Perspectiva

Infografía | ¿Qué señal regulatoria envía realmente la FDA con los ensayos clínicos en tiempo real?

7 min de lecturaEquipo editorial de EClinCloud
Infografía | ¿Qué señal regulatoria envían realmente los ensayos clínicos en tiempo real promovidos por la FDA? Portada de artículo de archivo

En abril de 2026, la FDA anunció el lanzamiento del piloto de "ensayos clínicos en tiempo real" (Real-Time Clinical Trials, RTCT). A primera vista, se trata de una optimización del proceso regulatorio; sin embargo, si se analiza RTCT junto con la plataforma unificada de datos HALO y el sistema de IA Elsa que la FDA lanzó recientemente, se advierte que detrás está ocurriendo un cambio más profundo:

La FDA está intentando desplazar el objeto de su supervisión de los "documentos" a los "datos"; de la "evaluación por etapas" a la "supervisión continua"; y de la "lectura humana de informes" a la "lectura de datos por IA". La forma en que interactúan el desarrollo clínico y la regulación está experimentando una transformación importante.

1. ¿Qué es RTCT?

传统审评与实时临床试验监管流程对照图

Figura 1. Diferencias entre RTCT y la supervisión previa

Análisis: El 28 de abril de 2026, la FDA anunció el lanzamiento del piloto de "ensayos clínicos en tiempo real" (Real-Time Clinical Trials, RTCT); AstraZeneca y Amgen se convirtieron en las primeras empresas farmacéuticas en participar en el piloto, y la agencia planea iniciar un programa piloto de RTCT de mayor alcance este verano.

A diferencia del modelo tradicional, en el que el promotor completa de manera consolidada la limpieza de datos, el análisis estadístico y la redacción de informes tras finalizar el ensayo y los presenta ante la FDA para su evaluación, RTCT pone el foco en transmitir en tiempo real a la FDA las señales clave de seguridad y eficacia mientras el ensayo está en curso, logrando así una supervisión dinámica.

2. ¿Lo único que cambia RTCT es realmente la eficiencia de la evaluación?

实时临床试验监管的风险识别、数据协同与决策要点

Figura 2. Valor central de RTCT

Análisis: El excomisionado de la FDA Marty Makary reveló una serie de datos: desde el inicio de un ensayo clínico de fase I hasta la presentación de la solicitud de aprobación, casi la mitad del tiempo se consume en trabajo documental, de lo cual aproximadamente el 45 % corresponde a "tiempo muerto" (dead time). Asimismo, la FDA llegó a recibir una solicitud de 66 millones de páginas; cabe imaginar la eficiencia de organizar y evaluar un volumen de datos de esa magnitud.

De hecho, es posible que lo que la FDA intenta cambiar no sea solo la velocidad. La cuestión más profunda es: ¿qué debería evaluar realmente la regulación?

Durante las últimas décadas, los documentos que la FDA evaluaba han sido, en esencia, resultados de datos ya procesados. En cambio, el enfoque que refleja RTCT consiste en permitir que el regulador acceda antes a los datos en sí, y no solo a los informes elaborados al final.

Además, muchas personas interpretan RTCT como que "la FDA ha comenzado a utilizar ampliamente la IA".

Sin embargo, lo que merece aún más atención es que la FDA está pasando de una "supervisión basada en presentaciones" a una "supervisión basada en flujos de datos": los datos clave se generan de forma continua, los datos clave se comparten de forma continua y la supervisión se realiza de forma continua.

3. ¿Cómo se logra la transmisión de datos en tiempo real?

电子病历、实验室、影像、可穿戴设备和患者报告数据汇聚流程

Figura 3. Esquema del flujo de transmisión de datos

Análisis: La implementación de RTCT no es posible sin capacidades de IA, computación en la nube y plataformas de datos.

En los últimos años, la FDA ha invertido de forma continua en IA e infraestructura de datos. A finales de 2025, la FDA anunció el despliegue de capacidades de IA agéntica (Agentic AI) en toda la agencia. Ese mismo año, entró oficialmente en funcionamiento el sistema Elsa, basado en grandes modelos de lenguaje.

En mayo de 2026, la FDA lanzó además Elsa 4.0 y completó la construcción de la plataforma HALO (Harmonized AI & Lifecycle Operations for Data), integrando más de 40 fuentes de datos dispersas, sistemas de presentación de solicitudes y portales en una plataforma unificada de datos.

