Consideraciones para el Uso de Inteligencia Artificial en Apoyo a la Toma de Decisiones Regulatorias para Productos Farmacéuticos y Biológicos

Resumen

La FDA ha emitido su primera guía integral sobre el uso de inteligencia artificial para respaldar la toma de decisiones regulatorias en medicamentos y productos biológicos. Este documento de 2024 establece las expectativas de la agencia respecto a datos e información generados por IA presentados en solicitudes regulatorias, abarcando desde el diseño de ensayos clínicos hasta el control de calidad en manufactura. A diferencia de los marcos de gobernanza de IA más amplios, esta guía profundiza en aspectos específicos como vías regulatorias, requisitos de integridad de datos y los desafíos únicos del uso de IA en contextos de ciencias de la vida donde la seguridad del paciente es primordial.

A quién va dirigido este recurso

Audiencias principales:

• Empresas farmacéuticas y de biotecnología que desarrollan procesos de desarrollo de medicamentos asistidos por IA
• Organizaciones de investigación por contrato (CROs) que implementan IA en diseño y análisis de ensayos
• Profesionales de asuntos regulatorios que preparan presentaciones ante la FDA con evidencia generada por IA
• Proveedores de IA que sirven a la industria farmacéutica
• Personal de revisión de la FDA que evalúa solicitudes respaldadas por IA

Audiencias secundarias:

• Investigadores de IA en salud que transicionan a contextos regulatorios
• Equipos legales que asesoran sobre cumplimiento de IA farmacéutica
• Equipos de aseguramiento de calidad que validan sistemas de IA en entornos GxP

La verificación de la realidad regulatoria

Esta guía aborda una tensión fundamental: la IA puede acelerar el desarrollo de medicamentos y mejorar la toma de decisiones, pero las presentaciones regulatorias requieren niveles sin precedentes de transparencia y validación. La FDA no prohíbe el uso de IA. En cambio, exige que los patrocinadores demuestren que sus sistemas de IA son aptos para el propósito dentro de los marcos regulatorios existentes.

Principios regulatorios clave que la guía refuerza:

• La carga de la prueba permanece en los patrocinadores: La IA no reduce los estándares de evidencia
• Transparencia sobre innovación: La explicabilidad frecuentemente supera al rendimiento de vanguardia
• Enfoque basado en riesgo: Las aplicaciones de mayor riesgo enfrentan requisitos más estrictos
• Los marcos existentes aplican: Good Manufacturing Practices (GMP), Good Clinical Practices (GCP) y 21 CFR Part 11 siguen siendo relevantes

Aplicaciones de IA que la FDA está observando

La guía categoriza los casos de uso de IA por impacto regulatorio, ayudando a los patrocinadores a entender dónde enfrentarán mayor escrutinio:

• Aplicaciones de alto impacto (documentación extensa requerida): - Análisis de endpoint primario en ensayos pivotales - Detección de señales de seguridad y evaluación de causalidad - Decisiones de liberación de lotes de manufactura - Identificación de biomarcadores para estratificación de pacientes
• Aplicaciones de impacto medio (documentación moderada):
• Optimización de protocolos y selección de sitios
• Codificación y categorización de eventos adversos
• Optimización de cadena de suministro
• Asistencia en redacción regulatoria

Aplicaciones de menor impacto (documentación básica):

• Revisiones de literatura y extracción de datos
• Gestión de proyectos y optimización de cronogramas
• Automatización de procesos administrativos

Expectativas de documentación que importan

La FDA detalla requisitos específicos de documentación que van más allá de las listas de verificación típicas de gobernanza de IA:

Paquete de transparencia del algoritmo:

• Fuentes de datos de entrenamiento, incluyendo cualquier conjunto de datos propietario
• Decisiones de arquitectura del modelo y justificación de selección de hiperparámetros
• Metodología de validación con datos de rendimiento prospectivo
• Evaluación de sesgo a través de subgrupos demográficos relevantes Documentación del contexto regulatorio:
• Mapeo claro entre salidas de IA y endpoints regulatorios
• Procedimientos de supervisión humana y protocolos de intervención
• Procesos de control de cambios para actualizaciones del modelo
• Integración con sistemas de gestión de calidad existentes

Compromisos de monitoreo continuo:

• Planes de vigilancia post-comercialización para el rendimiento de IA
• Detección de deriva y procedimientos de reentrenamiento del modelo
• Reporte de eventos adversos para problemas relacionados con IA

Lo que la guía no resuelve

Aunque es integral, esta guía deja varias preguntas para clarificación futura:

• Armonización internacional: No hay una vía clara para aprovechar el trabajo de IA a través de agencias regulatorias globales
• Evidencia del mundo real: Orientación limitada sobre el uso de IA con fuentes de datos post-comercialización
• Productos combinados: No está claro cómo aplican los requisitos a combinaciones medicamento-dispositivo con IA integrada
• Terapia innovadora: No hay vías expeditas para programas de desarrollo de medicamentos habilitados por IA

Estas brechas sugieren que los patrocinadores deberían interactuar tempranamente con la FDA a través de reuniones pre-presentación, especialmente para aplicaciones de IA novedosas.

Preparándose para la revisión de la FDA

• Antes de presentar: 1. Mapee sus casos de uso de IA a las categorías de riesgo de la FDA 2. Establezca procedimientos de control de cambios que satisfagan 21 CFR Part 11 3. Documente su metodología de evaluación de sesgo 4. Prepare explicaciones claras para revisores no técnicos Señales de alerta que retrasan la revisión:
• Modelos de caja negra para decisiones de alto impacto sin justificación adecuada
• Datos de entrenamiento que no pueden ponerse a disposición de la FDA bajo solicitud
• Validación inadecuada en poblaciones relevantes para su indicación prevista
• Documentación faltante de procedimientos de supervisión humana