El Anexo 22 de las GMP europeas marca un antes y un después en la regulación de la inteligencia artificial en la industria biofarmacéutica. Presenta requisitos detallados que transformarán la operativa del sector.
La incorporación de sistemas de inteligencia artificial (IA) en la industria farmacéutica ha dejado de ser una posibilidad futura para convertirse en una realidad operativa. Desde la automatización de decisiones hasta el análisis predictivo en procesos de fabricación o farmacovigilancia, la IA empieza a ocupar un lugar relevante en entornos GxP.
Frente a este escenario, la publicación del borrador del Anexo 22 de las GMP europeas en julio de 2025 marca un antes y un después: es la primera guía regulatoria que aborda de forma específica y vinculante el uso de IA en el ciclo de vida del medicamento.
Este nuevo marco normativo no solo regula, sino que habilita. Establece principios claros sobre gobernanza, validación y trazabilidad de los sistemas algorítmicos en entornos regulados, ofreciendo a la vez una oportunidad para repensar el papel del sistema de calidad farmacéutico en la era digital.
A continuación se analiza en profundidad el Anexo 22, su contenido estructural, sus implicaciones prácticas, su encaje en el ecosistema regulador internacional y el impacto que tendrá en la transformación de la calidad y el futuro de los profesionales del sector.
El Anexo 22 tiene como objetivo establecer expectativas claras para el uso de sistemas de IA en actividades GxP, garantizando que su aplicación se mantenga bajo control regulado.
El borrador se aplica exclusivamente a modelos de inteligencia artificial que adquieren su funcionalidad a través del entrenamiento con datos, en lugar de ser programados explícitamente.
Abarca tanto modelos individuales como conjuntos de modelos que automatizan pasos concretos dentro de procesos GMP. No obstante, el alcance se restringe a modelos estáticos, es decir, aquellos que no modifican su comportamiento durante el uso mediante la incorporación de nuevos datos. Los modelos dinámicos, que se adaptan continuamente durante su aplicación, quedan fuera del ámbito de este documento y no deben emplearse en aplicaciones GMP críticas.
Asimismo, el anexo solo cubre modelos con salida determinista, es decir, que proporcionan siempre el mismo resultado ante entradas idénticas. Quedan excluidos aquellos con salidas probabilísticas que podrían variar ante iguales condiciones de entrada, al considerarse no aptos para usos GMP críticos.
En este contexto, se aclara que ni la inteligencia artificial generativa ni los modelos de lenguaje de gran escala (LLM) están cubiertos por este anexo. Su utilización en aplicaciones GMP críticas no está permitida, y su empleo en usos no críticos solo será admisible si se aplica bajo una supervisión humana cualificada y siguiendo, cuando proceda, los principios descritos en el documento.
Este enfoque abarca un espectro amplio de aplicaciones, desde el desarrollo preclínico hasta la distribución del producto, incluyendo ámbitos como la fabricación, el control de calidad, la liberación de lotes o la gestión de datos de farmacovigilancia.
No se limita a un tipo específico de sistema o algoritmo, ni a un área funcional concreta, sino que establece una aplicabilidad transversal que reconoce la creciente presencia de modelos de IA en múltiples procesos GxP. Esto permite a la industria anticiparse a posibles interpretaciones regulatorias futuras y adoptar desde el inicio una postura de cumplimiento proactivo.
En este contexto, el Anexo 22 introduce explícitamente el concepto de “human-in-the-loop” (HITL), subrayando la importancia de que siempre exista una supervisión humana cualificada sobre los sistemas de IA, especialmente en aquellos casos donde su aplicación no es crítica pero puede tener implicaciones en la calidad del producto, la integridad de los datos o la toma de decisiones operativas.
Esta figura refuerza la necesidad de que los resultados generados por modelos de IA sean evaluados, interpretados y validados por profesionales formados, asegurando así que el uso de la tecnología no compromete el juicio experto ni sustituye la responsabilidad humana, sino que la complementa desde una base de conocimiento técnico y regulador.
Su estructura se articula en torno a principios de ciclo de vida, gestión de riesgos y calidad de los datos.
En definitiva, el Anexo 22 aporta estructura, lenguaje y criterios a un ámbito tecnológico hasta ahora difícil de alinear con las expectativas GxP.
El Anexo 22 introduce un marco normativo pionero que transforma varias prácticas habituales en la industria, clarificando zonas grises y se exigiendo un control continuo, no solo validación inicial, introduciendo el concepto "IA GxP-ready".
