Pharmaceutical Technology Brasil Ed. 3-23

Pharmaceutical Technology 13 Pharmaceutical Technology 13 Edição Brasileira - Vol. 27 / Nº3 senvolvimento do medicamento, usando a análise de dados com suporte de AI, os fabricantes de medicamentos podem se concentrar em redirecionar recursos para o desenvolvimento e distribuição de medicamentos que poderiam ter impacto positivo na vida do paciente”, afirma Dr. Vaishnav. Srinivasan concorda que a AI pode ser usada para melhorar a tomada de decisões. “Pode-se usar AI para compreensão de linguagem natural e reconhecimento de imagem para melhorar a qualidade dos dados recebidos de estudos de medica- mentos”, diz ela. “Isso, combinado aos desenvolvimentos atuais em análise de big data e platafor- mas de farmacovigilância baseadas em nuvem, permitirá análises mais sofisti- cadas de grandes conjuntos de dados de experimentos do mundo real”. A AI pode também reduzir o erro humano, acelerar as avaliações de risco e identificar pa- drões e tendências nos dados, acrescenta Srinivasan. Uso pós-comercialização da AI A AI pode ajudar as empresas far- macêuticas a estudar, aprender e prever as mudanças necessárias aos produtos já existentes no mercado, com base nas informações de segurança obtidas após a aprovação, para proteger os pacientes. “As descobertas podem fornecer sinais sobre os efeitos do uso prolongado de medica- mentos desconhecidos e ajudar a conduzir mudanças na dosagem ou na instrução ao paciente”, diz Sabaratnam. Quando se trata de dados de segurança pós-comercialização, Vaishnav afirma que a AI e o aprendizado de máquina ajudam os patrocinadores de medicamentos a coletar dados e desenvolver soluções para eventos adversos práticos. “A codificação assistida por computa- dor (CAC) do Conselho Internacional para Harmonização do Dicionário Médico para Atividades Regulatórias (MedDRA) codifica eventos adversos mencionados nos rótulos dos produtos [pode ser usado]; no entanto, eles devem ser coletados e armazenados de forma a simplificar os processos e in- troduzir eficiências nos processos de revisão manual, permitindo que as ferramentas os convertam em dados do mundo real (RWD). Essa análise de RWD produz evidências do mundo real (RWE), que são evidências clínicas que podem fornecer informações sobre o uso e potenciais benefícios ou riscos de um medicamento”, diz Vaishnav. Metodologias de AI e linguística com- putacional também são usadas no relato de eventos adversos aos reguladores, utilizando técnicas de PNL, de acordo com Vaishnav. Entretanto, há limitações para o uso da AI, alerta Vaishnav, como “dificuldades no aprendizado de idiomas, decorrentes da necessidade de entender o contexto e interpretar ambiguidades, afetando principalmente a tradução, e inadequações dos bancos de dados. Essas limitações exigem uma curadoria cuidadosa dos dados de eventos adversos para submissões precisas”.