Tabla de contenido
Guía de la FDA para dispositivos médicos con IA: cómo se aprueban
La guía de la FDA para dispositivos médicos con IA explicada: más de 800 autorizados, las vías 510(k), De Novo y PMA, y qué permite un plan de cambios previsto.
Este es el problema que tuvo que resolver la guía de la FDA para dispositivos médicos con IA. Los dispositivos médicos tradicionales no cambian. Un marcapasos construido en 2019 hace exactamente lo mismo que hacía cuando se autorizó. Un modelo de IA que se reentrena con datos nuevos se convierte en un dispositivo distinto, y bajo las reglas viejas cada reentrenamiento exigiría una nueva solicitud regulatoria, lo que volvería la mejora continua prácticamente ilegal. La respuesta de la FDA es el Plan Predeterminado de Control de Cambios (PCCP, por su sigla en inglés). Como dice la guía, “la FDA revisa el PCCP como parte de una solicitud de comercialización de un dispositivo con IA para asegurar la seguridad y efectividad continuas del dispositivo sin requerir solicitudes adicionales por cada modificación descrita en el PCCP”. Ese solo mecanismo es lo que permite que la IA médica se actualice sin quedar fuera de la ley.
Puntos clave
- La FDA publica una lista buscable de dispositivos médicos con IA con más de 800 autorizados, descargable en CSV, Excel o XML. Cerca del 70 a 75 % son de radiología.
- Aplican tres vías: notificación previa 510(k) (la mayoría), De Novo (para tipos de dispositivo nuevos) y aprobación previa PMA (dispositivos de mayor riesgo).
- Un PCCP debe contener tres cosas: una descripción de las modificaciones planeadas, la metodología de modificación para desarrollarlas y validarlas, y una evaluación de impacto sobre seguridad y efectividad.
- Con un PCCP aprobado, un fabricante puede implementar los cambios descritos sin una nueva solicitud de comercialización, siempre que se mantengan dentro del plan.
- La guía del PCCP se emitió en agosto de 2025 y aplica a 510(k), De Novo y PMA, incluidos componentes de dispositivo en productos combinados liderados por dispositivo.
Por qué la IA rompió las reglas viejas de dispositivos
La regulación de dispositivos médicos se construyó alrededor de un objeto estable. Presentas evidencia sobre una versión específica de una cosa específica, la FDA evalúa si es segura y efectiva para su uso declarado, y después esa cosa se fabrica siempre con la misma especificación.
El aprendizaje automático viola ese supuesto en su núcleo. Todo el punto de un sistema que aprende es que mejora cuando ve más datos. Un modelo de radiología entrenado con 100.000 radiografías de tórax en 2024 va a ser mejor si se reentrena con 400.000 para 2026. Si cada reentrenamiento exige una solicitud nueva, pasa una de dos cosas malas: o los fabricantes congelan sus modelos y los pacientes reciben peor desempeño del que la tecnología permite, o las actualizaciones ocurren informalmente por fuera del marco regulatorio.
Ninguna de las dos es aceptable. Así que la FDA tuvo que inventar una forma de aprobar un proceso de cambio y no solo un artefacto congelado.
Cómo funciona la guía de la FDA para dispositivos médicos con IA, paso a paso
Paso 1: elegir una vía. La mayoría de los dispositivos con IA pasan por 510(k), que exige demostrar equivalencia sustancial con un dispositivo predecesor ya autorizado. Una categoría genuinamente nueva sin predecesor pasa por De Novo. Los dispositivos de mayor riesgo, donde una falla podría matar a alguien directamente, pasan por PMA, que exige evidencia clínica de seguridad y efectividad.
Paso 2: establecer la línea base. La solicitud describe qué hace el modelo, cómo se entrenó, con qué datos se entrenó y validó, sus métricas de desempeño y el contexto clínico de uso. Esa es la versión que se autoriza.
Paso 3: escribir el PCCP. Esta es la pieza específica de IA, y tiene exactamente tres componentes obligatorios.
La descripción de modificaciones dice qué va a cambiar. No “vamos a mejorar el modelo”, sino específicamente: vamos a reentrenar con datos adicionales de estas fuentes, vamos a expandir a estos equipos de imagen adicionales, vamos a ajustar estos umbrales dentro de estos límites.