La primera gran transformación que introduce el Anexo 22 es el paso de una validación estática a un enfoque de validación continua. En lugar de considerar la validación como una etapa puntual, se establece la necesidad de un seguimiento permanente del rendimiento de los modelos de IA, con planes explícitos de monitorización. En paralelo, se reconoce que el reentrenamiento de los modelos —una práctica habitual en algoritmos de aprendizaje— debe considerarse un cambio regulado, sujeto a control documental, revisión de riesgos y posible revalidación.
Otra novedad crucial es la exigencia de trazabilidad algorítmica: cada resultado generado por un sistema de IA debe ser comprensible, justificable y auditable, incluso en modelos complejos o de tipo caja negra. Finalmente, la calidad de los datos se erige como nuevo centro de control; se impone la necesidad de garantizar la integridad, representatividad y ausencia de sesgo en los datasets empleados, ya que de ellos depende directamente la fiabilidad del sistema.
Tabla 1. Anexo 22. Principales novedades
| Aspecto | Antes del Anexo 22 | Con Anexo 22 |
|---|---|---|
| Regulación de IA | No específica. Interpretación dentro de Anexo 11 o CSV. | Directrices explícitas sobre uso, riesgo y validación de IA. |
| Validación de modelos ML | Ambiguo y heterogéneo. | Requiere validación estructurada, con separación de datasets. |
| Monitorización y reentrenamiento | No regulado específicamente. | Debe documentarse, planificarse y controlarse como parte del ciclo de vida. |
| Supervisión humana | No exigida de forma explícita. | Obligatoria para decisiones críticas. |
| Gobernanza y trazabilidad | Delegada al sistema informatizado. | Gobernanza de IA independiente y trazabilidad reforzada. |
La implantación del Anexo 22 exige revisar a fondo el sistema de calidad para integrar de forma estructurada el ciclo de vida de los modelos de inteligencia artificial. Esta transformación no puede realizarse de forma aislada: requiere la conformación de equipos multidisciplinares que integren conocimientos regulatorios, técnicos y analíticos, capaces de operar conjuntamente desde el diseño hasta la monitorización del sistema algorítmico.
Además, las organizaciones deberán realizar un ejercicio crítico para evaluar su nivel de madurez digital y, en función de ello, determinar su grado de preparación para implementar soluciones de IA bajo un entorno GxP.
Tabla 2. Madurez digital y Anexo 22
| Nivel de madurez digital (BioPhorum) | Implicación del Anexo 22 |
|---|---|
| Nivel 1–2: Digital básico/manual | Dificultad para cumplir requisitos técnicos y de validación. |
| Nivel 3–4: Sistemas informatizados integrados | Posibilidad de implementar IA con soporte documental robusto. |
| Nivel 5: Fábrica autónoma | Aplicación extensiva de IA, necesidad de estructuras de gobernanza sólidas. |
Finalmente, será necesario ampliar el enfoque clásico de gestión del riesgo para incorporar nuevas dimensiones, como los riesgos algorítmicos, la explicabilidad de los modelos y el impacto potencial del sesgo en las decisiones automatizadas.
Este anexo redefine el concepto de “control” en entornos regulados: ya no se limita a verificar el software, sino que se amplía al comportamiento algorítmico en producción.
El Anexo 22 no solo introduce requisitos específicos sobre los modelos de inteligencia artificial: propone un verdadero rediseño del enfoque de calidad en la industria farmacéutica. Para aplicar este marco con éxito, las organizaciones deben repensar y transformar los componentes clave de su sistema de calidad farmacéutico (PQS), adoptando una mentalidad orientada al ciclo de vida algorítmico, la gestión avanzada de datos y la supervisión activa. Esta sección explora cómo debe evolucionar el sistema de calidad, el papel de los profesionales de QA y las sinergias con otros marcos normativos vigentes.
El Anexo 22 demanda una transformación del Sistema Farmacéutico de Calidad (PQS):
Tabla 3. Impacto en PQS
| Elemento del PQS | Impacto del Anexo 22 |
|---|---|
| Gestión del riesgo | Evaluación continua de riesgos asociados a modelos IA, incluyendo sesgos, falta de explicabilidad, reentrenamiento no controlado. |
| Gestión del conocimiento | Documentación estructurada sobre los modelos, datasets, decisiones automatizadas. Formación transversal QA-IT-Data. |
| Gestión del cambio | Todo reentrenamiento o modificación de modelos implica cambio controlado y potencial revalidación. |
| Mejora continua | Monitorización continua del rendimiento de IA como herramienta de mejora del sistema de calidad. |
La función de QA se encuentra en un punto de inflexión. En un entorno donde la inteligencia artificial redefine procesos, decisiones y datos, el papel de los profesionales de calidad debe evolucionar hacia una dimensión más técnica y estratégica. Validar modelos algorítmicos, comprender los fundamentos del aprendizaje automático y asegurar la trazabilidad de decisiones automatizadas se convertirán en competencias esenciales.
