Anexo 22 ainda em draft: o que já dá para fazer com IA em GMP hoje

Quem trabalha com qualidade, produção ou validação provavelmente já ouviu alguma versão desta frase: "a Europa vai proibir IA na fábrica". Ela costuma aparecer quando o assunto é o draft do Anexo 22 do EU GMP, colocado em consulta pública entre julho e outubro de 2025. Lendo o texto, a conclusão é outra: o draft não proíbe IA. Ele separa, com bastante clareza, onde um modelo pode decidir e onde ele só pode ajudar alguém a decidir. E essa separação já é útil hoje, mesmo com o texto final em aberto.

Onde o Anexo 22 está hoje

• O Anexo 22 é um draft. A Comissão Europeia abriu a consulta com stakeholders em 7 de julho de 2025 e a encerrou em 7 de outubro de 2025, junto com os drafts revisados do Capítulo 4 (Documentação) e do Anexo 11 (Sistemas Computadorizados). Os três textos foram elaborados pelo GMDP Inspectors Working Group da EMA em cooperação com o PIC/S.
• Há uma meta, não uma data de vigência. O plano de trabalho 2026–2028 desse grupo prevê entregar à Comissão o texto final do Anexo 22 no quarto trimestre de 2026. Não há data de adoção nem de entrada em vigor anunciada.
• O PIC/S ainda não adotou o Anexo 22. O guia GMP vigente do PIC/S é o PE 009-18.

Ou seja: o texto pode mudar. Tudo o que vem abaixo se refere ao draft da consulta de julho–outubro de 2025.

Decidir ou assistir: o que o draft realmente diz

O ponto de partida é o escopo. O draft se aplica a modelos de IA usados em aplicações críticas, com impacto direto em segurança do paciente, qualidade do produto ou integridade de dados, por exemplo para prever ou classificar dados. E faz três distinções:

• Modelos estáticos, que não mudam de comportamento durante o uso, estão cobertos. Modelos dinâmicos, que continuam aprendendo em operação, não estão cobertos e "não devem ser usados em aplicações GMP críticas".
• Saída determinística (mesma entrada, mesma saída) está coberta. Modelos com saída probabilística, que podem responder diferente à mesma entrada, também não devem ser usados em aplicações críticas.
• IA generativa e LLMs ficam fora do escopo e não devem ser usados em aplicações GMP críticas. Em aplicações não críticas, pessoal com qualificação e treinamento adequados deve ser sempre responsável por garantir que a saída serve ao uso pretendido: o chamado human-in-the-loop.

Vale lembrar que o draft usa "should" ao longo do texto, inclusive nos trechos citados acima como "não devem".

Para modelos usados em aplicações críticas, o draft pede evidência, por exemplo:

• uso pretendido e espaço amostral de entrada (input sample space) descritos em detalhe, incluindo variações comuns e raras, sob responsabilidade de um especialista de processo (SME) e aprovados antes do teste de aceitação;
• critérios de aceitação pelo menos tão altos quanto o desempenho do processo que o modelo substitui, o que implica conhecer esse desempenho;
• dados de teste representativos e independentes, nunca usados no desenvolvimento, treino ou validação, protegidos por controle de acesso e audit trail. Gerar dados de teste ou rótulos (por exemplo, com IA generativa) "não é recomendado" e, se for feito, precisa de justificativa completa;
• explicabilidade: registrar, durante o teste, quais características levaram a uma classificação (por exemplo, com feature attribution);
• confiança: registrar, durante o teste, o score de confiança de cada predição; já em operação, se o score for muito baixo, considerar marcar o resultado como "indeciso";
• operação: controle de mudanças, controle de configuração, monitoramento de desempenho e de drift nos dados de entrada, e registros da revisão humana quando o modelo apoia a decisão de um operador.

O draft do Capítulo 4, por sua vez, deixa clara a responsabilidade. Pelo item 4.24, a responsabilidade pela integridade de registros produzidos ou processados com IA é do usuário regulado. Pelo 4.25, esse tipo de suporte automatizado deve estar dentro do sistema de qualidade farmacêutica, seja o serviço on-premise ou hospedado.

Lendo tudo junto: onde o impacto é direto, o modelo precisa ser previsível e provado; onde a IA generativa entra, entra como assistente, com uma pessoa qualificada respondendo pelo resultado.

A pergunta que segue aberta: IA generativa

É neste ponto que o texto final pode ser diferente do draft. Segundo a própria EMA, a consulta de 2025 sugeriu apoio a permitir, potencialmente, tecnologias como IA generativa e LLMs na fabricação de medicamentos. A agência diz que ainda está considerando as implicações. Em 30 de junho e 1º de julho de 2026, promoveu um workshop com especialistas para discutir medidas de controle e mitigação, como guardrails, dentro de uma abordagem baseada em risco. Uma das perguntas levadas aos especialistas foi se existem classes de decisões críticas em que nenhuma combinação de guardrails e supervisão seria suficiente. O relatório do workshop saiu em 2 de outubro de 2026. Os participantes defenderam uma abordagem baseada em risco e neutra em tecnologia, e o grupo de redação ainda vai avaliar esse material na revisão do Anexo 22. Ou seja, o texto final segue em aberto.

