Perspectivas de la Industria · Septiembre 2026 · Por el Equipo de Aleph University · Lectura de 7 minutos
La inteligencia artificial ya no es una tendencia emergente en dispositivos médicos. Ya está dentro de ellos. Y toda la arquitectura de aprobación regulatoria se construyó sobre una premisa que la IA rompe: que el producto aprobado es el mismo producto que llega al mercado.
Cuando el dispositivo aprende después de llegar al mercado
Hay algoritmos que ajustan la dosis de insulina en tiempo real, software que detecta signos tempranos de enfermedad en una imagen radiológica antes de que un ojo humano los note, y sistemas de diagnóstico que mejoran su precisión con cada nuevo dato que procesan. No es una proyección: son productos que llegan a pacientes todos los días.
Ese último punto es justo donde la regulación tradicional empieza a quedarse corta. El 510(k), el PMA y la vía De Novo se diseñaron para evaluar un producto estable. Un dispositivo que sigue aprendiendo después de su aprobación es, técnicamente, un dispositivo distinto cada vez que se actualiza. Los reguladores llevan años corriendo detrás de una tecnología que no se queda quieta.
Las preguntas regulatorias que plantea la IA
Este cambio no es una curiosidad técnica. Está generando preguntas reales con las que equipos regulatorios, agencias y empresas de MedTech están lidiando ahora mismo:
- ¿Cómo se aprueba un algoritmo que se actualiza constantemente? Un modelo fijo es fácil de evaluar. Un modelo que se reentrena con nuevos datos de pacientes desafía la idea misma de una versión aprobable y estable.
- ¿Qué evidencia clínica es suficiente para un sistema que sigue aprendiendo? Los ensayos clínicos tradicionales evalúan un producto estático en un momento puntual. La IA como dispositivo médico exige un marco construido para el monitoreo continuo de desempeño.
- ¿Quién responde cuando un modelo toma una decisión clínica equivocada? Las preguntas de responsabilidad se complican rápido cuando el comportamiento del software hoy no es idéntico al de hace seis meses.
Lo que ya se está resolviendo, y lo que sigue abierto
La primera de esas preguntas ya tiene una respuesta parcial. La FDA finalizó su guía sobre los Predetermined Change Control Plans (PCCP), un mecanismo por el cual el fabricante declara desde la presentación inicial qué modificaciones planea hacer al modelo, con qué metodología las va a desarrollar y validar, y qué impacto tendrían sobre la seguridad y la eficacia. Si la agencia aprueba ese plan, esos cambios se pueden implementar después sin abrir una presentación nueva cada vez. Aplica a las tres vías: 510(k), De Novo y PMA.
En enero de 2025 la FDA fue más allá y publicó un borrador de guía integral para funciones de software con IA, que trata el tema desde el ciclo de vida completo del producto en lugar de hacerlo solo en el momento de la presentación.
En Europa el cuadro es distinto y más exigente. El Reglamento de Inteligencia Artificial de la UE clasifica como sistemas de alto riesgo a la IA que forma parte de un producto sujeto a evaluación de conformidad por organismo notificado, lo que en la práctica alcanza a los dispositivos de clase IIa en adelante bajo el MDR y a la mayoría de los diagnósticos in vitro bajo el IVDR. Esas obligaciones se suman a las del MDR, no lo reemplazan, y empiezan a aplicarse el 2 de diciembre de 2027 para los sistemas de IA de alto riesgo independientes y el 2 de agosto de 2028 para la IA integrada en productos. Un fabricante que venda en ambos mercados tiene por delante dos marcos distintos que convergen sobre el mismo producto.
Lo que sigue abierto son las otras dos preguntas. No hay todavía un estándar único y universal sobre cuánta evidencia clínica basta para un sistema que aprende, ni sobre cómo se reparte la responsabilidad cuando falla. Eso se está resolviendo caso por caso.
Por qué es la mayor oportunidad de carrera de la próxima década
Aquí está la parte que más importa para quien construye una carrera en asuntos regulatorios: la regulación aún no resuelta es donde viven las mayores oportunidades profesionales.
Los marcos para inteligencia artificial y software como dispositivo médico siguen en construcción activa en la FDA, la EMA y la Comisión Europea. Eso significa que la demanda de profesionales que entienden tanto la tecnología como el lenguaje regulatorio que la rodea está creciendo más rápido que la oferta de gente calificada para ocupar esos puestos. Quien se especialice ahora, mientras las reglas todavía se escriben, tendrá ventaja durante años. Ya no es una habilidad de nicho.
Cómo prepararse para liderar esta transición
Liderar en este espacio requiere más que entender la tecnología, y más que entender la regulación. Requiere ambas cosas, combinadas con el criterio de negocio necesario para llevar tecnología de salud emergente al mercado de forma responsable.
Esa es la intersección sobre la que está construido el Maestría en Innovación y Emprendimiento en Tecnologías Médicas de Aleph University. El programa combina innovación tecnológica con la estrategia de negocio y el conocimiento regulatorio que hacen falta para trabajar en el MedTech impulsado por IA, no desde la banca, sino como alguien preparado para liderarlo.
¿Quieres conocer más sobre el programa? Solicita información y te enviamos el plan de estudios y los detalles de admisión.