A Estrutura de Validação Regulatória

Uma estrutura de validação para IA em estudos clínicos é o conjunto de regras, artefatos e etapas de verificação que tornam uma decisão assistida por IA reconstruível e defensável sob inspeção. A estrutura a seguir propõe uma construída sobre uma única primitiva: um certificado de prova produzido no momento da decisão, condicionado por verificação determinística e atestado por um humano nomeado. O modelo propõe. A prova dispõe.

A inteligência artificial está entrando nas operações de estudos clínicos em ritmo acelerado. A redação regulatória assistida por IA, a análise preditiva de elegibilidade de pacientes e a coordenação de conformidade multijurisdicional já não são especulativas. Estão em produção. Os paradigmas de validação que governam esses sistemas, porém, permanecem ancorados em estruturas concebidas para dispositivos diagnósticos e software como dispositivo médico, não para sistemas de orquestração que redigem, verificam e coordenam os documentos e as decisões de um estudo entre jurisdições, do protocolo e da papelada de ativação até os eventos de consentimento e o encerramento. Essa categoria é o que a NexTrial chama de Trial Activation Intelligence.

Este documento propõe uma estrutura de validação para essa lacuna. É uma proposta de arquitetura destinada à crítica, ao refinamento e ao codesenvolvimento com a comunidade de assuntos regulatórios, não uma especificação de produto e não uma alegação de endosso regulatório.

Uma nota sobre postura. Nada aqui afirma ou implica endosso da NexTrial por qualquer regulador, agência, organismo de normalização ou indivíduo, nem conformidade com qualquer norma nomeada. Os instrumentos regulatórios são citados para mostrar alinhamento de projeto, não certificação. Os benefícios são declarados como intenção de projeto. A metodologia descrita é alinhada a GxP, não validada em GxP. Os instrumentos são citados como em vigor na data de publicação; qualquer sistema operacional acompanha o texto atual, e não a citação aqui impressa.

A lacuna: validação da era dos dispositivos encontra a IA da era da orquestração

A linha de base dos Estados Unidos para integridade de dados em registros regulados é a 21 CFR Parte 11, e ela antecede os sistemas agora em questão. A manifestação mais direta do FDA sobre IA neste domínio, a orientação preliminar Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making for Drug and Biological Products, foi emitida em janeiro de 2025 e permanece preliminar. Ela se apoia em uma estrutura de avaliação de credibilidade baseada em risco, de sete passos, ancorada no Contexto de Uso de um modelo: a descrição de onde, e para quê, a saída de um modelo é confiável.

Essa espinha de Contexto de Uso é importante, e esta estrutura a adota diretamente. Mas a orientação preliminar reserva de seu escopo a IA usada para eficiência operacional interna, quando o uso não afeta a segurança do participante, a qualidade do medicamento ou a confiabilidade dos resultados, e não especifica como uma camada de verificação determinística que condiciona saídas reguladas é ela própria validada. Um sistema que produz submissões regulatórias, prediz trajetórias de pacientes para elegibilidade ou impõe conformidade entre jurisdições afeta diretamente a confiabilidade dos resultados. Ele está dentro da preocupação da orientação. Ainda não é tratado pela mecânica da orientação.

A UE avançou mais em uma direção. O Regulamento de IA da UE (EU AI Act) classifica a IA de saúde relevante como de alto risco e impõe obrigações de avaliação de conformidade, documentação técnica, gestão de riscos e monitoramento pós-mercado sob os Artigos 9 a 14. Mas oferece orientação limitada sobre como a verificação formal, prova matemática em vez de estimativa estatística, se mapeia na avaliação de conformidade.

O resultado é um campo convergindo para uma única pergunta, de todas as jurisdições ao mesmo tempo:

Quando um inspetor pergunta como uma decisão assistida por IA foi tomada, qual artefato responde?

A tese: a camada de verificação é a camada de admissibilidade

Toda estrutura regulatória que governa a IA clínica repousa sobre um requisito comum. Uma decisão regulada deve ser reconstruível, dos dados-fonte, passando pela lógica da decisão, até a regra que a produziu, no momento em que um inspetor pergunta. O requisito aparece na 21 CFR Parte 11, no ALCOA+, no ICH E6(R3), nos Artigos 11, 12, 13 e 14 do EU AI Act, na Resolução CFM 2.454/2026 do Brasil e nas New Drugs and Clinical Trials Rules, 2019, da Índia. A formulação varia. O requisito arquitetural não.

Dois padrões dominam atualmente a implantação de IA na pesquisa clínica.

