Principios FDA-EMA de buenas prácticas de IA: qué significan para tu equipo médico

El 14 de enero de 2026, la Administración de Alimentos y Medicamentos de Estados Unidos (FDA) y la Agencia Europea de Medicamentos (EMA) publicaron conjuntamente los "Guiding Principles of Good AI Practice in Drug Development", diez principios de alto nivel orientados a guiar el uso seguro y responsable de la inteligencia artificial a lo largo de todo el ciclo de vida del medicamento ^[1]. Es el primer documento conjunto de este tipo entre ambas agencias, y aunque no constituye una guía regulatoria formal, señala hacia dónde se dirige la regulación de IA en desarrollo farmacéutico en ambos lados del Atlántico.

El documento original de la FDA define el alcance con precisión: los principios aplican a tecnologías de IA a nivel de sistema usadas para generar o analizar evidencia a lo largo del ciclo de vida del producto farmacéutico, incluidas las fases no clínica, clínica, de post-comercialización y de manufactura ^[1]. El punto de partida conceptual es claro: los medicamentos se autorizan con base en calidad, eficacia y seguridad demostradas, y el uso de nuevas tecnologías como la IA debe reforzar esos requisitos, no comprometerlos ^[1].

Un análisis legal sobre la publicación conjunta resume los conceptos centrales alrededor de los cuales se organizan los diez principios: alineación con valores éticos y centrados en el ser humano, adherencia a los estándares vigentes de desarrollo de medicamentos, un enfoque basado en riesgo, un contexto de uso claramente definido, gobernanza robusta de datos, experiencia multidisciplinaria, gestión durante todo el ciclo de vida del sistema de IA y comunicación clara y accesible sobre su funcionamiento ^[2].

Para un equipo médico o de asuntos regulatorios que ya usa —o está evaluando usar— IA en tareas como mapeo de evidencia, generación de contenido educativo o análisis de datos médicos, estos principios ofrecen un lenguaje común útil incluso antes de que se conviertan en exigencia regulatoria formal: documentar el contexto de uso de cada herramienta de IA, mantener supervisión humana multidisciplinaria y ser capaz de explicar, en términos claros, qué hace el sistema y con qué limitaciones. Adoptar ese estándar de forma anticipada reduce la brecha de cumplimiento cuando la guía formal llegue.