Esta transformación impulsa la aparición de nuevos perfiles profesionales, como el AI Quality Lead, el GxP Data Scientist o el auditor digital, que aportan una mirada multidisciplinar capaz de unir ciencia, tecnología y cumplimiento.
Pero más allá de los títulos, lo que realmente se requiere es una nueva actitud: la voluntad de colaborar estrechamente con equipos de IT, Data Science y operaciones, para diseñar sistemas desde el origen que sean robustos, trazables y alineados con las expectativas regulatorias.
Esta evolución no es un reto aislado: es una oportunidad para que Calidad lidere la innovación desde el conocimiento profundo de los principios GxP, garantizando que el avance tecnológico se traduzca en resultados seguros, eficaces y confiables. En esta nueva era, la calidad no sigue a la transformación: la guía.
Para facilitar la integración efectiva de la inteligencia artificial en un entorno GxP, es imprescindible considerar su articulación con marcos normativos ya existentes.
El Anexo 22 se construye sobre fundamentos regulatorios consolidados y ampliamente reconocidos por la industria.
El anexo refuerza una visión integrada de la calidad: no como barrera, sino como habilitador de la innovación digital segura.
El Anexo 22 se sitúa en una tendencia global hacia la regulación de la IA en salud. Su publicación no es un hecho aislado, sino que forma parte de un esfuerzo más amplio por parte de las autoridades regulatorias de distintos países por establecer principios, guías y marcos técnicos que aseguren un uso seguro, ético y eficaz de la inteligencia artificial en entornos sanitarios. Estas iniciativas reflejan una creciente conciencia sobre el impacto transformador de la IA y la necesidad de canalizar ese potencial dentro de estructuras normativas que garanticen la calidad, la seguridad del paciente y la integridad de los datos. Esta sección explora cómo el Anexo 22 se alinea y complementa con otros marcos regulatorios relevantes a nivel internacional, evidenciando un camino común hacia la armonización global.
El documento Reflection Paper on the use of AI, publicado por la EMA en 2023, establece una serie de principios generales para guiar el uso de la inteligencia artificial a lo largo del ciclo de vida del medicamento. Aunque no es vinculante, sienta las bases conceptuales para un uso ético, robusto y trazable de la IA en entornos regulados, y guarda una profunda coherencia con el enfoque adoptado posteriormente en el Anexo 22.
Ambos documentos coinciden en subrayar la necesidad de garantizar la explicabilidad de los modelos algorítmicos, la gestión activa del riesgo, la trazabilidad de las decisiones automatizadas y la supervisión humana. Reconocen que la IA puede ser una herramienta poderosa para mejorar la eficiencia, pero insisten en que debe utilizarse bajo estructuras de gobernanza sólidas y con controles adecuados para proteger la calidad, seguridad y eficacia de los medicamentos. Además, los dos textos promueven la integración de la IA dentro del sistema de calidad farmacéutico y sugieren aplicar principios del ciclo de vida, incluyendo la validación inicial y el seguimiento continuo del rendimiento del modelo.
Así, el Reflection Paper funciona como un documento estratégico de posicionamiento, mientras que el Anexo 22 lo complementa desde una perspectiva normativa y operativa. Juntos, configuran una visión coherente y ambiciosa sobre cómo regular la inteligencia artificial en la industria farmacéutica europea.
El conjunto de documentos publicados por la FDA, en particular el Discussion Paper on Artificial Intelligence and Machine Learning in Drug Development y los principios de Good Machine Learning Practices (GMLP), proporciona un marco conceptual no vinculante pero muy relevante para entender la visión americana sobre la IA en productos sanitarios. Aunque estos documentos están centrados principalmente en el desarrollo clínico y en dispositivos médicos, comparten muchos fundamentos clave con el Anexo 22.
Ambos enfoques destacan la necesidad de estructuras de gobernanza claras, la trazabilidad de los modelos, la supervisión humana y la calidad de los datos. Un punto de convergencia notable es el concepto de Predetermined Change Control Plans (PCCP), promovido por la FDA para gestionar de forma anticipada los cambios en modelos de aprendizaje continuo. Esta idea guarda gran similitud con el enfoque del Anexo 22 sobre la gestión del reentrenamiento de modelos, considerado un cambio regulado dentro del sistema de calidad.