🔹 O primeiro trata a saída do modelo como o artefato regulado e aplica uma sobreposição de conformidade depois do fato.
🔹 O segundo trata a saída do modelo como uma proposta que deve ser condicionada por verificação determinística antes de se tornar o artefato regulado.

Somente o segundo padrão é admissível sob as estruturas nomeadas acima, independentemente da acurácia, da confiança ou da metodologia de treinamento do modelo. Uma sobreposição de conformidade aplicada depois do fato documenta uma decisão que já foi tomada probabilisticamente. Um portão determinístico produz a decisão como uma operação verificável já de início.

A regra que governa o restante desta estrutura decorre dessa distinção: o modelo propõe; a prova dispõe. A camada de verificação, não o modelo, produz o artefato regulado. Um modelo probabilístico é admissível como participante do fluxo de decisão apenas porque é condicionado por uma conferência determinística que não pode contornar. Tudo o que um inspetor ou um comitê de ética vê é produzido pela camada de verificação determinística, não pelo substrato probabilístico que a alimentou.

A primitiva: o certificado de prova de oito propriedades

A primitiva arquitetural central da estrutura é o certificado de prova: um artefato estruturado produzido no momento em que uma decisão assistida por IA é tomada. Ele é especificado para conter oito propriedades.

🔹 1. Regra invocada. A regra específica, por fonte, citação e versão: uma disposição regulatória, um critério de protocolo, um passo de POP ou um requisito jurisdicional.
🔹 2. Valores verificados. Os valores exatos de paciente, protocolo, centro ou operacionais conferidos, listados em vez de resumidos, atribuíveis à fonte.
🔹 3. Operação de verificação. O procedimento determinístico que retornou aprovação ou reprovação sobre esta decisão específica, inspecionável e reproduzível.
🔹 4. Declaração de limite. O que a operação não conferiu, e os fatores de juízo humano reservados ao humano responsável.
🔹 5. Classificação de risco. A classe de risco da decisão, congelada no momento da decisão, que indexa o rigor aplicado e a cadência de reverificação.
🔹 6. Identidade do revisor humano. A identidade e o papel do humano que atestou, vinculados ao atesto.
🔹 7. Registro de override e escalonamento. Se o humano aceitou, rejeitou ou pediu revisão, com qualquer justificativa de override e qualquer escalonamento.
🔹 8. Evidência, não substituição. Uma declaração explícita de que a operação é evidência apresentada ao revisor, não uma substituição do juízo independente do revisor.

O artefato é reproduzível, inspecionável e projetado para ser admissível sob inspeção. Um score de confiança não é nenhuma dessas coisas. Ele não pode satisfazer a rastreabilidade da 21 CFR Parte 11, a integridade de dados do ALCOA+, a verificação de fonte do ICH E6(R3), os Artigos 11, 12, 13 e 14 do EU AI Act, nem os requisitos análogos da Resolução CFM 2.454/2026 do Brasil e das NDCTR 2019 da Índia.

Uma palavra precisa sobre o que um certificado de prova afirma, porque a precisão é o ponto. Ele prova propriedades estruturais: que os campos exigidos estão presentes, que as referências resolvem, que não há contradições estruturais, que limites de segurança definidos se sustentam para uma saída específica. Ele não prova que uma saída está clínica ou regulatoriamente correta no sentido semântico. Esse juízo permanece com a verificação regulatória e, por fim, com o humano. O valor do certificado não é certificar correção. É produzir um registro determinístico, verificável de forma independente e à prova de adulteração, de exatamente o que foi verificado e o que não foi.

As recomendações especificam um artefato e um esquema, não um fornecedor. Qualquer sistema que produza um certificado conforme satisfaz o padrão, resembla ou não a NexTrial.

Os três portões

O certificado é produzido por uma sequência de três portões de verificação. Cada portão é um substrato diferente, e essa diferença é deliberada.

🔹 Portão 1 — Conformidade regulatória específica da jurisdição. Um motor regulatório determinístico confere a decisão proposta contra os requisitos codificados da jurisdição governante. A verificação é disparada pela jurisdição do centro que uma saída governa, não aplicada como uma lista de checagem universal. É aqui que uma regulação se torna uma conferência computável.
🔹 Portão 2 — Prova estrutural formal. Um passo de verificação formal produz um certificado de prova que ou tem sucesso ou falha, sem meio-termo probabilístico, sobre as propriedades estruturais da saída. Isto é prova matemática de estrutura, não estimativa estatística de qualidade.

