FDA exige validación de algoritmos de IA en ensayos clínicos: lo que cambia a patrocinadores

Los patrocinadores de ensayos clínicos que emplean inteligencia artificial en operaciones de estudio pasan a tener que validar formalmente esos algoritmos ante la FDA. La nueva orientación de la agencia estadounidense desplaza la exigencia de la capa de software, que ya necesitaba controles de calidad documentados, para la capa de algoritmo, cobrando sistemas de garantía de calidad equivalentes a los aplicados a la integridad de datos. En la práctica, no basta el sistema funcionar: es necesario demostrar como cada modelo llega al resultado que orienta una decisión dentro del estudio.

¿Qué significa la validación de IA de la FDA en la práctica?

Validar un algoritmo en el vocabulario regulatorio es producir evidencia documentada de que desempeña la función deseada de forma consistente y rastreable. Para los patrocinadores, esto se traduce en tres frentes: describir lo que el modelo hace y con cuales datos fue construido, demostrar su desempeño esperado y mantener registros de cambios a lo largo del estudio.

La orientación también vincula el algoritmo al sistema de calidad del estudio. Es decir, deja de ser un detalle técnico incorporado en una plataforma y pasa a ser un ítem auditable, con responsable nombrado, criterios de aceptación e histórico de versiones. La noticia fue publicada por Clinical Trial Vanguard.

¿Por qué la FDA exige validación de IA ahora?

La lógica es simple: en las últimas décadas, la validación de sistemas computadorizados en investigación clínica se concentró en software — login, ruta de auditoría, control de acceso, integridad de registros. Modelos de IA, sin embargo, no se comportan como software determinístico. Ellos producen salidas probabilísticas, pueden ser retreinados y cambian de respuesta según los datos de entrada varían.

Cuando un algoritmo pasa a apoyar la selección de pacientes, monitorización de datos o priorización de sitios web, entre otras funciones operacionales, el riesgo deja de ser apenas de TI y pasa a ser de calidad del estudio. La FDA acompaña ese movimiento de cerca: ya había señalado interés en IA para desarrollo de fármacos y, en otro frente, aceiteó un modelo de IA para prever lesiones en el hígado, mostrando que el tema avanzó del debate conceptual para decisiones concretas.

Validación de IA x aprobación de modelo: ¿cuál es la diferencia?

Son dos rutas distintas, y confundirlas es el error más común. La aprobación de un modelo como producto, el caso del algoritmo de lesiones en el hígado, evalúa si esa herramienta puede ser usada en la práctica clínica. La nueva orientación trata de otro alcance: los algoritmos que sustentan la conducción del propio ensayo. Un modelo no necesita ser aprobado como dispositivo para ser utilizado en operaciones de estudio, pero ahora necesita ser validado como componente del sistema de calidad del patrocinador.

¿Qué cambia la validación de IA de la FDA a Brasil?

Los patrocinadores brasileños, CROs y centros de investigación que participan de estudios conducidos bajo regulación americana tienden a recibir esa exigencia por vía contractual, antes de cualquier movimiento regulatorio local. En la práctica, la documentación de validación del algoritmo pasa a ser un entregble del proveedor de tecnología, no un anexo opcional.

Para desarrolladores, esto significa proyectar trazabilidad desde el inicio: registro de versiones del modelo, congelación de la versión usada en el estudio, métricas de desempeño documentadas y plan de monitoreo. Quien construye herramientas de IA para investigación clínica necesita tratar este paquete como parte del producto.

Lo que la orientación de validación de IA todavía no resuelve

La exigencia no crea un sello único de certificación ni define un nivel de rendimiento mínimo aceptable, el criterio queda con el patrocinador, que necesita justificarlo. También permanece abierto como lidiar con la deriva de modelo (drift) en estudios largos, cuando el algoritmo es retreinado en el medio del camino. Y no hay, hasta aquí, indicación de cronograma de vigilancia divulgado públicamente.

Preguntas frecuentes sobre validación de IA en la FDA

¿La validación vale para cualquier uso de IA en un ensayo clínico?

La orientación mira algoritmos empleados en operaciones del estudio, aquellos que influyen en las decisiones de conducción. El alcance detallado y las excepciones están en el texto de la propia orientación, que debe ser leído caso a caso.

¿Quién es el responsable de la validación?

El patrocinador del estudio. Puede tercerizar la ejecución técnica, pero la responsabilidad por la documentación y el sistema de garantía de calidad permanece con quien patrocina la investigación.

¿Eso sustituye las exigencias de integridad de datos ya existentes?

No. La validación del algoritmo se suma a los controles anteriores: amplía la capa de verificación, en lugar de crear un camino alternativo para el cumplimiento de las reglas de integridad de datos.