Pregunte a tres proveedores de EDC si un agente de IA puede manejar su plataforma mediante el Model Context Protocol. Los tres dirán que sí. El primero quiere decir que el agente busca en el manual de usuario. El segundo, que saca cifras de reclutamiento. El tercero, que construye su eCRF.
Los tres tienen un servidor MCP para su EDC. No venden lo mismo.
La diferencia aparece después de firmar. Un equipo de estudio que esperaba la creación de formularios y recibe una búsqueda documental dedicará a la configuración de su base las mismas semanas que el año pasado.
Así se evalúa lo que hay detrás del anuncio, con una prueba que puede hacer durante una demostración.
| Nivel | Qué hace el agente | Qué obtiene usted | Quién está aquí hoy |
|---|---|---|---|
| 1 | Lee su documentación | Menos tickets de soporte | Medidata Platform Help |
| 2 | Lee los datos del estudio | Respuestas de monitorización sin pedir un informe | Medidata Site Ranking, CData para Veeva |
| 3 | Redacta el estudio sobre el papel | Una especificación que su equipo reescribe | Herramientas de IA genéricas, con el protocolo pegado |
| 4 | Construye el estudio en DRAFT | Formularios que usted abre, revisa y acepta | Datacapt |
Para entender cómo un servidor MCP conecta un modelo con un EDC, empiece por MCP y LLM en la investigación clínica.
Dónde están hoy los servidores MCP del sector
Medidata ha desplegado servidores MCP con Anthropic y anuncia dos casos de uso. Platform Help consulta su base de conocimiento de producto, de modo que se puede preguntar cómo configurar un control de datos en lugar de abrir el manual. Intelligent Site Ranking lee el historial de los centros para predecir cuáles reclutarán. Ambos se detienen en la lectura y Medidata no describe ninguna vía que escriba un registro en Rave.
Los clientes de Veeva que quieren acceso MCP recurren a un conector construido por CData sobre un controlador JDBC. Es de solo lectura y viene de un tercero, no de Veeva.
Varios servidores MCP exponen ClinicalTrials.gov. Consultan un registro público, así que no surge ninguna cuestión de confidencialidad ni ningún trabajo de validación.
El único intento publicado de acceso de escritura está en una preimpresión. TrialMCP propone cinco servidores que conectan robots de ensayo con la planificación, el EDC, el eConsent, los archivos de imagen y los sistemas de laboratorio. Sus autores quieren eliminar las integraciones punto a punto que se multiplican cada vez que un promotor añade una plataforma.
Todos los productos entregados de esa lista leen. Los niveles siguientes parten de ahí.
Nivel 1: el agente lee la documentación de su EDC
El agente responde preguntas sobre el software. ¿Cómo creo una visita repetible? ¿Qué permiso permite cerrar una query? ¿Qué significa este error?
Un proveedor construye esto en unas semanas. Ningún dato protegido cruza una frontera, no existe vía de escritura y el expediente de validación queda intacto, porque el agente nunca entra en el sistema que guarda sus registros. Su equipo de soporte recibe menos tickets. Su equipo de estudio mantiene el mismo calendario de configuración que el año pasado.
Cómo reconocerlo: pregunte si alguna herramienta admite un identificador de estudio como parámetro. Si ninguna lo hace, el servidor lee documentación.
Nivel 2: el agente lee los datos de su estudio
Ahora las herramientas admiten un identificador de estudio. El agente informa del reclutamiento del centro 102 frente a la previsión, enumera los centros con formularios con más de catorce días de retraso, o cuenta las queries abiertas por centro y por antigüedad.
Dos arquitecturas producen esa respuesta y su delegado de protección de datos querrá saber cuál ha comprado. La primera envía filas de datos al modelo y deja que cuente. La segunda cuenta dentro de la plataforma y envía un número al modelo. La primera expone valores a nivel de sujeto a quien aloja el modelo. La segunda expone un total.
