{"id":42353,"date":"2023-11-01T09:59:01","date_gmt":"2023-11-01T15:59:01","guid":{"rendered":"https:\/\/saluddigital.com\/?p=42353"},"modified":"2025-10-19T00:20:15","modified_gmt":"2025-10-19T06:20:15","slug":"principios-para-el-desarrollo-de-buenas-practicas-en-aprendizaje-automatico-o-machine-learning","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/principios-para-el-desarrollo-de-buenas-practicas-en-aprendizaje-automatico-o-machine-learning\/","title":{"rendered":"Principios para el desarrollo de buenas pr\u00e1cticas en aprendizaje autom\u00e1tico o machine learning"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Los principios rectores para planes de control de cambios predeterminados en dispositivos m\u00e9dicos habilitados para aprendizaje autom\u00e1tico.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En octubre de 2023, la Administraci\u00f3n de Alimentos y Medicamentos de Estados Unidos (FDA, en ingl\u00e9s), Health Canada y la Agencia Reguladora de Productos Sanitarios y Medicamentos del Reino Unido (MHRA, en ingl\u00e9s) publicaron un conjunto de principios que ofrecen orientaci\u00f3n sobre el desarrollo de Buenas Pr\u00e1cticas de Aprendizaje Autom\u00e1tico (GMLP, en ingl\u00e9s). Estos principios respaldan la creaci\u00f3n de tecnolog\u00edas de inteligencia artificial (IA)\/aprendizaje autom\u00e1tico seguras, efectivas y de alta calidad que pueden aprender del uso en el mundo real y, en algunos casos, mejorar el rendimiento del dispositivo.<\/p>

En este documento, estas entidades conjuntamente identificaron cinco principios gu\u00eda para los planes de control de cambios predeterminados. Estos principios se basan en los diez principios rectores de GMLP publicados en 2021<\/strong><\/a>, especialmente en el principio 10 que establece que los modelos desplegados se monitorean y se gestionan los riesgos de reentrenamiento.<\/p>

El avance de las tecnolog\u00edas de salud digital incluye dispositivos m\u00e9dicos habilitados para IA\/aprendizaje autom\u00e1tico (DMIA, en ingl\u00e9s). Las expectativas regulatorias que se alinean con las mejores pr\u00e1cticas para el desarrollo y la gesti\u00f3n de cambios, como se describen en los Principios Rectores de GMLP, pueden contribuir a mantener la calidad de estos dispositivos. Esto puede llevar a beneficios para los pacientes, como un acceso m\u00e1s temprano a tecnolog\u00edas innovadoras o diagn\u00f3sticos m\u00e1s precisos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El proceso de gesti\u00f3n de cambios ayuda a garantizar la seguridad y eficacia continuas de los dispositivos ante cambios a lo largo del ciclo de vida total del producto. Sin embargo, ciertos cambios en los DMIA, como modificaciones en un modelo o algoritmo, pueden ser sustanciales o significativos, lo que puede requerir supervisi\u00f3n regulatoria adicional, como una revisi\u00f3n previa al mercado. Estas expectativas regulatorias no siempre coinciden con el ritmo r\u00e1pido del desarrollo de DMIA.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

A nivel internacional, la comunidad de dispositivos m\u00e9dicos est\u00e1 debatiendo el uso de planes de control de cambios predeterminados (PCCP, en ingl\u00e9s) como una forma de gestionar ciertos cambios en dispositivos que normalmente requieren autorizaci\u00f3n regulatoria antes de su comercializaci\u00f3n.<\/p>

De esta manera, los PCCP pueden ser utilizados para:<\/p>