La FDA de EE.UU. Acelerará Ensayos de Medicamentos con IA y Datos en Tiempo Real

FDA está lanzando una transición a ensayos clínicos en tiempo real: el regulador quiere ver las señales clave de seguridad y eficacia durante el propio estudio, no después de su conclusión. Si el esquema funciona, el desarrollo de nuevos medicamentos podría acortarse en meses y, en algunos casos, años.

Cómo cambia el proceso

Actualmente, los datos de los ensayos clínicos generalmente pasan por una larga cadena: desde los sitios de investigación al patrocinador, luego al análisis y solo después a la FDA. En las fases iniciales esto es particularmente doloroso: el número de pacientes es bajo, la incertidumbre es alta y las decisiones sobre dosificación, seguridad y continuación del programa a menudo se toman con retrasos significativos.

El nuevo enfoque debería reducir precisamente este retraso. El regulador quiere recibir no todo el conjunto de datos sin procesar del paciente, sino señales clave sobre eficacia y seguridad casi inmediatamente, mientras el estudio aún está en curso. Para lograr esto, el 28 de abril de 2026, la FDA anunció dos pasos inmediatos. Primero — lanzar ensayos de prueba de concepto en los que las señales se transmitirán al regulador en tiempo real. Segundo — emitir una solicitud de propuestas para un piloto más amplio para estudios en fase inicial.

En un documento publicado el 29 de abril, la agencia enfatiza por separado que el piloto se construirá sobre los principios NIST para sistemas de IA confiables: validez, seguridad, protección, responsabilidad, explicabilidad, protección de la privacidad y equidad. Los comentarios sobre el programa se aceptan hasta el 29 de mayo de 2026.

Por dónde empezar

En la primera fase, FDA está trabajando con dos estudios de oncología. AstraZeneca ya está realizando un estudio multicéntrico TRAVERSE de Fase 2 para pacientes con linfoma de células del manto previamente no tratado en colaboración con MD Anderson y la Universidad de Pensilvania. Amgen está lanzando un estudio STREAM-SCLC de Fase 1b para pacientes con cáncer de pulmón de células pequeñas en estadio limitado.

Para el proyecto de AstraZeneca, la agencia ya ha confirmado la viabilidad técnica de recibir y validar señales en tiempo real a través de la plataforma Paradigm Health — esto se convirtió en la prueba principal de que el esquema es realmente aplicable fuera de las presentaciones.

• Reclutamiento de pacientes para el estudio
• Selección y escalada de dosis
• Monitoreo de señales de seguridad
• Diseño de protocolo adaptativo
• Decisiones go/no-go más tempranas

El siguiente paso es un piloto de verano con un círculo más amplio de patrocinadores. FDA quiere entender dónde la IA proporciona beneficios reales: en estudios first-in-human, en oncología, en enfermedades raras, o en tareas como reclutamiento y selección de biomarcadores. La agencia también está recopilando comentarios sobre cómo comparar el enfoque basado en IA con el proceso tradicional, qué métricas deben considerarse exitosas y qué infraestructura debe construirse para el intercambio seguro de datos entre empresas, centros de investigación y el regulador.

Dónde está el beneficio y el riesgo

La ganancia potencial aquí no es solo que los medicamentos avancen a la siguiente fase más rápidamente. Si el regulador ve señales críticas inmediatamente, la dosificación puede ajustarse más temprano, la seguridad puede evaluarse con mayor precisión y las decisiones sobre continuar o detener un programa pueden tomarse más rápidamente. Según el liderazgo de la FDA, el nuevo modelo debería desafiar la vieja suposición de que llevar un medicamento al mercado inevitablemente se extiende a 10-12 años.

Para las empresas, también es una oportunidad de eliminar parte del 'tiempo muerto' administrativo que no crea valor científico pero retrasa el desarrollo.

«Durante sesenta años hemos estado realizando ensayos clínicos casi de

la misma manera, y las señales importantes podrían tardar años en llegar a la FDA.»

Pero junto con la velocidad vienen demandas más altas sobre la calidad del sistema. El regulador pregunta directamente al mercado cómo medir la precisión del modelo, rastrear la deriva, verificar la robustez de los resultados en diferentes sitios y mantener el control sobre la privacidad e integridad de los datos. Un problema separado es la explicabilidad: si la IA recomienda acelerar la transición entre fases o ayuda a filtrar pacientes, los participantes del proceso deben entender por qué el sistema llegó a esa conclusión.

Por ahora, la discusión no es sobre la aprobación automática de medicamentos, sino sobre análisis más tempranos, más intensivos y mejor medidos.

Qué significa esto

Si el piloto confirma las expectativas, FDA comenzará a cambiar su propio papel: de un regulador que ve el estudio después de que ocurra, se transformará en un participante en monitoreo más continuo. Para la industria farmacéutica, es una oportunidad de cortar meses del ciclo burocrático sin flexibilizar formalmente los requisitos. Para los pacientes — la oportunidad de acceder a terapias prometedoras más rápidamente, especialmente en oncología y enfermedades raras. Pero la prueba principal está por venir: ¿acelerará realmente la IA la ciencia clínica sin convertir la calidad de los datos y la seguridad en daño colateral?