O Portão 2, a camada de prova formal, está em produção e em primeira validação agora. O restante da estrutura é descrito como intenção de projeto.

🔹 Portão 3 — Atesto humano obrigatório. Um humano nomeado revisa a evidência e atesta. O atesto é vinculado ao registro. O humano é o ponto de responsabilização, e o certificado é projetado para tornar o juízo do humano mais bem informado, não para reduzi-lo ou substituí-lo.

Ao longo do desenvolvimento, dois princípios surgiram repetidamente e agora organizam toda a estrutura.

A classificação de risco é a primitiva arquitetural. O rigor aplicado em cada portão, a cadência de reverificação e o nível de atesto humano exigido são todos indexados a uma classe de risco atribuída e congelada no momento da decisão. Uma decisão de alto risco e uma de baixo risco não recebem o mesmo tratamento, e o registro mostra qual foi aplicado.

A verificação por IA é evidência, não substituição. O certificado de prova é evidência a montante que um inspetor ou auditor consome. Ele não reduz o ônus do revisor humano. Esta é a correção mais estruturante do chavão "humano no circuito": a supervisão é exercida sobre uma decisão, não sobre uma probabilidade. Um revisor não pode validar significativamente um 0,918. Um revisor pode validar uma verificação cláusula por cláusula.

Por que a evidência precisa ser não correlacionada

Duas propriedades tornam a camada de verificação confiável em vez de meramente presente.

Evidência não correlacionada. Os três portões são substratos independentes que falham de maneiras diferentes. Uma conferência determinística de regras pode errar de formas que uma prova estrutural formal pegaria. Uma prova estrutural pode passar em uma determinação que um humano rejeitaria. Um humano pode captar o que nenhuma operação de máquina foi escopada para ver. Evidência extraída de substratos que falham de formas diferentes é defensável de um modo que um único score autorrelatado não é.

Um score de confiança oferece o oposto. Ele é gerado pelo mesmo modelo cuja saída ele pontua, então herda os pontos cegos dessa saída. É evidência correlacionada vestindo o rótulo de uma conferência. Boa parte do que se apresenta na IA clínica como controle de qualidade, um agente conferindo outro agente treinado nos mesmos dados, tem o mesmo defeito.

Limites estruturais, não filtros aparafusados. O modelo na camada proponente é restrito a operações não criativas e verificáveis, de modo que a manipulação fica fora do envelope de operação em vez de ser filtrada depois do fato. Um modelo de propósito geral aparafusa um filtro de recusa sobre um núcleo criativo; a capacidade permanece e o filtro é um palpite probabilístico sobre o que suprimir. Restringir o envelope de operação é uma garantia mais forte do que filtrar sua saída. A arquitetura é projetada para não armazenar documentos e não capturar dados de pacientes além do que uma operação de verificação exige, o que mantém a superfície de ataque deliberadamente pequena.

Prova versus legitimidade: validação sob aprendizado contínuo

A pergunta mais difícil ao validar IA adaptativa é o que "validado" sequer significa quando o sistema continua aprendendo. A estrutura a responde vinculando a prova a um estado do sistema, não a um modelo.

Uma decisão e sua prova são fixadas num ponto no tempo. A prova atesta a regulação, o protocolo e o estado do sistema exatos em vigor quando a decisão foi tomada. O sistema continua aprendendo, mas a prova se sustenta para o que certificou. Para manter isso verdadeiro, cada prova deve permanecer reconstruível e defensável após qualquer uma de três coisas mudarem por baixo dela: a regulação, o protocolo ou o próprio sistema.

O mecanismo tem três partes:

🔹 Uma impressão digital de estado assinada que fixa a regulação, o protocolo e o estado do sistema exatos no momento da decisão.
🔹 Uma linhagem bitemporal que distingue quando um fato foi verdadeiro no mundo de quando o sistema o registrou, para que uma decisão possa sempre ser reproduzida contra o estado que a produziu.
🔹 Um envelope de mudança predeterminado que limita como o sistema adaptativo pode evoluir mantendo-se auditável, consistente com a direção do Predetermined Change Control Plan do FDA.

Disto vem uma distinção que a estrutura trata como fundamental: prova é o que era verdadeiro de um estado no momento da decisão; legitimidade é o que permanece verdadeiro à medida que regras, protocolos e contexto seguem em frente. Uma prova pontual não decai à medida que o mundo muda. Ela se sustenta para o estado que certificou. Um modelo de "dois relógios" nomeia quando a recertificação é exigida para que uma decisão permaneça defensável hoje, separando o relógio da decisão do relógio do mundo.