La metodología de modificación dice cómo se va a desarrollar, validar e implementar cada cambio. Con qué conjunto de prueba, qué umbral de desempeño hay que cumplir, qué pasa si no se cumple, cómo llega la actualización a los dispositivos ya desplegados.
La evaluación de impacto valora cómo cada modificación planeada afecta la seguridad y la efectividad, incluyendo para subpoblaciones.
Paso 4: la FDA revisa el plan como parte de la solicitud. La agencia está evaluando una promesa sobre comportamiento futuro, y por eso la metodología tiene que ser lo bastante específica para ser auditable.
Paso 5: sacar cambios dentro del plan. Una vez autorizado, el fabricante implementa las modificaciones descritas sin una nueva solicitud de comercialización, siempre que se alineen con el plan aprobado. Un cambio fuera del plan sí exige una solicitud nueva.
Qué resuelve bien
Resuelve un conflicto genuino entre mejora continua y supervisión regulatoria, y lo hace exigiendo especificidad de antemano en vez de perdón después. El requisito de escribir la metodología de validación antes de ver si la actualización funciona es una salvaguarda serie, porque impide elegir retrospectivamente la métrica que quedó bonita.
Qué no resuelve
El PCCP gobierna los cambios que el fabricante anticipó. No aborda el desplazamiento de distribución, donde cambia el mundo y no el modelo: equipos de imagen nuevos, poblaciones de pacientes nuevas, prevalencia de enfermedad cambiante. No exige monitoreo de desempeño posterior al mercado de ninguna forma específica. Y la concentración de dispositivos autorizados en radiología (70 a 75 %) revela que este marco funciona mejor donde la entrada está estandarizada y la verdad de campo es verificable, que es mucho menos cierto en pediatría, psiquiatría o atención primaria.
Tres vías regulatorias, comparadas
| Vía | Cuándo aplica | Qué exige | Ejemplos típicos de IA |
|---|---|---|---|
| Notificación previa 510(k) | Ya existe un dispositivo autorizado parecido (un “predecesor”) | Demostrar equivalencia sustancial en uso previsto y características tecnológicas | Casi todas las herramientas de radiología con IA; la mayoría de la lista de 800+ |
| De Novo | Riesgo bajo a moderado, pero no existe predecesor | Evaluación completa de riesgo-beneficio; crea una clasificación nueva que otros después pueden usar como predecesor | Diagnósticos con IA primeros de su tipo |
| Aprobación previa PMA | Riesgo más alto; una falla podría causar lesión grave o muerte | Evidencia de ensayo clínico de seguridad y efectividad | IA en dispositivos que sostienen la vida o implantados |
| PCCP (se agrega a cualquiera de las anteriores) | El modelo del dispositivo se va a actualizar con el tiempo | Descripción de modificaciones, metodología de modificación, evaluación de impacto | Cualquier dispositivo con IA que planee reentrenar |
| Discreción de aplicación / bienestar | Afirmaciones de bienestar general, no diagnóstico ni tratamiento | No es una vía de dispositivo; supervisión mucho más liviana | Contadores de pasos, rastreadores de sueño, casi todas las apps de consumo |
La última fila es la que más toca a las familias. Una app de consumo que dice “esto puede ayudarte a dormir mejor” no se regula como dispositivo, y esa brecha es intencional y muy amplia.
Cómo enseñarle esto a tu hijo
De 5 a 8 años: la regla de la receta
Dile que puede preparar su merienda favorita para la familia, pero que tiene que escribir la receta primero y seguirla exactamente. Después el giro: dile que la próxima vez puede cambiar una cosa, pero que tiene que decir ahora qué va a cambiar y cómo va a saber si funcionó. Ese es un PCCP, y un niño de 6 años sigue la lógica completa.
De 9 a 12 años: escribir un plan de cambio
Que tu hijo elija algo que quiera mejorar: un avión de papel, su rutina de tiros libres, un hábito de estudio. Antes de cambiar nada, que escriba tres cosas: qué va a cambiar, cómo va a probar si es mejor, y qué podría salir mal. Después que haga el cambio. La disciplina de escribir la prueba antes de correrla es el hábito más valioso de todo este artículo.
