Die klinische Bewertung von Medical Device Software darf nicht bei technischer Funktion und Genauigkeit enden. Gut gesteuerte Hersteller zeigen, welche medizinisch relevante Aussage die Software liefert, wie zuverlässig sie das tut und welche Folgen Fehler im vorgesehenen Anwendungskontext haben können.
Besonders bei datengetriebenen und KI-gestützten Systemen kann eine einzelne Kennzahl überzeugend wirken und trotzdem wenig über den klinischen Nutzen aussagen. Entscheidend ist, ob Datenbasis, Leistungsparameter, Fehlerraten und Nutzerinteraktion zur Zweckbestimmung passen.
Praxisregel: Eine technisch gute Modellleistung ist erst dann klinisch relevant, wenn klar ist, welche Entscheidung sie unterstützt und welches Risiko bei falschen Ergebnissen entsteht.
Wer Softwareleistung früh in klinisch relevante Parameter übersetzt, erkennt Fehlerrisiken und Evidenzlücken, bevor sie im Markt zum Steuerungsproblem werden.
Das schafft klare Akzeptanzkriterien für Entwicklung, klinische Bewertung, Risikomanagement und laufende Marktüberwachung.
Softwareleistung klinisch interpretierbar machen
Die geeigneten Leistungsparameter ergeben sich aus dem medizinischen Zweck der Software. Eine Anwendung zur Priorisierung, Diagnoseunterstützung oder Therapieplanung benötigt andere Bewertungsgrößen als eine Software, die ausschließlich Daten überträgt oder darstellt.
Leistung differenziert messen
Sensitivität, Spezifität, positiver und negativer Vorhersagewert oder weitere Kennzahlen müssen zur konkreten klinischen Aufgabe passen.
Folgen statt Mittelwerte bewerten
Falsch positive und falsch negative Ergebnisse können unterschiedliche klinische Auswirkungen haben und dürfen nicht in einer Gesamtkennzahl verschwinden.
Grenzfälle sichtbar machen
Die Bewertung muss zeigen, wie sich die Software bei abweichenden Datenqualitäten, seltenen Fällen und realistischen Anwendungssituationen verhält.
Die MDCG beschreibt die klinische Bewertung von Medical Device Software entlang von drei miteinander verbundenen Elementen: valide klinische Assoziation, technische Leistung und klinische Leistung. Diese Bausteine müssen gemeinsam die Zweckbestimmung tragen.
Die Datenbasis ist Teil der klinischen Aussage
Bei datengetriebener Software hängt die Aussagekraft nicht nur vom Algorithmus ab. Ebenso wichtig ist, mit welchen Daten das System entwickelt, geprüft und validiert wurde.
Repräsentativität prüfen
Patientengruppen, Erkrankungsschwere, Alter, Geschlecht und Versorgungskontext müssen zur vorgesehenen Anwendung passen.
Datenkontext verstehen
Geräte, Standorte, Erhebungsbedingungen und Datenaufbereitung können die Übertragbarkeit der Ergebnisse beeinflussen.
Validierung unabhängig halten
Die klinische Leistungsbewertung muss erkennen lassen, ob Entwicklung, Optimierung und Prüfung auf ausreichend getrennten Daten beruhen.
Ein guter Gesamtwert kann relevante Schwächen in einzelnen Patientengruppen verdecken.
Erfolgreiche Hersteller prüfen deshalb nicht nur die durchschnittliche Leistung, sondern auch Unterschiede zwischen klinisch relevanten Untergruppen.
Die klinische Leistung entsteht im Anwendungskontext
Medical Device Software wirkt häufig nicht allein. Ihr Ergebnis wird von Menschen interpretiert, bestätigt oder verworfen. Deshalb gehört die Nutzerinteraktion in die klinische Bewertung.
Bewertungslogik: Softwareausgabe → Interpretation durch den Anwender → klinische Entscheidung → mögliche Auswirkung auf den Patienten
Entscheidungsbeitrag klären
Es muss klar sein, ob die Software informiert, priorisiert, empfiehlt oder eine Entscheidung weitgehend vorgibt.
Menschliche Eingriffe bewerten
Hersteller müssen berücksichtigen, ob und wie Anwender Ergebnisse überprüfen, korrigieren oder ignorieren können.
