Arrow
use cases

Predicción de reacciones adversas a los medicamentos con IA

Inteligencia artificial avanzada para detectar fármacos y reacciones adversas en textos de redes sociales.

Problem

Garantizar la seguridad de los medicamentos en la industria de la salud es cada vez más difícil, ya que aproximadamente el 80% de los datos mundiales no están estructurados y abarcan reseñas de pacientes, redes sociales y textos médicos extensos (1). La dificultad radica en identificar eficazmente los casos de uso de medicamentos y las posibles reacciones adversas a partir de fuentes tan variadas y desestructuradas. Es fundamental superar este obstáculo, teniendo en cuenta que la detección y la documentación eficientes de las reacciones adversas a los medicamentos son fundamentales para mantener la seguridad de los pacientes, una preocupación que subrayan los millones de hospitalizaciones que se producen cada año por problemas relacionados con la medicación (2) (3).

Why it matters

  • Garantizar la seguridad de los medicamentos es un desafío debido a que el 80% de los datos globales no están estructurados, incluidas las reseñas de los pacientes, las redes sociales y los textos médicos.
  • Identificar el uso de medicamentos y las posibles reacciones adversas de diversas fuentes es difícil pero crucial para la seguridad del paciente.
  • La detección eficaz de las reacciones adversas a los medicamentos es esencial, ya que los problemas relacionados con los medicamentos provocan millones de hospitalizaciones al año.

Solution

Para hacer frente a este desafío, se ha creado «MeDiner AI», un sistema que aplica la tecnología de reconocimiento de entidades nombradas (NER) para la identificación y categorización automáticas de los medicamentos y sus efectos adversos en los textos, mejorando así la precisión y la eficacia en la vigilancia de la seguridad de los medicamentos.

Discover more and interact with our AI!

Datasources

MedIner AI está capacitada sobre patrones e información de publicaciones de investigación. Estos incluyen estudios sobre la identificación de reacciones adversas a los medicamentos en las redes sociales (1), la estimación de la prevalencia de estas reacciones (2) y los métodos para cruzar las discusiones de Twitter con la literatura médica (3). Estos estudios proporcionan al sistema la capacidad de identificar y clasificar con precisión las entidades médicas pertinentes, lo que ayuda a los profesionales de la salud a reconocer los posibles problemas de seguridad de los medicamentos.

Citations

  1. Lardon J, Abdellaoui R, Bellet F, Asfari H, Souvignet J, Texier N, Jaulent MC, Beyens MN, Burgun A, Bousquet C Identificación y extracción de reacciones adversas a los medicamentos en las redes sociales: una revisión exploratoria J Med Internet Res 2015; 17 (7) :e171doi: 10,296/jmir.4304
  2. Nguyen, T., Larsen, M.E., O'Dea, B., Phung, D., Venkatesh, S. y Christensen, H. (2017). Estimación de la prevalencia de reacciones adversas a los medicamentos en las redes sociales. Revista 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. y Loia, V. (2021). La farmacovigilancia en la era de las redes sociales: descubriendo los efectos adversos de los medicamentos que relacionan Twitter y PubMed. Sistemas informáticos de la generación futura, 114, 394-402. https://doi.org/10.1016/j.future.2020.08.020

Reserve una consulta gratuita

Con la confianza de las principales instituciones de salud del mundo