La regolamentazione britannica dei dispositivi medici basati sull’IA si avvia verso una revisione dell’intero ciclo di vita
Il Regno Unito ha proposto un importante cambiamento nella regolamentazione dei dispositivi medici basati sull’IA, dopo che una commissione indipendente ha raccolto testimonianze da oltre 12.000 persone. Invece di trattare l’approvazione come un singolo traguardo finale, la proposta monitorerebbe i sistemi di IA lungo tutta la loro vita operativa.
Il piano proviene dalla National Commission into the Regulation of AI in Healthcare, un panel di esperti istituito dalla Medicines and Healthcare products Regulatory Agency. La sua conclusione centrale è netta: norme concepite per dispositivi medici relativamente statici non sono adatte a software che cambiano a seconda di sedi, dati, aggiornamenti e flussi di lavoro clinici.
La commissione vuole che il Regno Unito sostituisca la garanzia una tantum con accesso graduale, evidenze dal mondo reale, supervisione continua e responsabilità più chiare in tutto il sistema sanitario. Questo crea il compromesso centrale. Le autorità di regolamentazione vogliono che i pazienti ricevano prima tecnologie utili, ma l’accesso anticipato deve accompagnarsi a limiti applicabili e a un monitoraggio affidabile.
La regolamentazione britannica dei dispositivi medici basati sull’IA andrebbe oltre l’approvazione una tantum
La commissione vuole che l’approvazione regolatoria diventi l’inizio della supervisione, non la sua conclusione.
La commissione ha pubblicato le sue raccomandazioni il 10 settembre 2026, dopo che l’MHRA l’aveva istituita nel settembre 2025. Era un organismo consultivo indipendente non previsto dalla legge, quindi il suo rapporto non modifica di per sé la normativa britannica.
Il governo e l’MHRA valuteranno le raccomandazioni prima di pubblicare una risposta formale. La distinzione conta perché il rapporto è un progetto guida, non un quadro normativo già in vigore.
Ciononostante, la proposta offre ai funzionari un percorso dettagliato. La sua prima raccomandazione chiede una revisione sistematica delle UK Medical Devices Regulations 2002. L’obiettivo è un quadro normativo adattato al software e ai prodotti abilitati dall’IA.
La commissione afferma che le norme esistenti non classificano chiaramente ogni prodotto di IA per la sanità. Un assistente amministrativo, un’applicazione per il benessere e uno strumento di supporto alle decisioni cliniche possono creare rischi molto diversi. Eppure, i confini tra queste categorie possono diventare difficili da tracciare quando un unico prodotto combina diverse funzioni.
Secondo la proposta, le autorità si concentrerebbero più attentamente sulla funzione medica che crea il rischio clinico pertinente. Terrebbero inoltre conto dei benefici attesi, del ciclo di vita del prodotto e dell’allineamento con gli approcci normativi internazionali.
Il rapporto dedica particolare attenzione ai dispositivi di Classe I a basso rischio, che i produttori talvolta possono autodichiarare. Raccomanda di affrontare le debolezze di tale modello quando il software crea un rischio per i pazienti sufficiente a giustificare una supervisione indipendente.
La proposta più visibile è l’autorizzazione graduale. Il quadro della commissione la definisce come un impiego entro un ambito limitato prima di un’autorizzazione più ampia.
Un dispositivo potrebbe inizialmente operare in ospedali, contesti clinici o gruppi di pazienti specificati. Il suo sviluppatore raccoglierebbe evidenze secondo condizioni concordate, mentre clinici e autorità ne monitorerebbero le prestazioni.
L’espansione dipenderebbe da tali evidenze. Un sistema che operi in sicurezza potrebbe passare a un impiego più esteso, mentre prestazioni deboli o instabili potrebbero interromperne la diffusione.
Funzionari governativi hanno paragonato questo modello a un neopatentato con le “L-plates”. L’analogia coglie l’equilibrio previsto tra esperienza nel mondo reale e condizioni operative ristrette.
