Los dispositivos médicos basados en IA generativa están entrando en una nueva fase normativa. En su documento de debate de 2026, la FDA analiza cómo podría ser necesario evaluar el riesgo, la evidencia, la vigilancia poscomercialización y las dependencias de modelos de terceros a lo largo de todo el ciclo de vida del dispositivo.
¿Qué pasa cuando un dispositivo médico acepta entradas abiertas, genera salidas variables, evoluciona a medida que cambian las indicaciones o las estrategias de búsqueda, y depende de un modelo base que el fabricante no controla del todo?
En agosto de 2026, el Centro de Dispositivos y Salud Radiológica de la FDA publicó un documento de debate que aborda estas cuestiones. Partiendo del marco regulador más amplio de la FDA para los dispositivos médicos basados en IA, el documento analiza posibles enfoques para la evaluación de riesgos, la evaluación previa a la comercialización, el seguimiento posterior a la comercialización y el uso de modelos base de terceros en dispositivos médicos generativos basados en IA.
Aunque el documento no establece nuevos requisitos normativos, ofrece una perspectiva importante sobre las cuestiones que podrían marcar la política futura de la FDA.
Para los fabricantes, el mensaje principal es importante: demostrar el rendimiento en un momento concreto puede que no sea suficiente para un dispositivo cuyo comportamiento, dependencias tecnológicas y parámetros del mundo real pueden seguir cambiando.
Cómo está abordando la FDA los dispositivos médicos basados en IA generativa
Antes de analizar su contenido técnico, es importante entender el estatus normativo del documento.
El documento tiene como objetivo fomentar el debate y recabar opiniones de las partes interesadas. No constituye un borrador ni una guía definitiva, no introduce cambios en la normativa y no establece las expectativas de la FDA respecto a las pruebas que deberán presentarse en futuras solicitudes de comercialización.
Por lo tanto, los conceptos que se presentan no deben interpretarse como requisitos que los fabricantes ya tengan que cumplir.
No obstante, el documento es estratégicamente relevante porque identifica las cuestiones que la FDA considera importantes para la futura supervisión de los dispositivos médicos basados en IA generativa.
La FDA está recabando comentarios bajo el expediente FDA-2026-N-7874 hasta el 19 de octubre de 2026.
Por qué los dispositivos médicos basados en IA generativa plantean retos normativos diferentes
El software tradicional de los dispositivos médicos suele evaluarse en función de entradas definidas, resultados esperados y criterios de rendimiento predeterminados. La IA predictiva puede añadir complejidad, pero sus resultados suelen limitarse a una tarea específica, como la clasificación, la detección o la predicción de riesgos.
La IA generativa puede comportarse de forma diferente.
Según el documento de debate de la FDA, estos sistemas pueden aceptar entradas abiertas, realizar múltiples subtareas y generar resultados diferentes en respuesta a entradas similares. Además, su comportamiento puede cambiar cuando se modifica el modelo subyacente, las indicaciones, las estrategias de recuperación, las medidas de seguridad, la lógica de coordinación o la interfaz de usuario.
Muchos dispositivos con GenAI también pueden basarse en modelos base de uso general desarrollados por terceros. Como resultado, es posible que el fabricante del dispositivo médico tenga una visibilidad limitada de los datos de entrenamiento del modelo, su arquitectura, los métodos de evaluación y las futuras actualizaciones.
Estas características plantean varios riesgos potenciales, entre ellos:
- resultados que parecen creíbles pero que contienen información inexacta o inventada;
- incertidumbre sobre los límites del uso previsto del dispositivo;
- dificultad para atribuir un error al dispositivo o a su modelo subyacente;
- una disminución del rendimiento en distintas poblaciones o entornos de implementación;
- cambios de comportamiento no previstos tras una actualización de un modelo de terceros.
Es importante destacar que la FDA no regula la IA generativa como una tecnología aislada. Regula los productos sanitarios, incluidas las funciones de software de los dispositivos que se basan en la IA generativa, según su uso previsto y su nivel de riesgo.