Toda prova é delimitada dentro de um Contexto de Uso declarado, a descrição de onde e para quê uma dada capacidade é confiável. Essa delimitação não é uma limitação a se lamentar. É o escopo honesto da alegação.

Jurisdição como dimensão de primeira classe

A arquitetura é global por construção. Uma nova jurisdição não é uma nova plataforma. É um novo adaptador que codifica os instrumentos daquele regime. A superfície de requisitos de que cada adaptador se vale é deliberadamente específica.

🔹 Estados Unidos (FDA). 21 CFR Partes 11, 50, 54, 56, 312, 314 e 601; ICH E6(R3) e E8(R1); e a trajetória de orientações de IA/ML do FDA, incluindo o Predetermined Change Control Plan e a orientação preliminar sobre IA para apoiar a tomada de decisão regulatória. A orientação finalizada Computer Software Assurance ancora a metodologia de garantia. A HIPAA governa as informações de saúde protegidas quando aplicável.
🔹 União Europeia (EMA / autoridades nacionais competentes). Regulamento (UE) nº 536/2014, o Clinical Trials Regulation, submetido pelo CTIS; GDPR, com peso particular nos Artigos 6 e 9; ICH E6(R3); e o EU AI Act, que impõe obrigações de avaliação de conformidade e documentação técnica à IA de saúde de alto risco sob os Artigos 9 a 14.
🔹 Brasil (ANVISA / CFM). Lei nº 14.874/2024, que governa a condução de estudos; o caminho do dossiê regulatório da ANVISA; a Resolução CFM 2.454/2026, que governa a IA na prática médica e exige explicabilidade, rastreabilidade da decisão, supervisão humana registrada e uma decisão final humana, publicada em fevereiro de 2026 e com vigência a partir de agosto de 2026; e a LGPD. Sua relevância aqui é por princípio: ela torna a rastreabilidade em nível de decisão uma expectativa regulatória explícita, que é precisamente o que um certificado de prova produz. A importância do Brasil não é a complexidade regulatória. É que o Brasil legislou segurança jurídica e tornou essa expectativa explícita.
🔹 Índia (CDSCO). As New Drugs and Clinical Trials Rules, 2019, promulgadas sob o Drugs and Cosmetics Act, 1940; as diretrizes indianas de GCP; e o Digital Personal Data Protection Act, 2023.
🔹 Reino Unido (MHRA). A estrutura atualizada de estudos clínicos do Reino Unido, em vigor desde 28 de abril de 2026, com submissões pelo IRAS; UK GDPR e Data Protection Act 2018; e o ICH E6(R3) como padrão de GCP.

Um único certificado de prova conforme é projetado para renderizar contra cada um desses padrões evidenciais a partir de uma representação canônica, em vez de produzir um artefato separado por jurisdição. E porque uma regra é uma regra independentemente de sua fonte, a mesma operação determinística se aplica quer a regra seja uma regulação, uma disposição de protocolo, um passo procedimental ou um requisito específico da jurisdição. Um artefato de confiabilidade abrange todas as quatro sem um regime evidencial separado para cada uma.

Por que isto é urgente agora: a trajetória em tempo real

A direção do movimento agudiza a pergunta arquitetural em vez de suavizá-la.

Em abril de 2026 o FDA anunciou uma iniciativa para avançar estudos clínicos em tempo real, combinando estudos de prova de conceito em oncologia que reportam desfechos e sinais de segurança continuamente com uma solicitação de informações sobre um programa piloto proposto para otimização, habilitada por IA, de estudos clínicos de fase inicial. Essa solicitação, Docket nº FDA-2026-N-4390 (91 FR 23100, 29 de abril de 2026), é o documento que esta estrutura foi escrita para acompanhar.

Sua significância para a arquitetura de verificação é estrutural. Quando um inspetor pode ver uma decisão à medida que ela é tomada, a distância entre uma decisão e sua inspeção comprime-se para perto de zero. A verificação procedimental, que documenta conformidade depois do fato, não consegue operar nessa cadência. A verificação determinística, que produz um artefato inspecionável no momento da decisão, consegue. Estudos em tempo real não tornam a verificação arquitetural opcional. Tornam-na o único tipo que acompanha o ritmo.

A estrutura é um convite, não uma conclusão

Esta estrutura é deliberadamente aberta nas questões que sua própria arquitetura não pode resolver sozinha. A central lidera todas as demais:

Quem certifica que a codificação de uma regulação em uma conferência computável está correta?