Il paragone mette anche in luce una difficile questione di policy. Un neopatentato ha un supervisore abilitato seduto accanto, mentre la responsabilità per un algoritmo medico può estendersi a molte organizzazioni.
I produttori sviluppano e aggiornano il modello. Gli ospedali scelgono dove implementarlo. I clinici ne interpretano l’output e i fornitori tecnologici possono gestire l’infrastruttura che trasferisce i dati tra i sistemi.
L’MHRA regolamenta i dispositivi medici, ma altre organizzazioni supervisionano qualità dell’assistenza sanitaria, condotta professionale, appalti, ricerca e protezione dei dati. Un’autorizzazione graduale non può proteggere i pazienti se tali responsabilità non sono collegate nella pratica.
La proposta va quindi oltre l’approvazione del prodotto. Invoca un approccio di sistema che colleghi autorità di regolamentazione, fornitori sanitari, professionisti, sviluppatori, produttori, pazienti e pubblico.
Questa portata più ampia rende il rapporto più di un aggiornamento alle norme tecniche sui dispositivi. È un tentativo di definire chi debba agire quando le prestazioni cambiano dopo che un sistema di IA entra nell’assistenza clinica.
Le norme per dispositivi statici faticano a gestire la deriva delle prestazioni dell’IA
Un sistema di IA può superare una valutazione e tuttavia comportarsi diversamente quando cambiano i pazienti locali, i flussi di lavoro o i dati.
La regolamentazione tradizionale dei dispositivi medici attribuisce spesso notevole peso alle evidenze raccolte prima che un prodotto entri sul mercato. Questo approccio funziona al meglio quando il prodotto approvato resta sostanzialmente coerente dopo l’implementazione.
Il software abilitato dall’IA complica questa premessa. Le sue prestazioni possono dipendere dalla popolazione, dall’ospedale, dall’hardware, dal flusso di lavoro clinico e dalla pipeline di dati che lo circondano.
Un modello diagnostico sviluppato con dati provenienti da una regione potrebbe incontrare altrove differenti pattern di malattia. Potrebbe inoltre ricevere immagini da scanner diversi o dati registrati secondo pratiche cliniche differenti.
Queste differenze possono produrre prestazioni dipendenti dal contesto, ossia risultati che variano in base all’ambiente d’uso. Una solida valutazione in laboratorio non può catturare ogni condizione presente in un sistema sanitario nazionale.
La deriva delle prestazioni crea un altro problema. La deriva è un calo o un cambiamento misurabile del comportamento del modello dopo l’implementazione, spesso causato dal mutamento dei dati o delle condizioni cliniche.
La deriva non richiede che uno sviluppatore rilasci un nuovo modello. Il mondo circostante può cambiare mentre il software sottostante resta invariato.
Un ospedale può sostituire le apparecchiature di imaging, modificare i criteri di invio o introdurre un nuovo flusso di lavoro per le cartelle cliniche elettroniche. Anche le popolazioni di pazienti possono cambiare nel tempo.
L’algoritmo può quindi elaborare input diversi dai dati utilizzati per il suo sviluppo. La sua accuratezza può indebolirsi gradualmente senza produrre un unico evidente evento di malfunzionamento.
Questo andamento graduale è importante perché i sistemi di vigilanza convenzionali spesso si concentrano sugli incidenti. Un grave malfunzionamento attiva una segnalazione, un’indagine o un’azione correttiva.
Il degrado dell’IA può essere più silenzioso. Un sistema potrebbe diventare leggermente meno sensibile per un gruppo, generare più falsi allarmi o perdere accuratezza in una sede.
Nessun singolo output potrebbe apparire come un guasto del dispositivo soggetto a segnalazione. Eppure l’effetto cumulativo può comunque ritardare le diagnosi o aumentare le procedure non necessarie.
La commissione sostiene che questo rischio renda insufficiente una sorveglianza reattiva. L’alternativa preferita utilizza misurazioni ricorrenti delle prestazioni ed evidenze dal mondo reale lungo l’intero ciclo di vita del prodotto.