Cuatro áreas normativas que los fabricantes deben conocer
El documento de debate se puede estructurar en torno a cuatro áreas relacionadas entre sí.
| Ámbito normativo | Pregunta clave | Posibles implicaciones para los fabricantes |
|---|---|---|
| 1. Evaluación de riesgos | ¿Qué hace la función, con qué grado de independencia actúa y qué podría pasar si el resultado fuera incorrecto? | Puede que el análisis de riesgos tenga que examinar no solo la función prevista, sino también el contexto, el usuario y las posibles consecuencias de confiar en un resultado incorrecto. |
| 2. Evaluación previa a la comercialización | ¿Cómo se puede demostrar el rendimiento cuando es difícil probar de forma exhaustiva toda la variedad de entradas y salidas posibles? | Puede que las estrategias de evidencia tengan que combinar una evaluación comparativa estructurada con una confirmación clínicamente representativa. |
| 3. Seguimiento posterior a la comercialización | ¿Cómo se puede seguir controlando la seguridad y el rendimiento a medida que el dispositivo y su entorno evolucionan? | Es posible que los fabricantes necesiten métodos de seguimiento bien definidos, umbrales de rendimiento y criterios que activen una nueva evaluación. |
| 4. Dependencias de terceros | ¿Cómo se pueden detectar y controlar los cambios en un modelo base externo? | Los contratos, la supervisión técnica, el control de cambios y el acceso a la información del modelo pueden formar parte de la estrategia regulatoria. |
En conjunto, estos aspectos sugieren que la evaluación regulatoria de los dispositivos médicos que utilizan IA generativa podría depender cada vez más de la evidencia generada a lo largo de todo el ciclo de vida del producto.
Una nueva forma de abordar el riesgo en los dispositivos médicos con IA generativa según la FDA
Uno de los conceptos más relevantes del artículo es un posible marco de dos ejes para evaluar el riesgo.
El primer eje tiene en cuenta la actividad que realiza el dispositivo, incluyendo hasta qué punto la función actúa de forma independiente o toma decisiones por sí misma. El segundo eje considera las consecuencias de confiar en un resultado incorrecto.
Según este enfoque, el riesgo aumenta a medida que el dispositivo se vuelve más directivo o autónomo y a medida que el daño potencial asociado a un resultado incorrecto se vuelve más grave.
| Consecuencias de basarse en un resultado incorrecto | Menor grado de acción del dispositivo | Mayor independencia o actividad del dispositivo |
|---|---|---|
| Mayor gravedad | Incluso una salida informativa puede suponer un riesgo importante cuando los usuarios no pueden evaluar por sí mismos su exactitud | La preocupación puede ser mayor cuando el sistema diagnostica, prescribe, inicia órdenes o controla otra acción clínica |
| Menor gravedad | La información no directiva con un daño potencial limitado puede suponer una preocupación relativamente menor | La autonomía sigue siendo importante, aunque las consecuencias de una acción incorrecta siguen determinando el riesgo general |
Esta tabla es una representación editorial simplificada elaborada por Sobel basándose en el concepto de la FDA. No es una herramienta de clasificación de la FDA.
El grado de directividad puede variar en un continuo
No hace falta que una función dé una orden explícita para influir en una decisión clínica.
Por ejemplo, hay una diferencia significativa entre dar información general, relacionar esa información con un paciente concreto, recomendar una acción y dar una instrucción directa. Sin embargo, los límites entre estos comportamientos no siempre están claros.
Por eso, la FDA se pregunta si la redacción, la especificidad, la personalización y el contexto deberían modificar el riesgo asociado a una función informativa.
Añadir una frase como «habla con tu médico» no tiene por qué hacer que un mensaje, que de otro modo sería directivo, tenga menos influencia.
El destinatario puede influir en el riesgo
El mismo resultado también puede tener implicaciones diferentes dependiendo de quién lo reciba.
Un profesional sanitario puede estar en mejores condiciones para reconocer las limitaciones, comparar un resultado con otra información clínica y evitar basarse en una recomendación incorrecta. Por el contrario, un paciente puede tener menos capacidad para evaluar de forma independiente en qué se basa el resultado.
Aun así, la FDA reconoce los posibles beneficios de ampliar el acceso a la información clínica y la participación de los pacientes. Por eso, el debate no se limita simplemente a restringir las funciones dirigidas a los pacientes. Se trata de identificar en qué casos pueden ser necesarias medidas de seguridad adicionales.
