Plan de acción de la FDA para los programas médicos basados en IA/ML

Resumen

El Plan de Acción 2021 de la FDA representa un cambio importante en cómo se regularán los dispositivos médicos habilitados con IA en Estados Unidos. Esta hoja de ruta integral aborda el desafío único de regular software que aprende y evoluciona después de su implementación, una desviación fundamental de la supervisión tradicional de dispositivos médicos. El plan introduce conceptos innovadores como los "planes de control de cambios predeterminados" que permiten a los sistemas de IA actualizarse dentro de parámetros preaprobados, y establece las "Buenas Prácticas de Aprendizaje Automático" como el fundamento para el desarrollo confiable de IA en el sector salud.

La revolución regulatoria detrás de este plan

La regulación tradicional de dispositivos médicos asume productos estáticos: una vez aprobado, un dispositivo permanece sin cambios. Pero los sistemas de IA/ML aprenden y se adaptan continuamente, creando una paradoja regulatoria. ¿Cómo se aprueba algo que inherentemente cambiará después de la aprobación? Este plan de acción surgió de años en que la FDA luchó con esta pregunta fundamental, informado por presentaciones reales de dispositivos de IA y una amplia participación de las partes interesadas.

El plan se basa en el documento de discusión de 2019 de la FDA e incorpora lecciones aprendidas de las primeras aprobaciones de dispositivos de IA como IDx-DR para detección de retinopatía diabética y Viz.ai para detección de accidentes cerebrovasculares. Representa los pasos más concretos de la FDA hacia la creación de un marco regulatorio que pueda mantener el ritmo de la tecnología de IA en rápida evolución.

Pilares fundamentales del enfoque de la FDA

Planes de Control de Cambios Predeterminados (PCCPs)

• Buenas Prácticas de Aprendizaje Automático (GMLP) Enfoque Centrado en el Paciente
• Investigación en Ciencias Regulatorias

A quién está dirigido este recurso

• Fabricantes de dispositivos médicos que desarrollan productos habilitados con IA/ML y necesitan entender las expectativas regulatorias de la FDA y los requisitos de las vías de aprobación
• Startups de IA en salud que planifican su estrategia regulatoria y enfoque de desarrollo de productos desde cero
• Profesionales de aseguramiento de calidad y asuntos regulatorios en empresas de tecnología médica que necesitan implementar GMLP y preparar presentaciones de PCCP
• Investigadores de IA en salud que hacen la transición de entornos académicos o de investigación al desarrollo de productos comerciales
• Equipos clínicos que evalúan herramientas de IA y quieren entender qué significa la supervisión de la FDA para los productos que están considerando
• Líderes de TI en salud responsables de la adquisición e implementación de IA en entornos clínicos
• Profesionales legales y de cumplimiento que asesoran a empresas de IA en salud sobre requisitos regulatorios

Qué hace diferente a esta guía de otras sobre IA

A diferencia de los marcos amplios de ética en IA o los estándares de IA de propósito general, este plan de acción aborda los desafíos técnicos y de seguridad específicos de la IA en aplicaciones médicas críticas para la vida. Es orientación regulatoria legalmente vinculante, no mejores prácticas voluntarias.

El plan aborda de manera única el problema del "aprendizaje continuo": cómo mantener la supervisión de seguridad y eficacia para sistemas que cambian con el tiempo. La mayoría de los otros marcos de gobernanza de IA se enfocan en modelos estáticos, pero la IA médica a menudo necesita adaptarse a nuevas poblaciones de pacientes, prácticas clínicas en evolución y conocimiento médico emergente.

El enfoque de la FDA también enfatiza la vigilancia post-comercialización y la recopilación de evidencia del mundo real de maneras que los marcos generales de IA no lo hacen, reconociendo que el rendimiento de la IA médica en estudios controlados puede no reflejar el rendimiento clínico real.

Hoja de ruta e cronograma de implementación

El plan de acción describe entregables específicos con plazos objetivo:

• 2021-2022: Publicar borrador de guía GMLP e iniciar programas piloto de PCCP
• 2022-2023: Finalizar el marco GMLP y emitir las primeras aprobaciones de PCCP
• En curso: Desarrollar herramientas de ciencias regulatorias para evaluación de IA y evaluación de sesgos

La FDA ha estado cumpliendo constantemente con estos compromisos, con la guía GMLP publicada en 2021 y múltiples dispositivos habilitados con PCCP aprobados desde 2022.

Desafíos comunes de implementación

• Calidad y representatividad de los datos: Muchos desarrolladores de IA subestiman las expectativas de la FDA respecto a datos de entrenamiento diversos y bien caracterizados que reflejen poblaciones de pacientes del mundo real.
• Documentación de control de cambios: Crear PCCPs que sean lo suficientemente específicos para la revisión de la FDA pero lo suficientemente flexibles para permitir actualizaciones significativas de algoritmos requiere un equilibrio cuidadoso y documentación extensa.
• Requisitos de validación clínica: La FDA espera evidencia clínica del rendimiento de la IA, no solo validación técnica, un estándar más alto de lo que muchos desarrolladores anticipan.
• Capacidades de monitoreo post-comercialización: Las empresas necesitan infraestructura sólida para monitorear el rendimiento de la IA en el mundo real y detectar problemas potenciales o sesgos a lo largo del tiempo.