Per evidenze dal mondo reale si intendono le informazioni raccolte mentre un dispositivo opera in contesti assistenziali effettivi. Possono includere rapporti di sicurezza, esiti clinici, pattern di errore, prestazioni nei sottogruppi e dati operativi.
Il punto non è semplicemente raccogliere più informazioni. Le autorità hanno bisogno di soglie predefinite che rivelino quando le prestazioni sono uscite da un intervallo accettabile.
Anche gli sviluppatori hanno bisogno di procedure di escalation. Tali procedure dovrebbero identificare quando indagare, limitare l’uso, sospendere un aggiornamento o ritirare un dispositivo.
La commissione raccomanda inoltre valutazioni dell’equità sanitaria lungo tutto il ciclo di vita. Le prestazioni medie di un modello possono nascondere risultati peggiori per popolazioni svantaggiate o gruppi demografici più piccoli.
Il problema può diventare più grave durante l’implementazione graduale. I primi siti potrebbero non rappresentare l’intera popolazione che incontrerà il sistema dopo l’espansione.
Un percorso di autorizzazione credibile deve quindi specificare quali gruppi sono presenti nelle evidenze. Deve inoltre spiegare come le autorità risponderanno quando le prestazioni differiscono tra tali gruppi.
Il coinvolgimento pubblico della commissione sostiene questa enfasi. Uno studio della Health Foundation ha utilizzato workshop con 78 persone a Cardiff, Milton Keynes e York nei mesi di marzo e aprile 2026.
I partecipanti hanno sviluppato cinque principi per la regolamentazione dell’IA sanitaria. L’accuratezza è risultata la loro priorità principale, mentre la supervisione umana e la protezione da un’assistenza diseguale sono state anch’esse condizioni centrali.
I risultati non significano che il pubblico respinga l’IA sanitaria. Mostrano che l’accettazione dipende da controlli visibili e da evidenze che restano significative dopo l’implementazione.
Ecco perché il monitoraggio continuo è al centro della proposta di regolamentazione britannica dei dispositivi medici basati sull’IA. Collega l’accesso anticipato a un obbligo permanente di dimostrare sicurezza ed efficacia.
L’autorizzazione graduale scambia certezza con evidenze migliori
L’autorizzazione graduale accetta un’incertezza limitata all’inizio, per poi richiedere evidenze più solide prima che l’esposizione si ampli.
La proposta della commissione mette in discussione l’idea che le autorità debbano risolvere ogni incertezza prima che un prodotto raggiunga i pazienti. Per alcuni sistemi di IA, un’implementazione controllata può generare evidenze migliori rispetto a ulteriori test di laboratorio.
Questo approccio può essere utile quando le prestazioni dipendono fortemente dai flussi di lavoro locali. Può inoltre aiutare gli sviluppatori a verificare se i clinici usano un output come previsto.
Per esempio, un modello potrebbe segnalare possibili ictus nelle immagini mediche. La sua accuratezza tecnica conta, ma contano anche i tempi di risposta, il personale, la presentazione degli avvisi e le procedure di escalation.
Un’implementazione graduale potrebbe limitare quel modello a ospedali specificati con personale formato. L’autorizzazione potrebbe richiedere segnalazioni frequenti e un percorso alternativo qualora il servizio non fosse disponibile.
Il produttore e gli ospedali potrebbero quindi studiare se il sistema migliora l’assistenza in tali condizioni. L’espansione seguirebbe solo dopo il soddisfacimento di requisiti predefiniti di sicurezza e prestazioni.
La Raccomandazione 14 della commissione afferma che questi percorsi dovrebbero tenere conto della maturità tecnica, del bisogno clinico e dei necessari controlli del rischio. Afferma inoltre che le loro condizioni dovrebbero essere trasparenti.