Datacapt aplica la segunda arquitectura en todo el servidor. Ningún valor de eCRF, ninguna respuesta de ePRO y ningún identificador de sujeto sale de la plataforma. Un agente que trabaja con recuentos no puede revisar el expediente de un sujeto, así que no puede avisarle de que la visita V3 tiene fecha anterior a la visita V2 para el sujeto 012.
Cómo reconocerlo: pregunte qué devuelve la herramienta para lista los sujetos con la extracción de laboratorio pendiente. Una fila por sujeto, o un recuento por centro.
Nivel 3: el agente redacta el estudio que usted reconstruirá
El agente lee su protocolo y redacta el estudio. Estructura de formularios, calendario de visitas, tipos de campo, lógica condicional, edit checks. Le entrega un documento.
Un data manager reconstruye después ese documento a mano dentro del EDC. El agente hizo el razonamiento y su equipo sigue haciendo la entrada de datos. En un estudio de sesenta formularios, la reescritura absorbe la mayor parte del ahorro y cada campo retecleado es otra ocasión de equivocar un rango o invertir una condición.
Los proveedores se quedan aquí cuando el agente permanece fuera de la plataforma. Un modelo sabe describir un formulario con detalle y solo puede crear uno si la plataforma expone esa operación como herramienta. Un borrador es mejor que una página en blanco y sigue siendo su equipo quien construye el estudio.
Cómo reconocerlo: pregunte qué aspecto tiene el estudio cuando el agente termina. Una especificación, o formularios que puede abrir.
Nivel 4: el agente construye el estudio en su EDC
El agente crea los formularios, define la lógica condicional, configura las reglas de validación y añade los idiomas del estudio. Un data manager abre el resultado y lo acepta o lo rechaza. Datacapt mide alrededor de un 60 % de tiempo ahorrado en la configuración por esta vía.
Cuatro controles deciden si su equipo de calidad dará el visto bueno.
- Identidad del agente. La llamada lleva a la persona que la originó. Datacapt emite una clave MCP por usuario, distinta de la clave API clásica, con caducidad, revocable y con alcances fijados en el momento de crearla. La clave hereda los derechos de esa persona y nada más. Una cuenta de servicio compartida con permisos sobre todo el estudio rompe la atribución de cada acción del agente.
- Una barrera que vive en el backend. Las escrituras caen en estudios en DRAFT o en una versión nueva, nunca en una versión publicada. El control pertenece al servidor, donde un modelo no puede alcanzarlo. Algunos proveedores lo resuelven pidiendo al modelo que no toque producción. Una instrucción de prompt es un consejo y un modelo puede ignorar un consejo.
- Atribución en la pista de auditoría. Cada llamada registra un origen MCP, a nombre del usuario, con la herramienta invocada y los parámetros enviados. El 21 CFR Part 11 y el Anexo 11 esperan una pista de auditoría de las entradas y las modificaciones, sea cual sea su origen. Si una acción de agente se lee como una acción humana en su registro, no podrá responder a la primera pregunta de un inspector: compruebe que existe un filtro.
- Aceptación humana antes de producción. El agente propone, una persona valida y el estudio pasa a producción bajo la firma de esa persona. Esto vale tanto si el agente creó diez campos como cuatrocientos.
Cómo reconocerlo: pida la lista de herramientas y lea los verbos. Las herramientas llamadas get_* y list_* son de nivel 2. Un create_item o su equivalente es de nivel 4.
El nivel que nadie debería construir
Tarde o temprano un proveedor ofrecerá un agente que escriba valores clínicos en un estudio en producción y lo presentará como el paso siguiente al nivel 4.
El Part 11 no lo prohíbe en una sola frase. Lo encarece de maneras fáciles de pasar por alto. Una firma electrónica atribuye un registro a una persona y un agente no tiene firma propia. El expediente de un sujeto es mal sitio para descubrir que su agente leyó miligramos donde debía leer microgramos. Un error detectado tras el cierre de base de datos cuesta más que la configuración que había acelerado.