Übervertrauen vermeiden
Automationsvertrauen, missverständliche Anzeigen und unklare Grenzen können aus einem technisch korrekten Ergebnis ein klinisches Risiko machen.
Softwareänderungen über den Lebenszyklus kontrollieren
Software kann sich schneller verändern als klassische Hardware. Neue Versionen, geänderte Datenquellen, Schnittstellen oder Modellanpassungen können die klinische Leistung beeinflussen.
Gut gesteuerte Hersteller definieren deshalb vorab, welche Änderungen eine erneute Bewertung auslösen. Sie unterscheiden zwischen rein technischen Anpassungen und Änderungen, die Claims, Leistungsparameter oder das Risikoprofil betreffen.
Auswirkungen vor Freigabe prüfen
Updates werden darauf bewertet, ob sie Datenverarbeitung, Nutzerinteraktion oder klinische Ergebnisse verändern können.
Leistung laufend überwachen
PMS und PMCF müssen erkennen lassen, ob Fehlerraten, Nutzungsmuster oder Ergebnisse im realen Einsatz vom erwarteten Profil abweichen.
Cybersicherheit einbeziehen
Schwachstellen, Datenmanipulation oder Ausfälle können die klinische Leistung verändern und müssen mit Risikomanagement und PMS verbunden werden.
Für KI-Systeme kann zusätzlich das Zusammenspiel von MDR beziehungsweise IVDR und der europäischen KI-Verordnung relevant sein. Die MDCG hat dazu 2025 eine offizielle FAQ veröffentlicht. Die konkrete Anwendbarkeit hängt vom System, seiner Zweckbestimmung und seiner regulatorischen Einordnung ab.
Was erfolgreiche Hersteller richtig machen
Sie behandeln die klinische Bewertung nicht als nachträgliche Erklärung einer bereits entwickelten Software. Sie nutzen sie früh, um Claims, Testdaten, Akzeptanzkriterien und Marktüberwachung aufeinander abzustimmen.
Medizinische Aussage zuerst
Sie definieren klar, welchen klinischen Beitrag die Software leisten soll und für wen das Ergebnis bestimmt ist.
Fehler klinisch gewichten
Sie bewerten nicht nur Genauigkeit, sondern die Folgen unterschiedlicher Fehlerarten für Anwender und Patienten.
Änderungen messbar überwachen
Sie legen fest, welche Kennzahlen im Markt beobachtet werden und wann eine Aktualisierung der klinischen Bewertung erforderlich ist.
Softwareänderungen werden schneller freigabefähig, weil klar ist, welche klinischen Leistungsgrenzen eingehalten werden müssen.
Entwicklung, Risikomanagement und Regulatory Affairs arbeiten mit denselben Parametern statt mit getrennten Interpretationen der Produktleistung.
Die offizielle MDCG 2020-1 zur klinischen Bewertung von Medical Device Software beschreibt die zentralen Evidenzbausteine. Für KI-Systeme ergänzt die MDCG 2025-6 Fragen zum Zusammenspiel der Medizinprodukteverordnungen mit der KI-Verordnung.
Reicht eine hohe Genauigkeit für die klinische Bewertung einer Software aus?
Nein. Die Kennzahl muss zur Zweckbestimmung und zur konkreten klinischen Aufgabe passen. Zusätzlich sind unter anderem Fehlertypen, Patientengruppen, Datenbasis, Nutzerinteraktion und mögliche klinische Folgen zu bewerten.
Muss nach jedem Software-Update die klinische Bewertung vollständig neu erstellt werden?
Nein. Jede Änderung muss jedoch auf ihre möglichen Auswirkungen geprüft werden. Betrifft sie klinische Leistung, Claims, Datenverarbeitung, Nutzerinteraktion oder Risiken, kann eine gezielte oder umfassendere Aktualisierung erforderlich sein.
Softwareleistung klinisch steuerbar machen
Wenn technische Kennzahlen, klinische Claims und Marktüberwachung nicht dieselben Leistungsgrenzen verwenden, entstehen Lücken zwischen Entwicklung und klinischer Bewertung.
IPP unterstützt Hersteller dabei, klinisch relevante Softwareparameter zu definieren, Datenbasis und Fehlerrisiken einzuordnen und die Nachweisstrategie mit Risikomanagement, PMS und Produktänderungen zu verbinden.
