発及び評価に使用されるトレーニング、チューニング及びテストデータセットの 記述：
・・sample sizes with and without the condition, clinical characteristics and demographic statistics	症状の有無、臨床的特徴、人口統計学的統計のサンプル数。
・・a comparison between the prevalence within the dataset and the intended population	データセット内の有病率と対象集団の比較
・・methods and environments in which the data were collected	データを収集した方法と環境
・・data collection devices	データ収集装置
・・single versus multi-centre data, personalized data	単一データか多施設データか、個人データか。
・・justifications to support the dataset characteristics, for example, according to:	データセットの特徴を裏付ける正当な理由：
・・・their relation to the intended use	使用目的との関係
・・・statistical considerations	統計的考察
・・・identity factors (such as sex, gender, race or age)	アイデンティティ要因（性別、人種、年齢など）
・・・consideration of subgroups, such as vulnerable or under-represented populations	脆弱性や代表者不足などのサブグループへの配慮
・data inclusion and exclusion criteria and a justification for removing any data	データの包含基準および除外基準、ならびにデータ削除の正当性
・descriptions of techniques used to address data imbalances (for example, specific sampling methods used to address a dataset that has low disease prevalence) and a justification	データの不均衡に対処するために使用した技術（例えば、疾患の有病率が低いデータセットに対処するために使用した特定のサンプリング方法）の説明とその正当性
・a description of how data integrity was maintained during curation and how data quality and accuracy were ensured, including a description of any data augmentation practices	データ管理中にどのようにデータの完全性が維持され、どのようにデータの質と正確性が 確保されたかの説明（データの補強方法の説明を含む）。
・・for example, geometric transformations intended to enhance the size and quality of datasets	例えば、データセットのサイズと質を向上させるための幾何学的変換などである。
・an explanation of how bias in the dataset was controlled during development	開発中にデータセットのバイアスがどのように制御されたかを説明すること。
Development, training and tuning	開発、トレーニング、チューニング
Consider providing descriptions of the ML development, training and tuning approaches, including the following elements:	MLの開発、トレーニング、チューニングのアプローチについて、以下の要素を含む説明をプロバイダとして提供することを検討する：
・a detailed description of the methods used to develop, train and tune the ML system and a justification to support these methods	MLシステムの開発、訓練、チューニングに使用された手法の詳細な説明と、これらの手法を支持する正当な理由。
・a characterization of the reference standard used in training and tuning, including:	トレーニング及びチューニングに使用される参照標準の特徴：
・・the process and methodology used to define the reference standard	標準を定義するために使用されたプロセスと方法論。
・・a justification to support the chosen reference standard	選択された標準を裏付ける正当な理由。
・・a description of the uncertainty and associated limitations	不確実性と関連する限界の説明
・a description of the inputs and parameters used to develop the ML system and any features extracted from the input data	MLシステムの開発に使用された入力とパラメータ、および入力データから抽出された特徴の説明。
Testing and evaluation	試験と評価
Consider including the following information on ML system performance testing as part of the performance/bench testing or software verification and validation:	性能/ベンチテスト又はソフトウェアの検証及び妥当性確認の一部として、ML システムの性能テス トに関する以下の情報を含めることを検討すること：
・a description of the methods used to test or evaluate the ML system performance	ML システムの性能をテストまたは評価するために使用された方法の説明。
・a characterization of the reference standard used in testing, including:	テストに使用された標準の特徴：
・・the process and methodology used to define the reference standard	標準を定義するために使用されたプロセスと方法論。
・・a justification to support the chosen reference standard	選択された標準を裏付ける正当な理由。・・
・a description of the uncertainty and associated limitations	不確かさと関連する限界の説明
・descriptions of the chosen performance metrics, acceptance criteria and operating point/threshold, with clinical and risk-based justifications	選択された性能測定基準、受入基準及び動作点／閾値の説明と、臨床的及びリスクに基づく 正当化。
・evidence to demonstrate that the ML system performs as intended and meets expected performance requirements when integrated as part of the medical device system or software	医療機器システム又はソフトウェアの一部として統合された場合に、ML システム が意図したとおりに機能し、期待される性能要件を満たすことを示す証拠