Datacapt bloquea las escrituras sobre versiones publicadas en el backend. Un agente puede abrir una query para que la responda una persona. Responderla sigue siendo trabajo de la persona.
Cinco preguntas para su proveedor de EDC
Inclúyalas en su pliego. Cada una convierte una promesa comercial en algo comprobable.
| Pregunta | Cómo suena una respuesta débil |
|---|---|
| ¿Cuáles de sus herramientas MCP escriben, y sobre qué objeto? | «El agente puede ayudarle con la configuración.» |
| ¿Qué sale de la plataforma hacia el modelo: valores, o recuentos y estructuras? | «La conexión está cifrada.» |
| ¿Puede el agente modificar un estudio en producción, y qué se lo impide? | «Le pedimos al modelo que no lo haga.» |
| ¿Distingue la pista de auditoría una acción de agente de una humana, y puede un inspector filtrarla? | «Todo queda registrado.» |
| ¿Qué credencial usa el agente? | «Una cuenta de servicio.» |
La segunda pregunta merece una nota, porque los proveedores suelen responderla con el cifrado. Un modelo no sabe comparar dos fechas ni proponer un código médico dentro de texto cifrado: si el agente hace esas cosas, alguien descifró los datos antes. Pregunte qué recibe el modelo y trate la cuestión del cifrado aparte.
Dónde está Datacapt
- Escribe la estructura del eCRF, la lógica condicional, las reglas de validación, las plantillas y los idiomas en estudios en DRAFT.
- Envía a los modelos solo metadatos y agregados. El único texto introducido que puede salir es un término verbatim, aislado, para una sugerencia de codificación.
- Una clave MCP por usuario, con alcance definido y revocable.
- Origen MCP en la pista de auditoría, con un filtro dedicado para las inspecciones.
Puede manejarlo desde el chat integrado en la plataforma o desde su propio cliente MCP, conectado a Claude, ChatGPT, Gemini u otro modelo que haya elegido. Vea cómo V5 construye un estudio.
Preguntas frecuentes
¿Qué es un servidor MCP para un EDC?
Un servidor MCP expone las operaciones de un EDC a un agente de IA como un catálogo de herramientas que el modelo descubre e invoca, de modo que un data manager puede formular su petición en lenguaje natural en lugar de recorrer la interfaz. Se sitúa sobre la API existente de la plataforma sin sustituirla.
¿Un agente de IA que escribe en un EDC incumple el 21 CFR Part 11?
No, siempre que la escritura quede atribuida. El agente necesita una identidad ligada a un usuario nombrado, la pista de auditoría debe registrar que la acción llegó por MCP con la herramienta y los parámetros usados, y la firma electrónica que pasa el estudio a producción sigue siendo la de una persona. Un agente que opera con una cuenta de servicio compartida incumple el requisito de atribución.
¿Puede un agente de IA ver mis datos de pacientes mediante MCP?
Depende del servidor, no del protocolo. Un servidor que agrega en el backend envía al modelo recuentos y estructuras. Un servidor que reenvía los resultados de la consulta le envía filas. Pregunte al proveedor cuál de los dos describe su construcción.
¿Qué proveedores de EDC tienen un servidor MCP?
Medidata ha desplegado servidores MCP para búsqueda documental y clasificación de centros. CData, un tercero, ofrece un conector de solo lectura que alcanza los datos de Veeva. Datacapt opera un servidor MCP con acceso de escritura a la configuración de los estudios. Varios servidores públicos exponen ClinicalTrials.gov.
¿Cuánto tiempo ahorra MCP en la configuración de un estudio?
Datacapt mide alrededor de un 60 % en la configuración misma. El ahorro depende del nivel que alcance el servidor: un servidor que produce una especificación que una persona reescribe devuelve una fracción de lo que devuelve un servidor que crea los formularios.
