Applicazioni molto importanti dell’intelligenza artificiale sono la farmacovigilanza e la supervisione post-marketing dei farmaci.
L’intelligenza artificiale ha caratteristiche specifiche, come l’apprendimento automatico e l’elaborazione dell’apprendimento naturale. Le tecniche di apprendimento automatico analizzano i dati strutturati, come quelli di imaging e genetici. I dati non strutturati vengono rilevati dall’apprendimento naturale, che è in grado di comprendere e interpretare il linguaggio umano.
Una delle fasi più critiche nell’interpretazione dei dati consiste, infatti, nell’estrarre le informazioni grezze da fonti quali prescrizioni mediche, rapporti di laboratorio e cartelle cliniche.
L’aggiunta dell’AI rappresenta un miglioramento e un aggiornamento dell’attuale sistema di farmacovigilanza e del sistema di rilevamento delle reazioni avverse
Essa può utilizzare algoritmi sofisticati per estrarre informazioni utili dall’enorme quantità di dati sanitari e migliorare l’accuratezza dei dati grazie appunto alla sua capacità di apprendimento e autocorrezione.
I principali benefici dell’AI in farmacovigilanza sono soprattutto l’accorciamento dei tempi e il miglioramento della qualità e dell’accuratezza delle informazioni
Gli strumenti dell’intelligenza artificiale possono essere utilizzati in molti modi nella farmacovigilanza. Ad esempio, invece di limitarsi a raccogliere le segnalazioni spontanee di sospette reazioni avverse ai farmaci attraverso sistemi come lo Yellow Card del Regno Unito, a cui viene segnalato solo il 10% circa degli eventi avversi, i dati raccolti da tali sistemi, che ad oggi afferiscono in modo spesso non uniforme a varie banche dati come VigiFlow, VigiBase, VigiAccess e VigiLyze, potrebbero essere collegati tra loro e anche ad altri database, come quelli relativi a richieste di risarcimento, oppure alle cartelle cliniche elettroniche degli ospedali e dei medici di base, per fornire prove di qualità superiore sulle associazioni segnalate e per individuare nuovi segnali.
L’azienda GlaxoSmithKline (GSK), ad esempio, ha da tempo istituito il “GSK global security system “, un sistema che raccoglie le informazioni sulla sicurezza preclinica, gli studi clinici randomizzati e controllati, gli studi osservazionali, il sistema di segnalazione spontanea delle reazioni avverse a farmaci (ADR)
La piattaforma OpenSAFELY è un esempio di come questo possa essere fatto: si tratta di un’interfaccia per le cartelle cliniche dei pazienti del Servizio Sanitario Nazionale del regno unito, che consente l’analisi statistica da parte dei ricercatori medici. Inizialmente è stata utilizzata per effettuare un’analisi dei fattori di rischio associati ai decessi per COVID-19 in ospedale nel Regno Unito e questo è un dato significativo perché il set di dati è particolarmente grande e coinvolge oltre 58 milioni di pazienti.
In conclusione, i campi di applicazione dell’intelligenza artificiale in farmacovigilanza sono molteplici e c’è ragione di credere che, inserendo in un computer fatti rilevanti, programmandolo con algoritmi eseguibili che interpretino accuratamente tali fatti, fornendo alla macchina i mezzi per imparare dalla sua esperienza, monitorando i dati che utilizza e testando le sue prestazioni in circostanze reali, l’AI continuerà a migliorare e a potenziare sempre più le nostre capacità di pensare e di comportarci.
Bibliografia:
Yujie Wang, Yuanzhou Guan & Yi Liang : Application of Internet +AI in the Lifecycle Management of Drugs.
Leggi l’articolo qui.
Jeffrey K. Aronson : Artificial Intelligence in Pharmacovigilance: An Introduction to Terms, Concepts, Applications, and Limitations.
Leggi l’abstract qui.