De 13 en adelante: buscar en la base de datos de la FDA
La lista de dispositivos médicos con IA de la FDA se descarga como hoja de cálculo. Que tu hijo la baje, cuente dispositivos por especialidad y confirme él mismo la concentración en radiología. Después que busque un dispositivo con número de solicitud “DEN” (De Novo) y lea su resumen. Después que lea la guía del PCCP y encuentre los tres componentes obligatorios. Eso es investigación regulatoria real, hecha en una tarde, con datos públicos.
La pregunta que debes hacer: “Si una empresa promete ahora cómo va a probar sus cambios futuros, ¿qué le impide cambiar de opinión después?”
¿Y en América Latina?
La región no depende de la FDA, y ahí hay algo importante que entender. Cada país tiene su propia agencia: Cofepris en México, Anvisa en Brasil, Invima en Colombia, ANMAT en Argentina, ISP en Chile, Digemid en Perú. En la práctica, muchas de ellas aceptan o aceleran el registro de dispositivos ya aprobados por la FDA o por la Unión Europea, lo que se llama reconocimiento o referencia regulatoria.
Eso tiene una consecuencia concreta para la IA. Si un modelo se autorizó en Estados Unidos con datos mayormente estadounidenses, y una agencia regional lo registra por referencia, nadie necesariamente lo validó en población local. Y el PCCP, que permite actualizar el modelo sin nueva solicitud, puede significar que la versión que corre en un hospital de Bogotá cambió después del registro local sin que la agencia lo revisara. Ninguna de esas cosas es necesariamente mala, pero son preguntas legítimas que hacer. En el plano educativo, ciencias fue el único dominio que se mantuvo o mejoró en PISA 2025 en Colombia (414, +3) y México (414, +4), según Infobae, y la regulación de tecnología sanitaria es una carrera con demanda regional real.
Qué hacer en casa
Aprender la diferencia entre autorizado, aprobado y no regulado
“Autorizado por la FDA” normalmente significa 510(k): equivalente a algo que ya está en el mercado. “Aprobado” normalmente significa PMA: evidencia clínica revisada. “No es un dispositivo médico” significa una afirmación de bienestar con supervisión liviana. El marketing de apps de salud explota esa confusión constantemente, y una familia que conoce la diferencia es mucho más difícil de engañar.
Revisar si una app de salud es un dispositivo
La mayoría de las apps de salud de consumo no lo son. Si una app afirma detectar, diagnosticar o tratar una condición, debería estar en la lista de la FDA. Si hace afirmaciones de bienestar general, no va a estar, y eso es legal. Buscar en la lista toma dos minutos y es una habilidad genuinamente útil de crianza.
Usar la concentración en radiología como señal
Cerca del 70 a 75 % de los dispositivos con IA autorizados son de radiología. Eso te dice dónde funciona la tecnología hoy: imágenes estandarizadas, verdad de campo verificable. Y también te dice dónde todavía no, que es el contexto honesto de cualquier afirmación sobre IA en pediatría. Nuestro artículo sobre puntajes de prueba contra la realidad del consultorio pediátrico cubre esa brecha con números.
Conectarlo con cómo se evalúa cualquier herramienta
La idea del PCCP (declara tu prueba antes de correrla) es exactamente lo que vuelve confiable cualquier evaluación, en medicina o en el colegio. Es el mismo principio que preinscribir una hipótesis de feria de ciencias. Nuestra guía sobre lo que la IA ya hace en atención pediátrica muestra el extremo clínico de la cadena.
Lo que no debes hacer
No asumas que la autorización de la FDA significa que un dispositivo se probó en niños. El desempeño pediátrico es una pregunta separada de la autorización, y muchos dispositivos con IA se autorizan con datos de adultos. Si se está usando una herramienta en la atención de tu hijo, preguntar si se validó en poblaciones pediátricas es una pregunta precisa, respondible y completamente razonable.
Qué observar en los próximos 3 meses
- Semana 4: tu hijo puede explicar por qué un dispositivo con IA es más difícil de regular que un marcapasos.
