FDA dos EUA vai Acelerar Ensaios de Medicamentos com IA e Dados em Tempo Real

FDA está lançando uma transição para ensaios clínicos em tempo real: o regulador quer ver sinais-chave de segurança e eficácia durante o estudo em si, não após sua conclusão. Se o esquema funcionar, o desenvolvimento de novos medicamentos pode ser encurtado em meses e, em alguns casos, em anos.

Como o processo está mudando

Atualmente, os dados dos ensaios clínicos geralmente percorrem uma longa cadeia: dos centros de pesquisa para o patrocinador, depois para análise e somente depois para a FDA. Nos estágios iniciais isso é particularmente doloroso: o número de pacientes é baixo, a incerteza é alta e as decisões sobre dosagem, segurança e continuação do programa frequentemente são tomadas com atrasos significativos.

A nova abordagem deve reduzir precisamente esse atraso. O regulador quer receber não toda a gama de dados brutos do paciente, mas sinais-chave sobre eficácia e segurança quase imediatamente, enquanto o estudo ainda está em andamento. Para alcançar isso, em 28 de abril de 2026, a FDA anunciou dois passos imediatos. Primeiro — lançar ensaios de prova de conceito em que os sinais serão transmitidos ao regulador em tempo real. Segundo — emitir um pedido de propostas para um piloto mais abrangente para estudos de fase inicial.

Em um documento publicado em 29 de abril, a agência enfatiza separadamente que o piloto será construído com base nos princípios NIST para sistemas de IA confiáveis: validade, segurança, proteção, prestação de contas, explicabilidade, proteção da privacidade e equidade. Comentários sobre o programa são aceitos até 29 de maio de 2026.

Por onde começar

Na primeira fase, a FDA está trabalhando com dois estudos de oncologia. A AstraZeneca já está conduzindo um estudo TRAVERSE de Fase 2 multicêntrico para pacientes com linfoma de células do manto previamente não tratado em colaboração com MD Anderson e a Universidade da Pensilvânia. A Amgen está lançando um estudo STREAM-SCLC de Fase 1b para pacientes com câncer de pulmão de pequenas células em estágio limitado.

Para o projeto da AstraZeneca, a agência já confirmou a viabilidade técnica de receber e validar sinais em tempo real através da plataforma Paradigm Health — isso se tornou a principal prova de que o esquema é realmente aplicável fora das apresentações.

• Recrutamento de pacientes para o estudo
• Seleção e escalação de doses
• Monitoramento de sinais de segurança
• Design de protocolo adaptativo
• Decisões go/no-go mais antecipadas

O próximo passo é um piloto de verão com um círculo mais amplo de patrocinadores. A FDA quer entender onde a IA realmente fornece benefícios: em estudos first-in-human, em oncologia, em doenças raras, ou em tarefas como recrutamento e seleção de biomarcadores. A agência também está coletando informações sobre como comparar a abordagem baseada em IA com o processo tradicional, quais métricas devem ser consideradas sucesso e que infraestrutura precisa ser construída para compartilhamento seguro de dados entre empresas, centros de pesquisa e o regulador.

Onde está o benefício e o risco

O ganho potencial aqui não é apenas que os medicamentos avançam para a próxima fase mais rapidamente. Se o regulador vir sinais críticos imediatamente, a dosagem pode ser ajustada mais cedo, a segurança pode ser avaliada com mais precisão e as decisões sobre continuar ou parar um programa podem ser tomadas mais rapidamente. De acordo com a liderança da FDA, o novo modelo deve desafiar a velha suposição de que trazer um medicamento ao mercado inevitavelmente leva 10-12 anos.

Para as empresas, também é uma chance de eliminar parte do 'tempo morto' administrativo que não cria valor científico, mas atrasa o desenvolvimento.

«Por sessenta anos fomos conduzindo ensaios clínicos quase do mesmo

jeito, e sinais importantes poderiam levar anos para chegar à FDA.»

Mas junto com a velocidade vêm demandas mais altas sobre a qualidade do sistema. O regulador pergunta diretamente ao mercado como medir a precisão do modelo, rastrear desvio, verificar a robustez dos resultados em diferentes locais e manter o controle sobre a privacidade e integridade dos dados. Uma questão separada é a explicabilidade: se a IA recomenda acelerar a transição entre fases ou ajuda a filtrar pacientes, os participantes do processo devem entender por que o sistema chegou a essa conclusão.

Por enquanto, a discussão não é sobre aprovação automática de medicamentos, mas sobre análises mais antecipadas, mais intensivas e melhor medidas.

O que isso significa

Se o piloto confirmar as expectativas, a FDA começará a mudar seu próprio papel: de um regulador que vê o estudo depois do fato, se transformará em um participante no monitoramento mais contínuo. Para a indústria farmacêutica, é uma chance de cortar meses do ciclo burocrático sem flexibilizar formalmente os requisitos. Para os pacientes — a oportunidade de acessar terapias promissoras mais rapidamente, especialmente em oncologia e doenças raras. Mas o teste principal está por vir: a IA realmente acelerará a ciência clínica sem transformar a qualidade dos dados e a segurança em danos colaterais.