Tanto la FDA como la EMA reconocen la importancia de un ciclo de vida controlado del modelo, de la evaluación de riesgos específicos asociados a sistemas de IA y de la necesidad de explicabilidad en las decisiones algorítmicas. Aunque la FDA aún no ha emitido una norma vinculante como el Anexo 22, sus documentos orientativos avanzan en la misma dirección y sientan las bases para una futura convergencia internacional.
La MHRA, por su parte, ha desarrollado una posición clara respecto al uso de software basado en inteligencia artificial como dispositivo médico. Este enfoque se caracteriza por un fuerte énfasis en la necesidad de transparencia, rendición de cuentas y supervisión rigurosa del comportamiento de los algoritmos. Esta visión se recoge, entre otros documentos, en el informe “Software and AI as a Medical Device Change Programme – Roadmap” (MHRA, 2021), donde se establece una hoja de ruta para el desarrollo de marcos regulatorios adaptativos aplicables a soluciones digitales inteligentes en salud.
Entre los elementos comunes con el Anexo 22, destaca la insistencia en la explicabilidad de los modelos, la gobernanza formal del sistema y el control del ciclo de vida del software con IA. Ambos marcos reconocen que, en contextos críticos para la salud humana, la implementación de IA no puede producirse sin mecanismos de validación robustos, evidencia reproducible de rendimiento y supervisión humana efectiva.
Además, tanto la MHRA como la EMA apuntan hacia la necesidad de estructuras regulatorias adaptables, capaces de acompañar la evolución de sistemas de aprendizaje continuo sin perder el control. Aunque el ámbito de aplicación de la MHRA se centra más específicamente en dispositivos médicos, su aproximación técnica y ética resulta plenamente compatible con el espíritu del Anexo 22, contribuyendo a una visión armonizada sobre el uso responsable de la IA en salud.
Existe una convergencia notable entre los distintos marcos regulatorios internacionales en torno a los principios clave que deben regir el uso de inteligencia artificial en entornos sanitarios: la gestión del riesgo, la gobernanza responsable, el control del ciclo de vida de los modelos y la trazabilidad de sus decisiones. Estas coincidencias no son accidentales, sino que reflejan una visión compartida sobre cómo hacer que la innovación tecnológica conviva con los más altos estándares de calidad y seguridad.
Sin embargo, hay diferencias importantes en la aplicabilidad de cada marco. El Anexo 22 se sitúa como el primer marco normativo obligatorio, detallado y transversal que regula el uso de la IA en todos los procesos GxP. Mientras que otros documentos como los de la FDA o la MHRA se mantienen, por ahora, en el plano conceptual o enfocados a sectores concretos como los dispositivos médicos, el Anexo 22 consolida una visión práctica y operativa que puede servir como referente para la futura armonización global.
Así, Europa no solo lidera desde el punto de vista regulador, sino que abre una senda valiente y necesaria hacia una industria biofarmacéutica capaz de integrar tecnologías avanzadas sin comprometer sus principios fundamentales.
Tabla 4. EMA / Anexo 22 vs FDA
| Elemento | EMA / Anexo 22 EU | FDA |
|---|---|---|
| Alcance | Todos los procesos GxP | Principalmente desarrollo clínico y dispositivos |
| Obligación | Anexo 22 es parte de GMP | GMLP y discussion papers: no vinculantes aún |
| Nivel de detalle técnico | Alto y aplicable en QA | En evolución; menos prescriptivo aún |
La inteligencia artificial promete revolucionar la operativa de la industria biofarmacéutica en múltiples frentes. En el ámbito del control de procesos en continuo (CPV) y las tecnologías analíticas de proceso (PAT), la IA permitirá avanzar hacia modelos de control predictivo que optimicen en tiempo real las condiciones de fabricación, anticipándose a desviaciones y asegurando una calidad constante.
Del mismo modo, se vislumbra un futuro en el que la liberación de lotes pueda ser asistida —o incluso automatizada— mediante modelos algorítmicos validados, que integren datos de calidad, parámetros de proceso y resultados de monitorización. Esta automatización, si se gobierna adecuadamente, no solo reducirá los tiempos de respuesta, sino que reforzará la robustez del proceso de toma de decisiones.
