Análise

Infográfico | Que sinal regulatório os ensaios clínicos em tempo real promovidos pela FDA realmente emitem?

6 min de leituraEquipe Editorial da EClinCloud
Infográfico | Que sinais regulatórios os ensaios clínicos em tempo real promovidos pela FDA realmente estão emitindo? Capa de artigo anterior

Em abril de 2026, a FDA anunciou o início do piloto de “Ensaios Clínicos em Tempo Real” (Real-Time Clinical Trials, RTCT). À primeira vista, trata-se de uma otimização do processo regulatório; mas, ao analisar o RTCT em conjunto com a plataforma unificada de dados HALO e o sistema de IA Elsa, lançados recentemente pela FDA, nota-se que uma mudança mais profunda está ocorrendo por trás disso:

A FDA está tentando deslocar o objeto da regulação de “documentos” para “dados”; de “análise por etapas” para “supervisão contínua”; de “humanos lendo relatórios” para “IA lendo dados”. A forma como a P&D clínica e a regulação interagem está passando por uma transformação importante.

1. O que é o RTCT?

传统审评与实时临床试验监管流程对照图

Figura 1: Diferença entre o RTCT e a regulação anterior

Análise: Em 28 de abril de 2026, a FDA anunciou o início do piloto de “Ensaios Clínicos em Tempo Real” (Real-Time Clinical Trials, RTCT), com a AstraZeneca e a Amgen como as primeiras farmacêuticas participantes, e planeja lançar um projeto piloto do RTCT de maior alcance no verão deste ano.

Ao contrário do modelo tradicional — no qual, após o término do estudo, o patrocinador realiza de forma consolidada a limpeza de dados, a análise estatística e a redação de relatórios para submissão à análise da FDA —, o RTCT enfatiza a transmissão em tempo real à FDA de sinais críticos de segurança e eficácia durante o andamento do estudo, possibilitando uma supervisão dinâmica.

2. O RTCT altera realmente apenas a eficiência da avaliação?

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 do RTCT

Análise: O ex-comissário da FDA Marty Makary divulgou um conjunto de dados: do início de um ensaio clínico de fase I até a submissão do pedido de aprovação, quase metade do tempo é consumida em burocracia documental, dos quais cerca de 45% correspondem a “dead time”. Além disso, a FDA chegou a receber um dossiê de submissão com 66 milhões de páginas — pode-se imaginar a eficiência envolvida na organização e na avaliação de dados nessa escala.

Na verdade, o que a FDA tenta mudar talvez não seja apenas a velocidade. A questão mais profunda é: o que exatamente a regulação deve avaliar?

Nas últimas décadas, os documentos avaliados pela FDA foram, em essência, resultados de dados já processados. Já a abordagem refletida no RTCT consiste em permitir que a regulação tenha acesso mais precoce aos próprios dados, e não apenas aos relatórios finais.

Além disso, muitos interpretam o RTCT como “a FDA passou a usar IA em grande escala”.

Contudo, o que merece ainda mais atenção é que a FDA está migrando da “regulação baseada em submissões” para a “regulação baseada em fluxo de dados”: os dados críticos são gerados continuamente, compartilhados continuamente e a supervisão ocorre continuamente.

3. Como viabilizar a transmissão de dados em tempo 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 do fluxo de transmissão de dados

Análise: A implementação do RTCT depende de capacidades em IA, computação em nuvem e plataformas de dados.

Nos últimos anos, a FDA tem investido continuamente em IA e infraestrutura de dados. No final de 2025, a FDA anunciou a implantação de capacidades de Agentic AI em toda a agência. No mesmo ano, entrou oficialmente em operação o sistema Elsa, desenvolvido com base em grandes modelos de linguagem.

Em maio de 2026, a FDA lançou também o Elsa 4.0 e concluiu a construção da plataforma HALO (Harmonized AI & Lifecycle Operations for Data), integrando mais de 40 fontes de dados, sistemas de submissão e portais dispersos em uma plataforma unificada de dados.

