AI nel pharma, le nuove priorità regolatorie EMA

EMA rafforza il coordinamento delle linee guida sull'intelligenza artificiale, prepara nuove indicazioni per lo sviluppo clinico e definisce un modello di governance basato sul rischio. Gli aggiornamenti di ottobre e novembre delineano le priorità per industria e autorità regolatorie.

0
43

L’Agenzia europea per i medicinali sta definendo un quadro più articolato per l’impiego dell’intelligenza artificiale nello sviluppo, nella produzione e nella regolazione dei medicinali. I documenti pubblicati tra ottobre e novembre 2026 mostrano un’attività che coinvolge contemporaneamente linee guida scientifiche, interoperabilità dei dati, controllo dei sistemi e coordinamento tra autorità regolatorie.

Due aggiornamenti permettono di ricostruire le priorità di questo lavoro: il resoconto della riunione del gruppo HMA-EMA con gli stakeholder industriali del 5 ottobre, pubblicato il 14 ottobre, e la pagina istituzionale sulla governance dell’AI, resa disponibile l’11 novembre. A questi si affianca il rapporto sul workshop dedicato all’Annex 22, che approfondisce le condizioni di utilizzo dei modelli AI nelle attività GMP.

Il quadro che emerge riguarda un interrogativo concreto per l’industria farmaceutica: quali evidenze, responsabilità e strumenti di controllo occorrono per utilizzare l’AI in attività che contribuiscono allo sviluppo del medicinale o alle decisioni sulla sua qualità?

Linee guida coordinate lungo il ciclo di vita

Una delle novità illustrate nel resoconto HMA-EMA è l’istituzione dell’AI Guidance Coordination Group, incaricato di favorire la coerenza delle diverse iniziative regolatorie dedicate all’intelligenza artificiale.

Il gruppo mantiene una visione complessiva delle attività in corso, identifica possibili sovrapposizioni e lacune, contribuisce al coordinamento con la Commissione europea e sostiene l’allineamento delle linee guida applicabili alle diverse fasi del ciclo di vita del medicinale.

Non assume il compito di redigere o approvare direttamente i documenti, che rimane attribuito agli organismi scientifici e ai gruppi di lavoro competenti.

La distinzione è importante. L’AI viene impiegata in contesti molto diversi, dalla selezione dei candidati nello sviluppo preclinico all’analisi dei dati clinici, fino al controllo dei processi produttivi e alla farmacovigilanza. Le specificità di ciascun ambito richiedono indicazioni adeguate, ma alcuni principi devono restare comuni.

Il confronto di ottobre ha infatti affrontato la possibilità di sviluppare una guida orizzontale sulle buone pratiche di machine learning, da affiancare ai documenti destinati ai singoli ambiti applicativi.

L’obiettivo è costruire aspettative regolatorie coerenti su aspetti trasversali come qualità dei dati, valutazione del rischio, affidabilità dei modelli, documentazione e controllo durante l’utilizzo.

Sviluppo clinico, una guida in preparazione

Un secondo aggiornamento riguarda l’AI nello sviluppo clinico.

Durante la riunione HMA-EMA, i rappresentanti delle autorità hanno riferito che è in preparazione un concept paper destinato a precedere la consultazione pubblica su nuove indicazioni per l’impiego dell’intelligenza artificiale nella ricerca clinica.

Il lavoro si inserisce in un contesto nel quale gli strumenti AI possono intervenire nella selezione dei pazienti, nell’elaborazione di endpoint digitali, nella costruzione di modelli prognostici e nell’analisi di dati provenienti da fonti differenti.

Tra le applicazioni discusse figurano anche dati sintetici, controlli esterni e digital twin, il cui possibile utilizzo richiede una definizione precisa del contesto regolatorio.

Le aspettative relative alle evidenze scientifiche possono infatti variare in funzione dello scopo: uno strumento impiegato per organizzare informazioni a supporto della progettazione di uno studio presenta implicazioni differenti rispetto a un modello il cui risultato contribuisce alla valutazione dell’efficacia di un trattamento.

Le associazioni industriali stanno preparando contributi tecnici sui principali aspetti da chiarire: classificazione del rischio, proporzionalità delle verifiche, validazione, documentazione, utilizzo di strumenti sviluppati da terzi e controllo dei sistemi adattivi.

Secondo il resoconto, la guida sullo sviluppo clinico e quella orizzontale sui principi generali del machine learning dovrebbero procedere parallelamente, con contenuti complementari.

Si tratta ancora di attività preparatorie: il documento di ottobre non introduce nuovi requisiti applicabili agli studi clinici.

Interoperabilità dei dati e utilizzo regolatorio dell’AI

Il confronto tra autorità e industria ha dedicato particolare attenzione alla disponibilità e all’interoperabilità dei dati regolatori.

L’utilizzo dell’AI dipende anche dalla possibilità di accedere a informazioni strutturate, riutilizzabili e comprensibili dai sistemi informatici. Tra le fonti considerate figurano i dati pubblici del Clinical Trials Information System (CTIS), gli European Public Assessment Reports (EPAR), le informazioni sui medicinali e i sistemi di farmacovigilanza.

In quest’ultimo ambito sono state discusse applicazioni per la prioritizzazione dei segnali di sicurezza, il raggruppamento di casi, l’identificazione di tendenze e l’analisi multilingue delle informazioni, mantenendo la supervisione scientifica e le responsabilità decisionali.

La discussione ha riguardato anche riservatezza, trasparenza e protezione delle informazioni proprietarie trasmesse dagli sponsor.

EMA ha richiamato il lavoro in corso sull’EMRN Data Standards Framework e le future attività relative a un Data Analytics Framework.

