Arrow
use cases

Preveja reações adversas a medicamentos com IA

IA avançada para detectar medicamentos e reações adversas em texto das mídias sociais.

Problem

Garantir a segurança de medicamentos no setor de saúde é cada vez mais desafiador, pois cerca de 80% dos dados globais não são estruturados, abrangendo avaliações de pacientes, mídias sociais e textos médicos extensos (1). A dificuldade está em identificar com eficácia os casos de uso de medicamentos e possíveis reações adversas de fontes tão variadas e não estruturadas. É fundamental enfrentar esse obstáculo, considerando que a detecção e a documentação eficientes de reações adversas a medicamentos são fundamentais para manter a segurança do paciente — uma preocupação ressaltada pelas milhões de hospitalizações que ocorrem anualmente devido a problemas relacionados à medicação (2) (3).

Why it matters

  • Garantir a segurança dos medicamentos é um desafio, pois 80% dos dados globais não são estruturados, incluindo avaliações de pacientes, mídias sociais e textos médicos.
  • Identificar o uso de medicamentos e possíveis reações adversas de diversas fontes é difícil, mas crucial para a segurança do paciente.
  • A detecção eficiente de reações adversas a medicamentos é essencial, pois problemas relacionados a medicamentos levam a milhões de hospitalizações anualmente.

Solution

Para enfrentar esse desafio, foi criado o “MedINER AI”, um sistema que aplica a tecnologia de reconhecimento de entidades nomeadas (NER) para a identificação e categorização automáticas de medicamentos e seus efeitos adversos em textos, melhorando assim a precisão e a eficácia. na vigilância da segurança de medicamentos.

Discover more and interact with our AI!

Datasources

O MedIner AI é treinado em padrões e informações de publicações de pesquisa. Isso inclui estudos sobre a identificação de reações adversas a medicamentos nas mídias sociais (1), estimativa da prevalência dessas reações (2) e métodos de cruzar as discussões do Twitter com a literatura médica (3). Esses estudos fornecem ao sistema a capacidade de identificar e categorizar com precisão entidades médicas relevantes, ajudando os profissionais de saúde a reconhecer possíveis problemas de segurança de medicamentos.

Citations

  1. Lardon J, Abdellaoui R, Bellet F, Asfari H, Souvignet J, Texier N, Jaulent MC, Beyens MN, Burgun A, Bousquet C Identificação e extração de reações adversas a medicamentos nas mídias sociais: uma revisão do escopo J Med Internet Res 2015; 17 (7): e171doi: 10,2196/jmir.4304
  2. Nguyen, T., Larsen, M. E., O'Dea, B., Phung, D., Venkatesh, S. e Christensen, H. (2017). Estimativa da prevalência de reações adversas a medicamentos nas mídias sociais. Jornal Internacional de Informática Médica, 102, 130-137. https://doi.org/10.1016/j.ijmedinf.2017.03.013
  3. De Rosa, M., Fenza, G., Gallo, A., Gallo, M. e Loia, V. (2021). Farmacovigilância na era das mídias sociais: descobrindo eventos adversos a medicamentos, relacionando o Twitter e o PubMed. Sistemas de computador de geração futura, 114, 394-402. https://doi.org/10.1016/j.future.2020.08.020

Agende uma consulta gratuita

Com a confiança das principais instituições de saúde do mundo