Un percorso dall’autorizzazione graduale a quella completa deve essere chiaramente definito. Senza tale percorso, gli ospedali potrebbero dipendere da un prodotto che rimane provvisorio a tempo indeterminato.
La proposta chiede inoltre che i piani di sorveglianza siano valutati al momento dell’autorizzazione. Ai produttori potrebbe essere richiesto di condurre studi post-commercializzazione e presentare rapporti ricorrenti sulle prestazioni.
Le autorità avrebbero bisogno di procedure per intervenire prima che si verifichi un incidente soggetto a segnalazione. Un degrado rilevabile delle prestazioni potrebbe di per sé attivare un’escalation.
Questo disegno inverte la consueta distribuzione delle evidenze. Non elimina i test pre-commercializzazione, ma assegna alle evidenze post-commercializzazione un ruolo più ampio.
Il compromesso offre potenziali benefici. I pazienti potrebbero ricevere prima tecnologie promettenti e le autorità potrebbero valutare le prestazioni nei contesti che contano di più.
Crea però anche seri rischi di esecuzione. Un’implementazione limitata coinvolge comunque pazienti reali e un monitoraggio inadeguato trasformerebbe un’incertezza controllata in un’esposizione non gestita.
La disponibilità dei dati è un vincolo. Gli ospedali devono acquisire informazioni coerenti su versioni del modello, input, output, azioni cliniche, esiti e gruppi di pazienti.
Tali registrazioni possono trovarsi in sistemi separati. Un produttore potrebbe vedere i log tecnici senza ricevere gli esiti clinici necessari per interpretarli.
Gli ospedali possono disporre di dati sugli esiti, ma non della telemetria del modello necessaria per identificare una modifica del software. I regolatori si trovano quindi di fronte a una visione incompleta, ricostruita a partire da diverse organizzazioni.
La frequenza del monitoraggio crea un’ulteriore scelta. Una rendicontazione mensile potrebbe non rilevare un deterioramento improvviso, mentre una supervisione in tempo reale può generare rumore e falsi allarmi.
Anche le soglie di prestazione devono avere un significato clinico. Un lieve cambiamento statistico potrebbe non influire sull’assistenza ai pazienti, mentre una modesta variazione media potrebbe nascondere danni gravi per specifici sottogruppi.
L’approvazione graduale richiede quindi più di un’etichetta autorizzativa. Richiede standard sui dati, tracciabilità, capacità analitiche e regole per risolvere evidenze contrastanti.
Il Regno Unito ha già sperimentato parti di questo modello attraverso la sandbox AI Airlock. L’MHRA ha avviato il programma nel 2024 per esplorare le sfide normative utilizzando prodotti reali.
La sua seconda fase ha esaminato la sorveglianza post-commercializzazione, la generazione di evidenze, i fattori umani e gli algoritmi in evoluzione. Il programma ha rilevato che gli attuali quadri normativi possono essere frammentati e difficili da applicare in modo coerente.
Airlock ha inoltre esaminato i piani di controllo delle modifiche predeterminate. Un PCCP descrive le modifiche software pianificate, il processo che le controlla e il modo in cui ne saranno valutati gli effetti.
Un piano di questo tipo può consentire a uno sviluppatore di apportare categorie approvate di modifiche senza richiedere una nuova revisione per ogni aggiornamento. Tuttavia, il piano deve definire confini chiari e requisiti di convalida.
Il rapporto Airlock del 2026 ha osservato che i PCCP non erano ancora formalmente integrati nel quadro britannico. Ha inoltre descritto l’incertezza su come avrebbero funzionato nella pratica.
Questa lacuna è importante perché l’autorizzazione graduale e gli aggiornamenti controllati dipendono dalla prevedibilità normativa. Gli sviluppatori devono sapere quali modifiche restano nell’ambito di un’approvazione esistente.
I regolatori hanno bisogno della stessa chiarezza sulle modifiche che richiedono un nuovo esame. Gli ospedali devono sapere quale versione è in funzione e se le relative evidenze sono ancora applicabili.