Una cuestión similar se plantea en el caso de los profesionales sanitarios generalistas y especialistas. Un dispositivo que ofrezca información de nivel especializado puede mejorar el acceso al conocimiento, pero también puede suponer un riesgo si para interpretarla de forma segura se necesitan conocimientos que el usuario al que va dirigido no tiene.
El riesgo puede cambiar durante una conversación
Los dispositivos conversacionales plantean otro reto.
Un sistema puede empezar dando información no directiva y, poco a poco, ir orientando hacia una recomendación concreta durante una interacción de varios turnos. Por eso, evaluar solo los resultados aislados puede no reflejar el comportamiento completo del dispositivo.
En la práctica, puede que los fabricantes tengan que evaluar trayectorias de conversación realistas, incluyendo situaciones en las que el usuario minimice los síntomas, pida información fuera del ámbito previsto o intente influir en la respuesta del sistema.
La FDA también destaca tanto la «escalada insuficiente» como la «escalada excesiva». No recomendar la atención necesaria puede retrasar el tratamiento. Por el contrario, derivar repetidamente a los usuarios a servicios de urgencias innecesarios puede generar ansiedad, procedimientos innecesarios y una carga adicional para los sistemas sanitarios.
¿Podría la evaluación basada en competencias complementar las pruebas tradicionales?
La FDA reconoce que probar todas las entradas y salidas posibles puede resultar poco práctico para ciertos dispositivos médicos generativos basados en IA.
Por eso, el documento de debate presenta un posible enfoque basado en las competencias que consta de dos componentes:
- evaluación comparativa de dispositivos no clínicos;
- confirmación clínica.
Este enfoque evaluaría el dispositivo final que ve el usuario en su configuración prevista, en lugar de evaluar el modelo base como un componente aislado.
Esta distinción es importante. El comportamiento del dispositivo puede verse afectado por el modelo, las indicaciones, la arquitectura de recuperación, los mecanismos de seguridad, la interfaz de usuario y el entorno de implementación. Por eso, un buen rendimiento del modelo subyacente no garantiza automáticamente la seguridad ni la eficacia del dispositivo médico en su conjunto.
Evaluación comparativa de dispositivos
La FDA describe la evaluación comparativa como una forma estructurada de valorar si el dispositivo demuestra las capacidades necesarias para el uso previsto.
Algunas áreas potenciales son:
- reconocimiento y escalado de situaciones críticas para la seguridad;
- mantenimiento de los límites de uso previsto;
- comunicación de la incertidumbre;
- conocimientos clínicos y fidelidad en la ejecución de las tareas;
- recopilación de información y análisis clínico;
- análisis cuantitativo y de mediciones;
- calidad de la comunicación y comprensión del usuario;
- robustez, fiabilidad y reproducibilidad;
- rendimiento en los subgrupos relevantes;
- capacidades específicas de los sistemas de IA con capacidad de acción.
Sin embargo, un marco de referencia necesitaría algo más que un conjunto de preguntas de examen.
Es posible que el promotor tenga que definir el alcance de las pruebas en función del uso previsto y el perfil de riesgo, especificar de antemano los métodos de evaluación, justificar los criterios de puntuación y establecer los umbrales de aceptación antes de que empiecen las pruebas.
Además, los conjuntos de datos y las condiciones de prueba deberían representar a las poblaciones clínicas y los contextos de uso en los que se espera que funcione el dispositivo.
Las pruebas comparativas públicas también pueden presentar limitaciones. La contaminación de los datos, la optimización repetida en las mismas pruebas y la representación limitada de las condiciones del mundo real pueden hacer que unos resultados sólidos en las pruebas comparativas sean menos predictivos del rendimiento clínico real.
Confirmación clínica
Incluso una prueba comparativa exhaustiva puede no mostrar cómo interactuará el dispositivo con usuarios reales, flujos de trabajo y poblaciones de pacientes.
Por eso, la FDA está valorando si la confirmación clínica debería complementar las pruebas comparativas no clínicas.