- Mes 2, señales de alerta: trata “autorizado por la FDA” y “aprobado por la FDA” como lo mismo. No lo son, y la diferencia es cuánta evidencia se revisó.
- Mes 3, autoevaluación: pídele que encuentre un dispositivo con IA de la lista de la FDA en una especialidad que no sea radiología, y que explique por qué esa especialidad es más difícil. Si menciona entradas estandarizadas o verdad de campo verificable, lo tiene.
Preguntas frecuentes
¿Qué es un Plan Predeterminado de Control de Cambios?
Un plan, presentado y revisado como parte de la solicitud de comercialización de un dispositivo, que describe qué modificaciones futuras piensa hacer el fabricante, la metodología para desarrollarlas y validarlas, y una evaluación de su impacto en seguridad y efectividad. Una vez autorizado, esos cambios específicos se pueden implementar sin una nueva solicitud.
¿Cuántos dispositivos médicos con IA autorizó la FDA?
Más de 800, según la propia lista de dispositivos médicos con IA de la FDA, publicada como base de datos buscable con descargas en CSV, Excel y XML. Cerca del 70 a 75 % son de radiología, con cardiovascular, neurología, gastroenterología-urología, patología y varias otras especialidades también representadas.
¿Cuál es la diferencia entre autorizado y aprobado por la FDA?
“Autorizado” normalmente se refiere a la vía 510(k), donde un fabricante demuestra equivalencia sustancial con un dispositivo predecesor ya en el mercado. “Aprobado” normalmente se refiere a la aprobación previa PMA, que exige evidencia clínica de seguridad y efectividad y aplica a los dispositivos de mayor riesgo. De Novo queda en el medio para dispositivos nuevos de riesgo bajo a moderado.
¿La FDA regula las apps de salud del celular de mi hijo?
Normalmente no. Las apps que hacen afirmaciones de bienestar general, como animar a ejercitarse o registrar el sueño, quedan fuera de la regulación de dispositivos. Las apps que afirman detectar, diagnosticar o tratar una condición específica se regulan como dispositivos y deberían aparecer en la lista de la FDA. La línea la marca la afirmación, no la tecnología usada.
¿La IA usada en la atención de mi hijo se probó en niños?
No necesariamente, y vale preguntarlo. La autorización de la FDA no garantiza por sí sola validación pediátrica, y buena parte de los datos de entrenamiento de IA está cargada hacia adultos. Preguntar si una herramienta específica se validó en poblaciones pediátricas, y en qué rangos de edad, es una pregunta precisa que un médico o un proveedor debería poder responder.
Sobre el autor
Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
- U.S. Food and Drug Administration. Recomendaciones para un Plan Predeterminado de Control de Cambios en funciones de software de dispositivos con IA (agosto de 2025). https://www.fda.gov/regulatory-information/search-fda-guidance-documents/marketing-submission-recommendations-predetermined-change-control-plan-artificial-intelligence
- U.S. Food and Drug Administration. Lista de dispositivos médicos habilitados con inteligencia artificial y desglose por especialidad. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices
- U.S. Food and Drug Administration. Panorama de software como dispositivo médico (SaMD). https://www.fda.gov/medical-devices/digital-health-center-excellence/software-medical-device-samd
- Crescendo AI, resumen de noticias de salud. (2026, 16 de junio). La FDA amplía recursos y guías para dispositivos médicos con IA. https://www.crescendo.ai/news/ai-in-healthcare-news
- Zhao, J., Luo, J., Li, Q., & Chen, Y. (2026, 28 de agosto). “Machine Learning, Large Language Models, and Multimodal AI for Diagnosing Pediatric Rare Diseases: Scoping Review.” Journal of Medical Internet Research. https://pmc.ncbi.nlm.nih.gov/articles/PMC13524366/
- Infobae. (2026, 8 de septiembre). “Pruebas PISA: los países de América Latina profundizan su retroceso educativo.” https://www.infobae.com/america/america-latina/2026/09/08/pruebas-pisa-los-paises-de-america-latina-profundizan-su-retroceso-educativo/