Un percorso graduale può migliorare sia l’accesso sia le evidenze quando questi elementi funzionano insieme. In loro assenza, rischia di diventare una via di approvazione più permissiva, con fallimenti più difficili da individuare.
La sicurezza dei pazienti dipende da una responsabilità condivisa
La parte più difficile della regolamentazione lungo il ciclo di vita consiste nell’assegnare le azioni da intraprendere, non semplicemente nel rilevare che un sistema di IA è cambiato.
La commissione respinge l’idea che i soli produttori possano gestire ogni rischio. L’IA sanitaria opera all’interno di un sistema sociotecnico, il che significa che i risultati del software dipendono da persone, organizzazioni, processi e infrastrutture.
Un output corretto del modello può comunque causare danni se un medico lo interpreta erroneamente. Un risultato difettoso può anche essere intercettato quando il personale comprende i limiti del sistema.
Il bias di automazione complica questa relazione. Descrive la tendenza a privilegiare una raccomandazione automatizzata anche quando esistono prove contrarie.
La formazione può ridurre questo rischio, ma l’istruzione da sola non è sufficiente. Interfacce, carichi di lavoro, avvisi, politiche locali e aspettative della direzione influenzano tutti il comportamento dei clinici.
La commissione afferma che l’IA dovrebbe supportare i professionisti sanitari anziché sostituirne il giudizio. Chiede inoltre che i pazienti sappiano quando l’IA contribuisce in modo sostanziale alla loro assistenza.
Non ogni utilizzo in background richiede lo stesso tipo di comunicazione. Uno strumento amministrativo di pianificazione solleva preoccupazioni diverse rispetto a un software che influenza una diagnosi o una scelta terapeutica.
La sfida normativa consiste nel definire una trasparenza proporzionata. Informazioni troppo scarse lasciano i pazienti inconsapevoli, mentre comunicazioni indiscriminate possono diventare prive di significato.
La responsabilità diventa ancora più importante quando qualcosa va storto. I pazienti necessitano di un percorso per ottenere spiegazioni, indagini, correzioni e risarcimenti.
Un produttore può attribuire la colpa all’implementazione locale. Un ospedale può indicare un dispositivo approvato, mentre un clinico può affermare che il sistema ha influenzato la decisione.
La commissione vuole che le responsabilità siano stabilite prima dell’implementazione. I contratti di approvvigionamento, la governance clinica e le condizioni normative dovrebbero sostenere lo stesso piano di monitoraggio e risposta.
La precedente politica britannica aveva già riconosciuto questo problema. Nella sua precedente risposta normativa, il governo ha sostenuto accordi tra produttori e istituzioni sanitarie per monitorare sicurezza e prestazioni.
Quella risposta ha inoltre approvato un piano di riserva nel caso in cui un dispositivo debba essere ritirato. Tuttavia, i funzionari hanno affermato che alcune responsabilità dovevano rientrare nei requisiti di approvvigionamento anziché nella legislazione sui dispositivi medici.
La nuova commissione adotta una prospettiva più ampia. Sostiene che regolamentazione, approvvigionamento, standard professionali e governance sanitaria debbano operare come un sistema connesso.
La proposta include una fonte pubblica consultabile di informazioni sulla sicurezza dei dispositivi di IA. I pazienti potrebbero esaminare incidenti noti e altri dettagli rilevanti relativi a prodotti specifici.
Ciò si basa sul principio alla base degli attuali database sulla sicurezza. Tuttavia, una trasparenza utile richiede più della pubblicazione di conteggi grezzi degli incidenti.
Un prodotto utilizzato milioni di volte produrrà naturalmente più segnalazioni di un sistema usato raramente. Anche le differenze nelle pratiche di segnalazione possono distorcere i confronti.
Le informazioni pubbliche devono quindi spiegare l’uso previsto, la versione del dispositivo, la classe di rischio, la scala di implementazione e i limiti delle evidenze disponibili. Altrimenti, un’apparente apertura può trarre in inganno.