・evidence to support the performance of the ML system for appropriate subgroups, including at the relevant intersections, for example according to:	関連する交差点を含む適切なサブグループに対する ML システムの性能を裏付ける証拠：
・・identity factors (such as sex, gender, race, age)	アイデンティティ要因（性別、人種、年齢など）
・・vulnerable populations	脆弱性集団
・・under-represented populations	代表者の少ない集団
・・clinical status (such as diagnosis, stage, grade)	臨床状態（診断、病期、悪性度など）
・・clinical features (such as tissue density, lesion type, co-occurrence of conditions)	臨床的特徴（組織密度、病変のタイプ、病態の併発など）
・evidence to support inter-compatibility with all supported input and output devices	対応するすべての入出力装置との相互互換性を裏付ける証拠
・robustness testing	堅牢性試験
・・for example, intentional testing with unexpected inputs	例えば、予期しない入力を用いた意図的なテストなど
・estimate of the uncertainty of the outputs, with supporting evidence and a justification to support the method used to determine the uncertainty	出力の不確かさの推定値。不確かさを決定するために使用された方法を裏付ける根拠と正当な理由。
・the ML software version that was tested, which should represent the appropriate release version	テストされたMLソフトウェアのバージョン（適切なリリースバージョンを代表するものであること。
・an explanation of the software version numbering system and the identification and traceability of the ML system or model version	ソフトウェアのバージョン番号システムの説明、及びMLシステム又はモデルのバージョンの識別とトレーサビリティ。
Clinical validation	臨床的バリデーション
In a medical device licence application for a Class III or IV MLMD, manufacturers should provide the appropriate clinical evidence, including clinical validation studies, to support the safe and effective clinical use of their device. This information should be available upon request for Class II MLMD.	クラスIIIまたはクラスIVのMLMDの医療機器許可申請において、プロバイダは、機器の安全かつ効果的な臨床使用を裏付けるために、臨床検証試験を含む適切な臨床エビデンスを提供すべきである。この情報は、クラスⅡのMLMDについては、要求に応じて入手可能であるべきである。
For more information on clinical evidence requirements, consult:	臨床エビデンス要件の詳細については、以下を参照のこと：
・Guidance on clinical evidence requirements for medical devices	医療機器の臨床エビデンス要件に関するガイダンス
・Companion document: Examples of clinical evidence requirements for medical devices	付属文書 医療機器の臨床エビデンス要件の例
The clinical evidence should support that the trained, tuned and tested ML system, and the MLMD with that ML system, is safe and effective and performs as intended in the intended population.	臨床エビデンスは、訓練され、調整され、試験された ML システム及びその ML システムを備えた MLMD が、安全かつ有効であり、意図された集団において意図されたとおりに機能することを裏付けるものでなければならない。
Examples of clinical evidence that can be used include:	使用できる臨床エビデンスの例としては、以下が挙げられる：
・clinical validation studies, including descriptions of:	臨床的検証試験（以下の説明を含む：
・・the type of study performed	実施された試験の種類
・・the study design and statistical methods	試験デザインと統計的手法
・・the rationale for the study and methods, including the use of retrospective and/or prospective evaluations	レトロスペクティブ及び／又はプロスペクティブ評価の使用を含む、試験及び方法の 根拠。
・・a characterization of study participants and confirmation that the study population is independent of the data used for ML system development, training and tuning	研究参加者の特徴と、研究集団がMLシステムの開発、トレーニング、チューニングに使用されるデータから独立していることの確認。
・・the rationale for the study population, which may include:	研究集団の根拠（以下を含む）：
・・・the relation to the intended use	使用目的との関係
・・・the representation across sex, gender, race, age and/or other identity factors	性、性別、人種、年齢、及び／又はその他のアイデンティティ要因における代表性。
・・statistical considerations	統計的考察
・・study results	研究結果
・relevant clinical data from published sources	公表された情報源からの関連臨床データ
・device-related investigations	機器関連の調査
・・for example, comparator device clinical data	例えば、比較対象機器の臨床データ
・usability/human factors testing	ユーザビリティ／ヒューマンファクター試験
・device-specific evaluations	機器固有の評価
・real-world evidence (RWE) and post-market clinical experience	リアルワールドエビデンス（RWE）及び市販後の臨床経験