El artículo analiza varios enfoques posibles, entre ellos:
- evaluación retrospectiva a partir de datos de pacientes recopilados previamente;
- una implementación «en la sombra», en la que el dispositivo funciona en un flujo de trabajo real, pero sus resultados no afectan a la atención al paciente;
- interacciones estandarizadas con participantes formados o representativos;
- otros enfoques clínicamente adecuados con un rigor proporcional al uso previsto y al riesgo del dispositivo.
Es importante destacar que la FDA no afirma que todos los dispositivos con IA generativa requieran un estudio clínico prospectivo. En cambio, el debate se centra en elegir y justificar un enfoque que sea adecuado para la función, el contexto clínico, la población de pacientes y el riesgo potencial.
Por lo tanto, los fabricantes deberían evitar dar por sentado que un mismo conjunto de pruebas sirva para todos los dispositivos con IA generativa.
Por qué la evidencia poscomercialización puede cobrar mayor importancia
Los resultados abiertos, la evolución de los modelos y los cambios en el uso en el mundo real pueden hacer que sea difícil que las pruebas previas a la comercialización capten todos los aspectos relevantes del rendimiento.
Por eso, la FDA está valorando si, en determinadas situaciones, se podría aceptar un mayor grado de incertidumbre antes de la comercialización, siempre que vaya acompañado de un seguimiento posterior a la comercialización lo suficientemente sólido.
No se trata de una política establecida. No obstante, apunta a una conexión más estrecha entre las pruebas previas a la comercialización y la vigilancia posterior a la comercialización.
El artículo identifica tres posibles enfoques de seguimiento.
Reevaluación periódica
El fabricante podría reevaluar el dispositivo comparándolo con los umbrales de rendimiento establecidos previamente a intervalos definidos o tras eventos desencadenantes específicos.
Por ejemplo, la reevaluación podría activarse por un cambio en el modelo subyacente, la arquitectura de implementación u otro componente relevante para la seguridad.
Revisión clínica basada en muestras
Unos profesionales sanitarios cualificados e independientes podrían revisar muestras de datos de entrada y salida del mundo real comparándolas con criterios definidos de antemano.
La estrategia de muestreo tendría que representar los cuadros clínicos, las poblaciones y los patrones de interacción relevantes desde el punto de vista clínico que se dan durante el uso real.
Seguimiento de la degradación del rendimiento
Los fabricantes podrían vigilar las desviaciones causadas por cambios en la población de usuarios, el entorno de datos, los componentes del modelo o las condiciones de implementación.
Sin embargo, el seguimiento solo tendría sentido si el fabricante ya hubiera definido los análisis aplicables, los umbrales de rendimiento y los criterios de escalado.
Por lo tanto, el seguimiento posterior a la comercialización no debería considerarse una actividad independiente diseñada únicamente tras la autorización. Es posible que la evaluación previa a la comercialización tenga que establecer la línea de referencia con respecto a la cual se evalúen los cambios futuros y el rendimiento en el mundo real.
Los modelos base de terceros plantean un nuevo reto en el control de cambios
Un dispositivo médico basado en IA generativa puede depender de un modelo base proporcionado y actualizado por otra organización.
Ese modelo puede influir en el comportamiento de rechazo, las políticas de contenido, el formato de los resultados, el control de versiones y las medidas de seguridad críticas. No obstante, es posible que el fabricante del dispositivo médico no controle cuándo ni cómo se modifica el modelo base.
Esto plantea una cuestión normativa importante: ¿cómo puede el fabricante detectar, evaluar y responder a un cambio iniciado externamente antes de que afecte a la seguridad o la eficacia del dispositivo?
La FDA está recabando opiniones sobre mecanismos que podrían incluir:
- obligaciones contractuales de notificación de actualizaciones;
- métodos técnicos para detectar cambios en los modelos;
- acceso a la documentación relevante sobre los modelos y a la información de auditoría;
- factores que desencadenan la reevaluación y la nueva comparación;
- procedimientos de control de cambios dentro del sistema de gestión de la calidad;
- posible uso de un plan de control de cambios predeterminado.
El documento también aborda la posible creación de archivos maestros de dispositivos basados en modelos base de carácter voluntario.