Per le aziende farmaceutiche, questi sviluppi evidenziano l’importanza della qualità e dell’organizzazione del patrimonio informativo. La disponibilità di un modello AI non garantisce, da sola, che i dati necessari siano sufficientemente affidabili, accessibili o adeguati all’uso previsto.

La governance EMA parte dalla valutazione del rischio

L’11 novembre EMA ha pubblicato una pagina dedicata alla propria organizzazione per la governance dell’intelligenza artificiale.

L’Agenzia descrive una struttura interna composta da un gruppo di coordinamento strategico e da un AI System Risk Management Group, con compiti operativi e consultivi per la valutazione dei sistemi che EMA intende adottare.

La valutazione è specifica per ciascun caso d’uso e considera le caratteristiche del sistema, il modello impiegato, i dati trattati e gli utilizzatori destinatari.

Tra gli elementi esaminati rientrano protezione dei dati personali, sicurezza delle informazioni, rischi etici, conformità giuridica, necessità e proporzionalità dell’impiego.

EMA chiarisce che l’introduzione degli strumenti richiede una valutazione preliminare approfondita.

Un ruolo specifico viene attribuito ai guardrails, controlli tecnici che operano sulle richieste e sulle risposte dei sistemi AI per limitarne comportamenti e risultati potenzialmente problematici.

L’Agenzia sta inoltre preparando un quadro di policy destinato a sostenere la transizione verso modalità operative supportate dall’AI e soggette a supervisione umana entro il 2030. La pubblicazione della policy è prevista entro la fine del 2026.

Queste indicazioni descrivono anzitutto il modello di governance interno dell’EMA. Costituiscono tuttavia un riferimento utile per comprendere quali aspetti le autorità considerino prioritari nell’adozione responsabile dei sistemi AI.

Applicazioni GMP e revisione dell’Annex 22

Parallelamente alle iniziative trasversali, prosegue il confronto sulle applicazioni AI nella produzione farmaceutica.

Il rapporto EMA pubblicato il 2 ottobre, relativo al workshop del 30 giugno e 1° luglio 2026, approfondisce la possibile revisione del campo di applicazione dell’Annex 22, il nuovo allegato GMP sull’intelligenza artificiale.

La versione sottoposta a consultazione nel 2025 era circoscritta ai modelli statici con output deterministico nelle applicazioni GMP critiche ed escludeva da tale ambito i modelli generativi, probabilistici, dinamici e adattivi.

I contributi successivamente raccolti hanno portato il gruppo di redazione a esaminare un’impostazione più ampia, nella quale l’accettabilità di un sistema possa essere valutata in funzione dell’uso previsto e della capacità di controllarne i rischi.

Il workshop ha approfondito sei aree: percorsi regolatori per modelli adattivi e probabilistici, limiti della mitigazione del rischio, supervisione umana, affidabilità tecnica, validazione durante il ciclo di vita e gestione della cybersecurity e delle attività esternalizzate.

Tra gli aspetti discussi figurano l’individuazione degli errori difficilmente rilevabili, la disponibilità di controlli indipendenti, la gestione degli aggiornamenti e la possibilità di riportare un processo in una condizione sicura quando il sistema AI presenta comportamenti anomali.

Particolare attenzione è stata dedicata alla responsabilità del produttore nell’impiego di modelli e servizi forniti da terzi, comprese le piattaforme cloud.

Il documento rappresenta un contributo alla revisione della proposta. Non costituisce un’approvazione dell’Annex 22 né autorizza automaticamente l’utilizzo di AI generativa o adattiva nelle applicazioni GMP critiche.

Per approfondire i requisiti di validazione e le evidenze necessarie, si rimanda all’articolo già pubblicato su MakingPharmaIndustry, Le evidenze per validare l’AI in ambito GMP.

Verso aspettative regolatorie più definite

Gli aggiornamenti EMA mostrano tre linee di lavoro convergenti: il coordinamento delle indicazioni scientifiche, la disponibilità di dati adeguati alle applicazioni AI e la definizione di sistemi di governance proporzionati al rischio.

Per l’industria farmaceutica, questa evoluzione interessa tanto i progetti di ricerca e sviluppo quanto le attività produttive e di qualità.

La scelta di adottare strumenti AI richiede di stabilire quali processi possano supportare, quali risultati debbano produrre, quali informazioni siano necessarie per verificarne le prestazioni e quali responsabilità rimangano in capo alle persone e alle organizzazioni coinvolte.

Il quadro regolatorio europeo è ancora in evoluzione. Le nuove indicazioni in preparazione dovranno chiarire diversi aspetti applicativi, soprattutto per i modelli che modificano il proprio comportamento e per quelli utilizzati in decisioni con conseguenze rilevanti sulla qualità del medicinale o sulla sicurezza dei pazienti.

Il percorso delineato dai documenti EMA indica comunque una priorità: costruire condizioni di utilizzo verificabili, nelle quali le prestazioni dei sistemi AI possano essere valutate e controllate nel tempo.

Fonti e riferimenti

  1. European Medicines Agency, Summary notes of the HMA-EMA group focused on AI with industry stakeholders. EMA/227688/2026, 13 ottobre 2026.
  2. European Medicines Agency, Artificial intelligence governance and policies. Pagina pubblicata l’11 novembre 2026.
  3. European Medicines Agency, Multistakeholder workshop on expert contributions to artificial intelligence guidance development (Annex 22). EMA/156789/2026, rapporto pubblicato il 2 ottobre 2026.

Vuoi trovare più facilmente MakingPharmaIndustry su Google?

Aggiungici alle tue fonti preferite