The clinical evidence should accompany a justification to support the level of evidence. This justification should establish that the evidence is sufficient to demonstrate:	臨床エビデンスには、エビデンスレベルを裏付ける正当な理由を添付すること。この正当化は、エビデンスが以下を実証するのに十分であることを立証するものでなければならない：
・the device is safe and effective for the intended population when used as described in the 'intended use' or 'indications for use' statement	使用目的」または「適応症」に記載されたとおりに使用された場合、その医療機器は意図され た集団に対して安全かつ有効である。
・as appropriate, the impacts of the device on different sexes, genders and diverse populations, including racial and ethnic groups, and pediatric and older populations	必要に応じて、異なる性別、ジェンダー、人種・民族集団、小児集団、高齢者集団を含む多様な集団に対す る当該医療機器の影響を示すこと。
Transparency	透明性
Transparency requirements should consider the various stakeholders involved in a patient's healthcare across the lifecycle of the device (for example, patients, users, healthcare providers and regulators).	透明性の要件は、機器のライフサイクルを通じて患者のヘルスケアに関わる様々な利害関係者（例えば、患者、ユーザー、医療プロバイダ、規制当局）を考慮すべきである。
Transparency should be considered throughout the device lifecycle, including in the:	透明性は、以下を含む機器のライフサイクル全体を通じて考慮されるべきである：
・design of the device, including:	以下を含む機器の設計
・・the ML system, software user interface, labelling and, if applicable, the PCCP	MLシステム、ソフトウェアのユーザーインターフェイス、ラベリング及び該当する場合はPCCPを含む。
・medical device licence application	医療機器ライセンス申請
・device marketing	機器の販売
・device use	機器の使用
The following subsection outlines transparency considerations for MLMD labelling for the end-user.	次の小項目では、エンドユーザーに対するMLMDのラベリングに関する透明性への配慮を概説する。
Labelling	ラベリング
Manufacturers should provide copies of the directions for use or instructions for use for the device, including those pertaining to the ML system. Health Canada will review the labels against the requirements outlined in sections 21, 22 and 23 of the regulations.	製造業者は、MLシステムに関連するものを含め、機器の使用説明書又は使用指示書の写しを提供す べきである。カナダ保健省は、規則第 21 条、第 22 条及び第 23 条に概説された要件に照らし合わせてラベルを審査する。
The following ML system information should be considered for inclusion in MLMD labelling, as applicable:	以下のMLシステム情報は、該当する場合、MLMDラベルに含めることを検討すべきである：
indications for use, intended use and contraindications (refer to the section under Design)	適応症、使用目的及び禁忌（設計の項を参照のこと。）
instructions for the user, such as:	次のような使用者に対する指示
・how to use the ML system software to generate an output	出力を生成するためのMLシステムソフトウェアの使用方法
・how to interpret the software interface, including:	ソフトウェアインターフェースの解釈方法：
・・the ML system output and any information provided to help users interpret each output (for example, saliency maps and confidence scores)	MLシステムの出力と、ユーザが各出力を解釈するために提供される情報（例えば、顕著性マップや信頼度スコア）。
・・how to perform calibrations, local validation and ongoing performance monitoring	キャリブレーション、ローカルバリデーション、および継続的な性能モニタリングの実行方法。
・device design information, such as:	以下のような装置設計情報：
・・a statement that the device includes ML	デバイスがMLを含むという声明
・・how the ML system works, for example:	MLシステムがどのように機能するか：
・・・ML approaches	MLのアプローチ
・・・feature attributions to ML model predictions, factors influencing the output, if available	MLモデルの予測に対する特徴、出力に影響を与える要因（もしあれば）。
・・required device input parameters, input specifications and source(s) of device input(s)	必要な装置入力パラメータ、入力仕様、及び装置入力の出所。
・・compatible medical devices, including software and hardware versions	ソフトウェアとハードウェアのバージョンを含む互換性のある医療機器
・・hardware and software requirements (for example, CPU requirements, operating system)	ハードウェアとソフトウェアの要件（CPU要件、オペレーティングシステムなど）
・・dataset characterizations of training and test datasets, such as:	トレーニングデータセットとテストデータセットの特徴：
・・・data collection environment/method	データ収集環境／方法
・・determination of reference standard	参照標準の決定
・・・sample sizes with and without the condition, clinical characteristics, demographic statistics	症状の有無、臨床的特徴、人口統計学的統計のサンプルサイズ
・・・inclusion/exclusion criteria	包含/除外基準
・・PCCP information, if applicable, such as:	該当する場合、以下のようなPCCP情報：
