Pharmaceutical Technology Brasil Ed. 3-23

Pharmaceutical Technology 15 Pharmaceutical Technology 15 Edição Brasileira - Vol. 27 / Nº3 benefícios ou reações adversas ao realizar avaliações de risco-benefício. “Esses sinais fornecem informações valiosas do mundo real que não podem ser determinadas pela mineração de dados de ensaios clínicos controlados. Da mesma forma, as tecno- logias NLG podem ser aplicadas para gerar relatórios agregados ou sua estrutura bá- sica, o que pode ajudar com especialistas humanos liberados para fornecer análises e finalizações adicionais”. Processamento de linguagem natu- ral. Os aplicativos de NLP são usados na farmacovigilância para entender e classi- ficar as informações de eventos adversos pós-comercialização de uma variedade de fontes, como pacientes, profissionais de saúde e ensaios clínicos, explica Vaish- nav. “Os sistemas de NLP podem analisar notas clínicas não estruturadas sobre pacientes, fornecendo uma visão incrível para entender a qualidade, melhorar os métodos e obter melhores resultados para os pacientes”, diz Vaishnav. Moorman enfatiza os benefícios da NLP por causa dos dados textuais ou não estruturados envolvidos na segurança dos medicamentos. “Esta área da AI está em contínuo desenvolvimento, mas vem mostrando uso no mundo real e está pronta para ser aplicada a documentos médicos sobre eventos adversos. Os mode- los Nearest Neighbors também podem ser usados para categorizar efeitos adversos e associá-los a tratamento, demografia, anomalias de doenças, informações pes- soais, etc. Além disso, os modelos causal e qualitativo agregam muito valor - eles estão melhorando a cada dia”. Ferramentas adicionais. Também estão sendo desenvolvidas novas técnicas de modelagem para classificação visual/ imagem, aponta Moorman. “Portanto, no geral, houve um trabalho incrível na purificação da linguagem natural e na mo- delagem de classificação de imagens, que poderiam ser muito úteis para o desenvol- vimento e segurança de medicamentos”. A vigilância pós-comercialização (PMS) ou detecção de sinais é usada no moni- toramento contínuo de eventos adversos. “A PMS depende da análise de dados de fontes como avaliação médica de EAs espontâneos, literatura médica, bancos de dados de agências reguladoras e dados de ensaios clínicos, juntamente com ‘evi- dências do mundo real’, como prontuários eletrônicos, dados de dispositivos médicos e dados de mídias sociais e outras fontes online”, diz Vaishnav. O futuro da AI na farmacovigilância pode ser encontrado em novas ferramen- tas de AI, como hubs de dados e suporte à avaliação médica, confirma Dosanjh. Os hubs de dados permitem a coleta e o compartilhamento de informações em tempo real, em uma organização, per- mitindo a combinação de dados entre as equipes e uma visão completa dos dados. O suporte de avaliação médica orientado por AI também pode fornecer uma visão mais holística dos dados e conectar casos semelhantes e relevantes com base em dados estruturados e não estruturados, de acordo com Dosanjh. “Um avaliador pode comparar sua decisão com uma ferramenta de AI que escaneou todo o histórico do produto ou eventos semelhantes relatados em todas as classes de produtos semelhantes. Isso trará uma nova dimensão à avaliação e deverá ajudar os médicos a tomar decisões mais bem informadas”, diz Dosanjh. “À medida que as ferramentas de AI são usadas e possuem mais dados para todo o ciclo de vida de um evento adverso, podemos estender os recursos de análise de dados e permitir que as ferramentas de AI não apenas identifiquem problemas po- tenciais, mas também as mitigações que se mostrarammais bem-sucedidas, sugerindo aquelas com conjuntos de dados menores, de uma maneira muito mais rápida do que as organizações podem atualmente”, diz Dosanjh. “Isso aumentará a eficácia das mitigações e ajudará as organizações a aplicá-las mais rapidamente, reduzindo a exposição potencial dos pacientes a futuros eventos adversos ou até mesmo prevenindo-os” PT Referências 1. WHO. What Is Pharmacovigilance. WHO.int (accessed Feb. 7, 2023). 2. EMA. Pharmacovigilance: Overview. EMA.europa.eu. (accessed Feb. 7, 2023). 3. FDA. Questions and Answers on FDA’s Adverse Event Reporting System (FAERS). FDA.gov. June 4, 2018 (accessed Feb. 7, 2023).