Asimismo, se espera que las herramientas de IA impulsen la revisión automatizada de grandes volúmenes de datos de producción, facilitando la identificación temprana de patrones de riesgo o desviaciones sistemáticas. Estas capacidades, aún emergentes, están alineadas con los principios de mejora continua y gestión del conocimiento que defiende el Anexo 22, y marcan una evolución natural hacia una fabricación más inteligente, proactiva y basada en evidencia.
La función de calidad se encuentra ante una transformación profunda de sus fundamentos operativos. La inspección retrospectiva, centrada en la revisión post-lote y la documentación histórica, dará paso progresivamente a una monitorización en tiempo real, que permitirá observar el comportamiento del proceso conforme se desarrolla, facilitando respuestas ágiles y decisiones fundamentadas.
Del mismo modo, el enfoque tradicional basado en el cumplimiento documental irá evolucionando hacia una mejora proactiva basada en datos, donde el análisis continuo de información permita detectar oportunidades de optimización, anticipar riesgos y fortalecer la cultura de calidad desde la evidencia. Ya no se trata únicamente de cumplir, sino de mejorar de forma constante e inteligente.
Además, se superará el modelo reactivo, centrado en la investigación de desviaciones una vez ocurridas, para abrazar un paradigma preventivo: el uso de modelos predictivos permitirá identificar patrones de fallo antes de que impacten en el producto, convirtiendo a la inteligencia artificial en una aliada estratégica de la prevención. En este nuevo escenario, la calidad no será sólo vigilancia: será anticipación, aprendizaje y liderazgo.
Tabla 5. El aseguramiento de la calidad pasará de ser un sistema reactivo y documental, a uno predictivo, digital y basado en datos en tiempo real.
Antes (modelo tradicional) | Futuro (IA + Anexo 22) |
|---|---|
Verificación manual | Validación continua del modelo y decisiones automatizadas. |
Revisión post-lote | Monitorización en tiempo real y análisis preventivo. |
CAPAs reactivas | Modelos predictivos para prevenir desviaciones. |
Enfoque en cumplimiento | Equilibrio entre cumplimiento, innovación y agilidad. |
La transformación que plantea el Anexo 22 también exige una evolución profunda de las competencias profesionales en el ámbito regulado. Los perfiles de calidad (QA) y asuntos regulatorios (RA) deberán adquirir conocimientos fundamentales sobre inteligencia artificial y aprendizaje automático, no para convertirse en desarrolladores, sino para poder comprender, evaluar y validar el funcionamiento de modelos algorítmicos dentro del marco GxP.
Junto a esta base técnica, resultará indispensable desarrollar habilidades en gestión de datos, comprendiendo tanto los aspectos de integridad, trazabilidad y estructura, como la capacidad de interpretar la salida de modelos complejos y garantizar su explicabilidad. Estas competencias permitirán mantener la transparencia y el control sobre decisiones asistidas por IA.
Además, se requerirá una nueva actitud de liderazgo colaborativo. Será esencial contar con la capacidad de dirigir o integrarse en equipos interdisciplinares, donde converjan perfiles de IT, ciencia de datos, operaciones y calidad. Adoptar un enfoque basado en ciencia y riesgo no solo facilitará la integración de tecnologías avanzadas, sino que posicionará a los profesionales del ámbito regulado como impulsores estratégicos de la innovación segura.
La IA bien gobernada potencia el juicio experto, no lo reemplaza. Para los profesionales del sector, se abre un escenario donde la calidad digital, la innovación responsable y la colaboración estratégica serán los pilares del futuro.
El Anexo 22 de las GMP europeas representa un cambio de paradigma: regula lo que hasta ahora era opaco, y ofrece las herramientas para integrar la IA en entornos GxP con garantías. Es un anexo técnico, exigente y transformador, que redefine el sistema de calidad farmacéutico y proyecta a Europa como referencia internacional.
Frente a él, las compañías pueden optar por el inmovilismo o por el liderazgo. Y serán los profesionales de calidad, cumplimiento y digitalización quienes lideren esta transición, convirtiendo el reto regulador en una oportunidad para construir la industria biofarmacéutica del futuro.
La inteligencia artificial plantea preguntas complejas, pero también ofrece respuestas audaces si sabemos formularlas desde la experiencia y el conocimiento. Este nuevo marco regulador no solo traza líneas rojas: marca caminos posibles. El futuro de la calidad en la industria farmacéutica será digital, transversal y fundamentado en ciencia y datos, pero también será humano, ético y con propósito. Y quienes sepan integrar ambas dimensiones, técnica y humanista, serán los arquitectos de una nueva era para el medicamento y la salud global.