fbpx

Применение искусственного интеллекта в фармаконадзоре

Искусственный интеллект (ИИ, AI, Artificial Intelligence) используется для моделирования процессов человеческого интеллекта с помощью компьютерных систем.

Искусственный интеллект включает в себя широкий спектр технологий: следование правилам, рассуждения – использование правил для достижения приблизительных или определенных выводов, обучение и самокоррекцию.

ИИ и другие технологии автоматизации систем фармаконадзора позволяют устранить фактор человеческой ошибки, стандартизировать процессы, сократить продолжительность цикла обработки и количество ручных усилий.

Сферы применения ИИ

Технологии ИИ можно увидеть в таких областях применения электронных систем по фармаконадзору, как:

  • сбор отдельных сообщений;
  • сводную отчетность; управление рисками
  • управление сигналами;
  • QMS (Систему Управления Качеством).

Примером использования ИИ может быть применение машинного обучения для автоматического кодирования медицинских терминов (по словарю MedDRA) или медицинских продуктов (по словарю WHODrug или аналогичным).

На рисунке ниже продемонстрирована функциональность электронной системы для автоматического кодирования медицинских терминов и поиска дубликатов сообщений:

Artificial Intelligence in Flex Databases Pharmacovigilance

ИИ также применяется в следующих перспективных методологиях выявления сигналов по безопасности:

  • мультимодальное выявление сигналов;
  • выявление сигналов при помощи нейросетей;
  • предиктивное выявление сигналов.

Примеры технологий ИИ 

Технология Область применения в электронной системе по фармаконадзору

Машинное обучение (ML)

Подмножество ИИ, позволяет специалистам по обработке данных и аналитикам создавать алгоритмы, которые могут учиться и делать прогнозы на основе данных. Вместо того, чтобы следовать определенному набору правил или инструкций, эти алгоритмы обучены выявлять закономерности в больших объемах данных, улучшаясь с течением времени и изучением новых потоков данных. Подобные технологии особенно полезны для выявления потенциальных сигналов.

Сбор сообщений, Периодическая отчетность, управление сигналами, управление рисками

Нейронная сеть

Система, моделирующая нейронную структуру мозга млекопитающих. Нейронные сети обычно состоят из слоев, состоящих из множества связанных узлов. Подобные технологии особенно полезны для выявления потенциальных сигналов.

Сбор сообщений, Периодическая отчетность, управление сигналами, управление рисками

Семантический поиск

Направлен на улучшение точности поиска путем понимания намерений пользователя и контекстуального значения поискового запроса для выдачи более релевантных результатов

Сбор сообщений, Периодическая отчетность, Управление рисками, Управление сигналами

 

Примеры использования ИИ

Пример 1. Автоматизированный сбор и оценка сообщений о СНЯ в онлайн комментариях на вебсайтах в Индии

Традиционный сбор сообщений по безопасности на данной территории затруднен. Нейронная сеть и методология анализа тональности текста (sentiment analysis) позволяют автоматически выявлять в тексте эмоционально окрашенную лексику и эмоциональную оценку авторов по отношению к исследуемым объектам.

Пример 2. Применение ИИ и машинного обучения для предсказания профиля безопасности будущего ЛС еще на этапе его разработки.

Известен пример, когда исследователи соединили данные in vitro и информацию о безопасности из базы данных FAERS. Далее они создали модели машинного обучения, позволяющие предсказывать будущие нежелательные явления на основании in vitro данных, публикуемых в таких источниках данных, как PubMed.

Thank you for your interest.

Thank you for your interest. We are working on your request and will come back to you in the next 24 hours.

Get started

Have we picked your interest?

Tell us more about yourself and we will organize a tailored live demo to show how you can power up your clinical trials processes with Flex Databases.

Get started