La commissione raccomanda inoltre poteri di applicazione più forti per l’MHRA. Il monitoraggio continuo offre poca protezione se un regolatore non può ottenere dati o agire rapidamente sulle evidenze.
L’MHRA avrebbe bisogno di competenze tecniche sufficienti per valutare le prestazioni dei modelli e le modifiche software. Avrebbe inoltre bisogno di risorse per supervisionare un numero crescente di prodotti.
Jennifer Dixon, amministratrice delegata della Health Foundation, ha individuato questo problema di capacità nell’annuncio della commissione del governo. Ha affermato che l’implementazione dipende dalla capacità, dalle competenze e dai sistemi dell’NHS.
Questo è l’aspetto più scettico della proposta. Il disegno è credibile, ma il suo valore protettivo dipende da un’infrastruttura operativa che resta disomogenea.
Gli ospedali gestiscono già ampi obblighi in materia di sicurezza clinica, cybersicurezza, approvvigionamento e dati. Il monitoraggio dell’IA lungo il ciclo di vita aggiunge lavoro specializzato in tutte queste funzioni.
I fornitori più piccoli potrebbero faticare a mantenere team capaci di interpretare deriva, bias, aggiornamenti e prestazioni nel mondo reale. Gli sviluppatori più piccoli possono incontrare limiti simili.
Un supporto centrale potrebbe ridurre le duplicazioni di lavoro. Infrastrutture di monitoraggio condivise e standard comuni di rendicontazione renderebbero le evidenze più facili da confrontare tra diverse sedi.
Tuttavia, la centralizzazione introduce rischi propri. Una piattaforma nazionale di monitoraggio deve proteggere le informazioni sanitarie sensibili e preservare un contesto locale significativo.
Le raccomandazioni della commissione riconoscono che l’implementazione richiede regolatori adeguatamente finanziati. Non stabiliscono ancora budget, livelli di personale o architettura tecnica.
Questa omissione è comprensibile in un rapporto consultivo. Significa anche che l’eventuale piano di attuazione del governo determinerà se la proposta cambierà la pratica.
Il Regno Unito si unisce a un cambiamento internazionale verso la supervisione lungo il ciclo di vita
La proposta britannica è specifica a livello nazionale, ma i suoi strumenti normativi fondamentali somigliano sempre più agli approcci adottati da altre importanti autorità.
La regolamentazione dei dispositivi medici di IA sta diventando un problema di coordinamento internazionale. Gli sviluppatori spesso progettano un unico prodotto per diversi mercati, mentre i regolatori mantengono la responsabilità nelle rispettive giurisdizioni.
Definizioni o requisiti di segnalazione diversi possono aumentare i costi di conformità. Ancora più importante, standard di evidenza incoerenti possono rendere difficili da confrontare i segnali di sicurezza.
La commissione raccomanda un’armonizzazione internazionale laddove sostenga una regolamentazione chiara e resiliente. Riconosce inoltre che il Regno Unito deve mantenere la responsabilità per i prodotti utilizzati dai propri pazienti.
Uno strumento condiviso è il piano di controllo delle modifiche predeterminate. L’MHRA ha contribuito a sviluppare principi internazionali per i PCCP con la Food and Drug Administration statunitense e Health Canada.
Il quadro statunitense è più avanzato. La FDA ha pubblicato linee guida definitive sui PCCP per le funzioni software dei dispositivi abilitate dall’IA nell’agosto 2025.
Le linee guida coprono modifiche pianificate, metodi di sviluppo e convalida, controlli di implementazione e valutazioni d’impatto. La FDA esamina il piano nell’ambito di una domanda di commercializzazione.
Uno sviluppatore autorizzato può quindi implementare le modifiche previste da quel piano senza presentare una domanda separata per ogni modifica. Le modifiche oltre il piano richiedono comunque un’appropriata revisione normativa.
Questo modello non consente software ad auto-aggiornamento senza restrizioni. Definisce uno spazio controllato per modifiche previste e richiede evidenze che i controlli restino efficaci.