Según este concepto, los desarrolladores de modelos base podrían enviar información confidencial a la FDA, como la arquitectura del modelo, la procedencia de los datos de entrenamiento, las limitaciones conocidas, los resultados de las evaluaciones, las restricciones de seguridad y los compromisos de actualización. Los patrocinadores de los productos sanitarios podrían entonces hacer referencia al archivo, con la autorización de su titular, en una solicitud previa a la comercialización.
Sin embargo, un expediente maestro de dispositivo basado en un modelo base no supondría una autorización del modelo subyacente para su uso en un dispositivo médico.
El patrocinador seguiría siendo responsable de demostrar la seguridad y la eficacia del dispositivo final.
Lo que los fabricantes deberían empezar a evaluar ya
Aunque el documento de la FDA no establece nuevos requisitos, las empresas que desarrollan dispositivos médicos basados en IA generativa ya pueden analizar si sus estrategias normativas y de evidencia abordan las cuestiones planteadas.
Una revisión práctica debería incluir:
- Define claramente el uso previsto, los usuarios a los que va dirigido, el entorno clínico y los límites de funcionamiento del dispositivo.
- Clasifica cada función según su grado de control, autonomía y las posibles consecuencias si el resultado es incorrecto.
- Identifica todos los componentes que puedan afectar al comportamiento final del dispositivo, incluyendo indicaciones, sistemas de recuperación, medidas de seguridad, interfaces y modelos externos.
- Establece criterios de rendimiento predefinidos y determina si los parámetros de referencia propuestos representan a la población destinataria y al entorno de implementación.
- Evalúa qué tipo de confirmación clínica sería adecuada para el uso previsto y el riesgo.
- Define los indicadores posteriores a la comercialización, los factores desencadenantes de la reevaluación y los procedimientos para investigar la degradación del rendimiento.
- Determina cómo se detectarán, comunicarán, evaluarán y documentarán los cambios en los modelos de terceros.
- Integra estos controles en el sistema de gestión de la calidad y en la estrategia general de gestión del cambio.
Abordar estos puntos desde el principio puede ayudar a los fabricantes a detectar las lagunas en la documentación antes de que se conviertan en problemas a la hora de presentar la solicitud o tras la comercialización.
Opinión regulatoria de Sobel
Lo más importante del documento de debate de la FDA no es una prueba concreta ni una vía regulatoria específica.
Es la posibilidad de que las pruebas de los dispositivos médicos basados en IA generativa tengan que funcionar como un sistema conectado durante todo el ciclo de vida del producto.
La evaluación de riesgos influiría en la comparativa. La comparativa establecería una referencia previa a la comercialización. La confirmación clínica examinaría si el dispositivo funciona en condiciones representativas. A continuación, el seguimiento posterior a la comercialización evaluaría si ese rendimiento sigue estando controlado a medida que evolucionan el producto, sus usuarios y sus dependencias tecnológicas.
En otras palabras, la solicitud podría convertirse en un punto más dentro de una estrategia de evidencia continua, en lugar de ser el destino final del desarrollo del producto.
Para los fabricantes, esto refuerza la importancia de involucrar a los equipos regulatorios, clínicos, de calidad, de software y de gestión de riesgos antes de que se elabore el expediente de evidencia.
¿Qué viene ahora?
La FDA sigue recabando opiniones de las partes interesadas, y los conceptos analizados podrían cambiar antes de que aparezcan en futuras políticas o directrices.
Aun así, el documento ofrece un marco valioso para las empresas que desarrollan o integran la IA generativa en las funciones de los dispositivos médicos.
Las organizaciones que traten la IA generativa como una simple actualización de software convencional pueden subestimar las implicaciones para el uso previsto, la generación de evidencia, la vigilancia poscomercialización y el control de cambios por parte de terceros.
Por el contrario, las empresas que empiecen a conectar estos elementos desde el principio estarán mejor preparadas para adaptarse a medida que evolucione el enfoque regulador de la FDA.
¿Estás desarrollando un dispositivo médico con IA generativa?
Sobel ayuda a las empresas de dispositivos médicos a trazar las vías reglamentarias, evaluar los requisitos de evidencia y tener en cuenta las consideraciones clínicas, de riesgo y del ciclo de vida antes de presentar la solicitud.
Ponte en contacto con nuestro equipo de asuntos regulatorios para hablar del siguiente paso para tu producto.