Se o RTCT resolve “como os dados entram no sistema regulatório”, a HALO resolve “onde os dados são armazenados” e o Elsa resolve “como os reguladores utilizam os dados”.

O lançamento da HALO e do Elsa evidencia ainda mais que a FDA não busca apenas obter mais dados, mas também que a IA opere diretamente sobre esses dados, fazendo com que a conformidade passe a precisar “resistir à validação cruzada por IA em todas as dimensões”.

A plataforma tecnológica desse piloto do RTCT consegue conectar-se diretamente a registros eletrônicos de saúde (EHR) e a outras fontes de dados estruturadas e não estruturadas, identificando continuamente sinais críticos de segurança e eficácia por meio de regras algorítmicas predefinidas e transmitindo-os em tempo real ao patrocinador e à FDA.

Vale destacar que a transmissão em tempo real não significa o envio integral de todos os dados. Por isso, antes do início do estudo, a FDA, o patrocinador e a plataforma tecnológica definem em conjunto os desfechos críticos, os sinais de segurança e as regras de acionamento: a IA fica responsável pela identificação e pelo apoio à avaliação de riscos; a plataforma, pela transmissão; e a FDA, pelo julgamento regulatório.

Atualmente, a FDA já recebeu e validou com sucesso, por meio da plataforma, sinais em tempo real do estudo da AstraZeneca, confirmando a viabilidade dessa estrutura tecnológica.

4. Implicações: capacidades orientadas a dados e de IA, quanto mais cedo, melhor

从文档驱动到数据驱动的临床试验监管能力对照

Figura 4: Digitalização da pesquisa clínica: da implantação de sistemas à orientação por dados

Interpretação: À medida que a regulação avança da "digitalização de dados" para "dados em tempo real, estruturados e analisáveis por IA", as exigências do setor para a pesquisa clínica também vêm se elevando continuamente.

Capacidade de construção e governança de dados: os dados são a fonte da evidência clínica e também a nova base na era da IA; dados de alta qualidade precisam ter estruturação, fluxo em tempo real e capacidade de análise para sustentar a regulação em tempo real.

Capacidade de plataforma: a construção integrada da plataforma e a capacidade de interconexão de dados precisam ser planejadas com antecedência, abrangendo a interconexão de dados desde a coleta, o gerenciamento e a análise até a regulação, a rastreabilidade de ponta a ponta e a conformidade sistêmica.

Ao mesmo tempo, o RFI publicado pela FDA também indica explicitamente o interesse em explorar a aplicação da IA nos seguintes cenários: melhorar o recrutamento de participantes de estudos, otimizar o escalonamento de dose, fortalecer o monitoramento de segurança, apoiar desenhos adaptativos, acelerar decisões da Fase I para a Fase II, apoiar a validação de desfechos, entre outros.

Sob essa tendência, a competitividade central da pesquisa clínica futura não se refletirá apenas na capacidade de governança de dados, mas também no uso da IA para fazer com que os dados gerem valor continuamente, como pela aplicação da IA em cenários-chave — gerenciamento de projetos, gerenciamento de dados, monitoramento de conformidade e suporte à decisão, entre outros — para liberar continuamente o valor dos dados e elevar a eficiência de P&D e a qualidade dos estudos.

一临云从临床研究数字化到AI智能体的发展路线

Essa tendência coincide com o direcionamento que a EClinCloud segue desde a sua fundação. A EClinCloud dedica-se a impulsionar a digitalização inteligente da pesquisa clínica com IA, construindo uma plataforma em nuvem inteligente e integrada, da coleta de dados à geração de evidências.

A plataforma da EClinCloud atende ao desenho voltado às demandas regulatórias de dados em tempo real, estruturados e habilitados por IA.

Acreditamos que o objetivo final da digitalização da pesquisa clínica não é acrescentar mais um ponto de acesso a sistemas, mas tornar a qualidade do estudo mais controlável, a eficiência do estudo mais visível e os resultados do estudo mais confiáveis.

Na nova era dos ensaios clínicos em tempo real, a EClinCloud deseja caminhar lado a lado com os parceiros do setor para enfrentar juntos essa mudança de paradigma na regulação clínica.