Si RTCT resuelve "cómo ingresan los datos al sistema regulatorio", entonces HALO resuelve "dónde se almacenan los datos" y Elsa resuelve "cómo utiliza los datos el personal regulador".

El lanzamiento de HALO y Elsa ilustra aún más que la FDA no solo desea obtener más datos, sino también que la IA pueda desarrollarse directamente sobre esos datos, haciendo que el cumplimiento normativo deba "resistir una validación cruzada integral mediante IA".

La plataforma tecnológica de este piloto RTCT puede conectarse directamente con registros electrónicos de salud (EHR) y otras fuentes de datos estructuradas y no estructuradas, identificar de manera continua señales clave de seguridad y eficacia mediante reglas algorítmicas predefinidas y transmitirlas en tiempo real al promotor y a la FDA.

Cabe destacar que la transmisión en tiempo real no implica cargar la totalidad de los datos. Por ello, antes del inicio del ensayo, la FDA, el promotor y la plataforma tecnológica definen conjuntamente las variables de valoración clave, las señales de seguridad y las reglas de activación: la IA se encarga de la identificación y de apoyar la evaluación de riesgos; la plataforma, de la transmisión; y la FDA, del juicio regulatorio.

Hasta la fecha, la FDA ya ha recibido y verificado con éxito señales en tiempo real del ensayo de AstraZeneca a través de la plataforma, lo que valida la viabilidad de este marco tecnológico.

4. Implicaciones: cuanto antes se desarrollen capacidades basadas en datos e IA, mejor

从文档驱动到数据驱动的临床试验监管能力对照

Figura 4. Digitalización de la investigación clínica: de la implementación de sistemas a un enfoque impulsado por datos

Interpretación: A medida que la regulación avanza de los "datos electrónicos" hacia "datos en tiempo real, estructurados y analizables por IA", las exigencias del sector para la investigación clínica también aumentan de forma continua.

Capacidad de construcción y gobernanza de datos: Los datos son la fuente de la evidencia clínica y también la nueva base en la era de la IA; los datos de alta calidad deben estar estructurados, fluir en tiempo real y ser analizables para poder respaldar la supervisión regulatoria en tiempo real.

Capacidad de plataforma: La construcción integrada de la plataforma y la capacidad de interconexión de datos deben planificarse con antelación, lo que incluye la interconexión de datos desde la captura, la gestión y el análisis hasta la supervisión regulatoria, la trazabilidad de toda la cadena y el cumplimiento normativo sistémico.

Al mismo tiempo, la solicitud de información (RFI) publicada por la FDA también plantea explícitamente el interés en explorar la aplicación de la IA en los siguientes escenarios: mejorar el reclutamiento de participantes en los ensayos, optimizar el escalamiento de dosis, reforzar el monitoreo de la seguridad, apoyar los diseños adaptativos, acelerar la toma de decisiones de la fase I a la fase II y respaldar la validación de variables de valoración, entre otros.

En esta tendencia, la competitividad central de la investigación clínica en el futuro no solo se reflejará en la capacidad de gobernanza de datos, sino también en el uso de la IA para que los datos generen valor de manera continua; por ejemplo, habilitando con IA escenarios clave como la gestión de proyectos, la gestión de datos, el monitoreo del cumplimiento y el apoyo a la toma de decisiones, con el fin de liberar de forma sostenida el valor de los datos y mejorar la eficiencia en investigación y desarrollo y la calidad de los estudios.

一临云从临床研究数字化到AI智能体的发展路线

Esta tendencia coincide directamente con la orientación que EClinCloud ha seguido desde su fundación. EClinCloud se dedica a impulsar mediante IA la transformación digital e inteligente de la investigación clínica, construyendo una plataforma en la nube inteligente e integrada desde la captura de datos hasta la generación de evidencia.

La plataforma de EClinCloud cumple con el diseño para datos en tiempo real, estructurados y habilitados con IA que exige la regulación.

Creemos que el objetivo final de la digitalización de la investigación clínica no es añadir un acceso más a otro sistema, sino hacer que la calidad de los estudios sea más controlable, su eficiencia más visible y sus resultados más confiables.

En la nueva era de los ensayos clínicos en tiempo real, EClinCloud desea avanzar junto con los socios del sector para afrontar conjuntamente este cambio de paradigma en la regulación clínica.