L’approccio della commissione britannica al ciclo di vita integra questa idea. Un PCCP gestisce categorie note di modifiche, mentre la sorveglianza continua cerca problemi di prestazione inattesi.
L’autorizzazione graduale affronta un punto diverso del ciclo di vita. Disciplina il modo in cui l’ambito iniziale di un prodotto potrebbe ampliarsi man mano che le evidenze dal mondo reale riducono l’incertezza.
L’Unione europea offre un altro importante termine di confronto. Il suo quadro per i dispositivi medici include già requisiti di sorveglianza post-commercializzazione e vigilanza.
L’AI Act dell’UE aggiunge requisiti per determinati sistemi di IA ad alto rischio. Per i sistemi di IA che sono dispositivi medici, le principali disposizioni ad alto rischio dovrebbero applicarsi dal 2 agosto 2027.
Le linee guida europee collegano il monitoraggio post-commercializzazione alla natura e ai rischi della tecnologia. Questo orientamento ricorda la richiesta della commissione britannica di una supervisione proporzionata lungo il ciclo di vita.
Tuttavia, le strutture giuridiche non sono identiche. La Gran Bretagna opera ai sensi delle UK Medical Devices Regulations, mentre le norme dell’UE continuano ad applicarsi in Irlanda del Nord nel quadro del Windsor Framework.
Uno sviluppatore che serve il Regno Unito può quindi incontrare regimi normativi diversi all’interno del Paese. L’allineamento può ridurre gli attriti, ma non può eliminare queste distinzioni giuridiche.
La commissione sostiene inoltre percorsi di riconoscimento e affidamento che coinvolgano regolatori esteri affidabili. Tali percorsi possono prendere in considerazione valutazioni straniere senza rinunciare alla decisione finale del Regno Unito.
Questo approccio potrebbe ridurre le revisioni duplicate per prodotti dotati di solide evidenze altrove. Potrebbe inoltre aiutare i pazienti ad accedere prima a dispositivi utili.
L’affidamento diventa rischioso se le autorità si scambiano decisioni di approvazione senza il contesto sottostante. Un modello convalidato su un altro sistema sanitario può comportarsi diversamente nell’NHS.
Gli standard sui dati e le evidenze trasparenti sono quindi essenziali. I regolatori necessitano di dettagli sufficienti per stabilire se i risultati stranieri siano trasferibili alle popolazioni e ai flussi di lavoro locali.
Il coordinamento internazionale può inoltre migliorare il monitoraggio dopo l’approvazione. Un segnale di sicurezza che emerge in un mercato può essere rilevante prima che lo stesso schema diventi visibile altrove.
Una terminologia condivisa per versioni dei modelli, modifiche, incidenti e misure di prestazione renderebbe questi segnali più facili da interpretare. Renderebbe inoltre più prevedibili gli obblighi dei produttori.
Tuttavia, l’armonizzazione non dovrebbe trasformarsi in una corsa verso il percorso meno esigente. Gli sviluppatori preferiranno naturalmente i mercati con approvazioni chiare e tempestive.
La commissione cerca di rendere sicurezza e rapidità reciprocamente complementari. Condizioni prevedibili possono incoraggiare gli investimenti, mentre le evidenze continue proteggono i pazienti.
Quella promessa resta da dimostrare. Il Regno Unito deve mostrare che l'accesso graduale produce evidenze migliori senza ridurre il rigore richiesto per l'autorizzazione completa.
Se avrà successo, il quadro potrebbe influenzare altri regolatori. Se l'attuazione diventerà lenta o incoerente, gli sviluppatori potrebbero trovarsi di fronte a un ulteriore livello procedurale senza una corrispondente chiarezza.
Tre segnali indicheranno se la riforma protegge i pazienti
Il prossimo banco di prova sarà capire se i ministri trasformeranno un progetto consultivo in regole applicabili, monitoraggio finanziato e informazioni pubbliche fruibili.