Nos EUA, a guidance da FDA de janeiro de 2025 sobre o uso de IA para apoiar decisões regulatórias sobre medicamentos e produtos biológicos segue como draft. Em 2023, o CDER publicou um discussion paper sobre IA na fabricação de medicamentos, que não é guidance.

Já existem documentos finais que ajudam: o ISPE GAMP Guide: Artificial Intelligence, publicado em julho de 2025, e os Guiding Principles of Good AI Practice in Drug Development, publicados por EMA e FDA em 14 de janeiro de 2026. São dez princípios de alto nível, não requisitos, que incluem abordagem baseada em risco, contexto de uso bem definido e gestão do ciclo de vida com monitoramento de drift.

Seja qual for a decisão sobre IA generativa, o draft, os princípios EMA–FDA e as perguntas do workshop apontam na mesma direção: saber onde a IA está sendo usada, com que risco e sob a responsabilidade de quem.

O que dá para fazer agora, sem esperar o texto final

O que o draft pede para modelos que decidem e para os que assistem tem uma base comum, e essa base tende a sobreviver a revisões. Na prática, são quatro passos.

Faça o inventário. Costuma haver mais IA em uso do que parece: um modelo de visão na inspeção de embalagem, um preditivo de manutenção de equipamento, um assistente que resume desvios, um recurso de sugestão dentro de um software de terceiro. Liste tudo e faça, para cada item, a pergunta do escopo: há impacto direto em segurança do paciente, qualidade do produto ou integridade de dados?

Escreva o uso pretendido antes de testar. Para um uso crítico, isso inclui espaço de entrada, limitações e critérios de aceitação aprovados por um SME. Para um não crítico, uma descrição curta de para que serve e de quem responde pela saída já ajuda.

Deixe a pessoa responsável explícita. Quando um modelo apoia a decisão de um operador e o teste do modelo foi reduzido, o draft pede que a responsabilidade desse operador conste no uso pretendido, que seu treinamento e desempenho sejam acompanhados como em qualquer processo manual e que a revisão fique registrada.

Inclua os fornecedores no escopo. Pelo draft, a documentação do modelo deve estar disponível e ser revisada pelo usuário regulado, tenha o modelo sido treinado internamente ou por um fornecedor. Vale checar isso antes da contratação.

Checklist: cinco perguntas para cada uso de IA

Os quatro passos acima cabem em cinco perguntas, que dá para aplicar item a item do inventário:

1. Crítico ou não crítico? Há impacto direto em segurança do paciente, qualidade do produto ou integridade de dados? Se sim, o draft cobre modelos estáticos e determinísticos, com evidência, e diz que modelos dinâmicos, probabilísticos e IA generativa não devem ser usados ali.
2. Uso pretendido e espaço de entrada estão escritos? Com limitações identificadas e aprovação de um SME antes do teste de aceitação.
3. Os dados de teste são independentes? Separados do desenvolvimento, do treino e da validação, representativos, sob controle de acesso e audit trail. Gerar dados de teste ou rótulos, por qualquer meio (a IA generativa é um exemplo), não é recomendado; se for feito, precisa de justificativa completa.
4. A revisão humana fica registrada? Quem revisa, com que qualificação, e onde fica o registro de cada aprovação.
5. Há controle de mudanças e monitoramento de drift? Modelo sob controle de mudanças e de configuração, com desempenho e deriva dos dados de entrada monitorados.

Como a T2 aborda IA

Essas cinco perguntas são também o critério que a gente usa. Na T2, aplicamos IA por nível de risco. Na nossa visão, IA generativa serve para assistir, com uma pessoa qualificada aprovando. Onde a decisão é crítica, a lógica é de modelos estáticos e determinísticos, com evidência e sob controle de mudanças. É com esse critério que avaliamos qualquer uso de IA em processos regulados, como registro eletrônico de lote, pesagem e dispensação e OEE.

O draft do Anexo 22 ainda pode mudar; a ideia de manter a pessoa certa responsável pela decisão certa, a gente acredita, não muda.

Referências

• Comissão Europeia – Stakeholders' Consultation on EudraLex Volume 4: Chapter 4, Annex 11 and New Annex 22 (consulta de 7 jul. a 7 out. 2025)
• Draft Annex 22 – Artificial Intelligence (consultation document)
• Draft revised Chapter 4 – Documentation
• Draft revised Annex 11 – Computerised Systems
• EMA – 3-year work plan for the GMDP Inspectors Working Group (jan. 2026 – dez. 2028)
• EMA – GMDP Inspectors Working Group (página com plano de trabalho e relatório anual 2025)
• EMA – Multistakeholder workshop on expert contributions to AI guidance development (Annex 22), 30 jun. – 1 jul. 2026
• EMA – Report of the multistakeholder workshop on expert contributions to AI guidance development (Annex 22), publicado em 2 out. 2026
• PIC/S – Publications (PIC/S GMP Guide PE 009-18)
• FDA – Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making for Drug and Biological Products (draft guidance, jan. 2025)
• FDA/CDER – Artificial Intelligence in Drug Manufacturing (discussion paper, 2023)
• EMA–FDA – Guiding Principles of Good AI Practice in Drug Development (jan. 2026; PDF hospedado pela EMA)
• EMA – EMA and FDA set common principles for AI in medicine development (14 jan. 2026)
• ISPE – GAMP Guide: Artificial Intelligence (jul. 2025)