・・・a statement that the device includes a PCCP	当該機器に PCCP が含まれている旨の記述
・・・the intended changes and expected update frequency	意図される変更及び予想される更新頻度
・・・any requirements for the user to perform software updates	ユーザーがソフトウェア更新を実施するための要件
・・・when a software update occurs and how it impacts the device performance, inputs, labelling or use (for example, how to obtain updated labelling or how improved performance will be communicated to them)	ソフトウェアの更新がいつ行われ、それが装置の性能、入力、ラベリング又は使用にど のような影響を与えるか（例えば、更新されたラベリングの入手方法又は性能の向上 がどのようにユーザーに通知されるか）。
・device performance information, such as:	以下のような装置性能情報：
・・chosen performance metrics and acceptance criteria as well as the operating point/threshold	選択された性能測定基準および受入基準、ならびに動作点／閾値
・・detailed results of the performance testing, including results for appropriate subgroups and the performance uncertainty (for example, confidence intervals)	適切なサブグループに対する結果及び性能の不確実性（信頼区間など）を含む性能試験の詳細な結果。
・・summaries of clinical studies, if applicable, including detailed characterization of the study participants, methods and results	臨床試験の概要（該当する場合）：試験参加者、方法、結果の詳細な特徴を含む。
・device limitation information, such as:	以下のような装置の制限情報：
・・data characterization limitations	データ特性の限界
・・limitations in the development techniques	開発技術における限界
・・limitations in the performance evaluation	性能評価における限界
・・known failure modes	既知の故障モード
・・・applicable warnings or cautions related to the ML system	MLシステムに関連する該当する警告や注意事項
Product brochures, websites and marketing material with claims related to the ML system should also be provided, as these are also considered labelling.	製品パンフレット、ウェブサイト、MLシステムに関連する主張を含むマーケティング資料も、表示とみなされるため、プロバイダが提供する必要がある。
Post-market performance monitoring	市販後の性能モニタリング
Manufacturers should consider including a description of the processes, surveillance plans and risk mitigations in place to ensure ongoing performance and inter-compatibility of the ML system.	製造業者は、ML システムの継続的な性能及び相互適合性を確保するために実施されているプ ロセス、監視計画及びリスク軽減策についての説明を含めることを検討すべきである。
This should consider the impact on ML system outputs or clinical workflows that could result from potential changes in the inputs to the ML model, changes to how the ML system outputs are handled by compatible products or any other relevant information. This may be addressed as part of the risk analysis and the PCCP, if applicable.	これは、MLモデルへの入力の潜在的な変更、互換製品によるMLシステム出力の処理方法の変 更、又はその他の関連情報によって生じ得るMLシステム出力又は臨床ワークフローへの影 響を考慮すべきである。これは、該当する場合には、リスク分析及び PCCP の一部として扱われる。
Terms and conditions	諸条件
Terms and conditions (T&Cs) may be imposed on some medical device licences. This can help ensure that the device continues to meet the applicable safety and effectiveness requirements of the regulations after it's been approved.	一部の医療機器ライセンスには使用条件（T＆C）が課されることがある。これは、承認後もその医療機器が規制の適用される安全性と有効性の要件を満たしていることを保証するのに役立つ。
As per section 36(2) of the regulations, the Minister may impose T&Cs requiring:	規則第36条(2)に従い、大臣は以下を要求するT&Cを課すことができる：
・tests to be performed on a device to ensure it continues to meet applicable safety and effectiveness requirements	適用される安全性及び有効性要件を引き続き満たしていることを確認するために機器に対して実施される試験
・submission of the results and protocols of any tests performed	実施された試験の結果とプロトコルの提出
As per subsection 36(3) of the regulations, the Minister may amend T&Cs imposed on a medical device licence to take into account any new development with respect to the device.	規則第36条(3)に従い、大臣は、医療機器に関する新たな開発を考慮するため、医療機器ライセンスに課されるT&Cを修正することができる。
The holder of a medical device shall comply with T&Cs of the licence as per subsection 36(4).	医療機器の保有者は、第 36 項(4)に従い、ライセンスの T&C を遵守しなければならない。
The level of risk, uncertainty and/or complexity of a specific situation will be considered when imposing or amending T&Cs, and when determining requirements for individual T&Cs.	特定の状況のリスク、不確実性及び／又は複雑性のレベルは、T&Cの賦課又は修正、並びに個々のT&Cの要件を決定する際に考慮される。