Il primo segnale sarà la risposta formale del governo. I funzionari dovranno decidere quali raccomandazioni accettare e quali richiedano interventi legislativi, linee guida o modifiche operative.
Una risposta solida identificherebbe le organizzazioni responsabili e le date obiettivo. Dovrebbe inoltre distinguere tra le linee guida MHRA nel breve termine e le modifiche che richiedono emendamenti alla normativa sui dispositivi medici.
Questo segnale rivelerà se l'autorizzazione graduale diventerà un percorso definito o resterà un'aspirazione politica. Regole chiare per la progressione e il ritiro rafforzerebbero la posizione della commissione.
Impegni vaghi la indebolirebbero. Sviluppatori e ospedali non possono progettare programmi di evidenza attorno a un concetto di autorizzazione privo di condizioni regolatorie dettagliate.
Il secondo segnale sarà la progettazione del monitoraggio post-commercializzazione. I dettagli importanti includono metriche obbligatorie, frequenza delle segnalazioni, analisi dei sottogruppi e soglie di escalation.
Il Regno Unito ha rafforzato la sorveglianza generale sui dispositivi tramite norme entrate in vigore nel 2025. Tuttavia, le conclusioni di Airlock spiegano perché l'IA richieda un trattamento più specifico.
I sistemi attuali possono presupporre che i cambiamenti siano discreti e rilevabili. Alcuni fallimenti dell'IA emergono gradualmente o solo in particolari contesti clinici.
Un piano di attuazione credibile dovrebbe collegare le versioni dei dispositivi ai siti di implementazione e alle evidenze sulle prestazioni. Dovrebbe inoltre specificare chi indaga sui segnali contrastanti.
La rendicontazione pubblica richiede una progettazione accurata. I regolatori devono offrire informazioni utili sulla sicurezza senza esporre dati sanitari privati o incoraggiare confronti fuorvianti.
Se l'MHRA pubblicherà standard comuni per le evidenze e le segnalazioni, la supervisione lungo il ciclo di vita diventerà misurabile. Se ogni ospedale e produttore inventerà il proprio metodo, la visibilità nazionale resterà limitata.
Il terzo segnale sarà la capacità di attuazione nel NHS e nell'MHRA. I requisiti di monitoraggio funzionano soltanto quando le organizzazioni dispongono di personale, strumenti e autorità per agire.
Occorrerà osservare finanziamenti, assunzioni di specialisti, infrastrutture tecniche condivise e ruoli definiti per i medici. Anche i documenti di gara dovrebbero assegnare le responsabilità prima dell'avvio dell'implementazione.
Questa questione di capacità determina se la supervisione continua diventerà proattiva o si limiterà a generare altra burocrazia. È anche il punto in cui si incontrano sicurezza dei pazienti e incentivi all'innovazione.
Gli sviluppatori traggono vantaggio quando i requisiti in materia di evidenze restano coerenti tra le sedi del NHS. Gli ospedali ne beneficiano quando possono riutilizzare metodi di monitoraggio convalidati ed evitare di duplicare il lavoro tecnico.
I team che si preparano a questo contesto dovrebbero conservare decisioni, documentazione dei modelli, rapporti sulle prestazioni e comunicazioni regolatorie in una base di conoscenza ricercabile. La tracciabilità diventerà parte delle operazioni quotidiane, non un esercizio finale di conformità.
La proposta britannica di regolamentazione dei dispositivi medici basati sull'IA offre una risposta coerente a una reale debolezza dell'approvazione una tantum. Riconosce che un software in evoluzione richiede una supervisione in evoluzione.
Il suo successo non sarà misurato dal numero di prodotti di IA che entrano nel NHS. Le misure significative saranno se i problemi emergeranno prima, le responsabilità resteranno chiare e i pazienti riceveranno cure più sicure.
La questione immediata è dunque pratica: il governo finanzierà e applicherà l'infrastruttura necessaria per rendere concreta la regolamentazione lungo il ciclo di vita?