Esse é o principal problema não resolvido da estrutura. Um certificado de prova pode provar que uma regra codificada foi aplicada fielmente a valores específicos. Não pode, por si só, provar que a codificação da regulação numa forma verificável por máquina foi uma leitura fiel da regulação em primeiro lugar. Essa certificação exige um fórum que ainda não existe, um que inclua reguladores, comitês de ética, investigadores principais, metodologistas e líderes regulatórios multijurisdicionais juntos.

Outras questões permanecem genuinamente abertas: como validar adaptadores específicos de jurisdição quando as regras de cada região atualizam em ciclos independentes; como um sistema permanece validado ao longo de atualizações de modelo, mudanças regulatórias e deriva de dados; como as ferramentas de elegibilidade por IA evitam amplificar iniquidades de recrutamento existentes; como os artefatos de prova interoperam através de fronteiras na ausência de um acordo de reconhecimento mútuo para decisões clínicas assistidas por IA; e como a responsabilidade é repartida quando uma decisão assistida por IA está errada. Sobre este último ponto, a resposta da arquitetura é a própria declaração de limite: se o certificado registra o que a máquina verificou e não verificou, e reserva o restante a um humano nomeado, então a responsabilidade segue o limite em vez de desaparecer numa ambiguidade de cinco partes.

O objetivo é estabelecer um padrão de validação por meio de colaboração, antes que o cenário regulatório mande um retroativamente e a indústria corra para cumprir. O desacordo é o trabalho.

Comprovadamente certo, não provavelmente certo. Um conjunto definido de propriedades estruturais provado sem meio-termo probabilístico, e todo juízo restante gerido por controles baseados em risco e atesto humano responsável. Esse é o padrão que a estrutura propõe. O certificado é como ele é mantido.

Perguntas frequentes

O que é uma estrutura de validação regulatória para IA em estudos clínicos?
É o conjunto de regras, artefatos e etapas de verificação que tornam uma decisão clínica assistida por IA reconstruível e defensável sob inspeção regulatória. Esta estrutura propõe uma construída sobre um certificado de prova produzido no momento da decisão, condicionado por verificação determinística e atestado por um humano nomeado, de modo que qualquer decisão regulada possa ser reconstruída sob demanda.

Quais são os três portões de verificação?
O Portão 1 é a verificação de conformidade regulatória específica da jurisdição por um motor regulatório determinístico. O Portão 2 é a prova estrutural formal que produz um certificado de prova de aprovação ou reprovação sem meio-termo probabilístico. O Portão 3 é o atesto obrigatório por um humano nomeado, que permanece o ponto de responsabilização.

Como a estrutura valida IA que continua aprendendo?
A prova é vinculada a um estado do sistema em vez de a um modelo, usando uma impressão digital de estado assinada, uma linhagem bitemporal e um envelope de mudança predeterminado. Uma prova pontual se sustenta para a regulação, o protocolo e o estado do sistema exatos que certificou, e um modelo de dois relógios determina quando uma decisão exige recertificação para permanecer defensável.

Esta estrutura alega endosso do FDA ou da EMA?
Não. É uma proposta de arquitetura oferecida sob uma postura de engajamento, não endosso. Os instrumentos regulatórios são citados para mostrar alinhamento de projeto. A metodologia é descrita como alinhada a GxP, não validada em GxP, e nenhuma certificação regulatória é alegada.

Como a estrutura lida com múltiplas jurisdições?
A jurisdição é tratada como dimensão de primeira classe. Cada jurisdição é um adaptador distinto que codifica os instrumentos daquele regime, do FDA e do EU AI Act à ANVISA, CFM 2.454/2026, CDSCO e MHRA. Um único certificado de prova conforme é projetado para renderizar contra o padrão evidencial de cada jurisdição a partir de uma representação canônica.

Como um certificado de prova difere de um score de confiança?
Um score de confiança reporta a certeza interna do modelo e é gerado pelo mesmo modelo cuja saída ele pontua, então herda os pontos cegos dessa saída. Um certificado de prova registra a regra, os valores, a operação determinística, o limite, a classe de risco e o atesto humano para uma decisão específica, e é reproduzível sob inspeção. Ver Comprovadamente Certo, Não Provavelmente Certo.

Esta estrutura reflete o trabalho da equipe técnica e regulatória da NexTrial e dos profissionais de assuntos regulatórios, ética e operações clínicas que a pressionaram por meio de codesenvolvimento público em 2026. As contribuições são individuais e não implicam endosso institucional. As capacidades são descritas como intenção de projeto. Correspondência: Steven Thompson, Fundador e CEO, NexTrial.ai.