- Settore: Sanità
- Strumenti e tecnologie: Python, Machine Learning, Deep Learning e Natural Language Processing
Il nostro cliente
Il cliente è una startup farmaceutica nel settore sanitario, con l’obiettivo di sviluppare servizi integrati di farmacovigilanza basati su intelligenza artificiale.
Sfida
Sviluppare una soluzione software di farmacovigilanza per automatizzare l’elaborazione degli eventi avversi (AE) o il rilevamento dei segnali, che possa svolgere i processi in modo più efficiente rispetto all’intervento manuale, apportando benefici significativi nel bilanciamento del profilo beneficio-rischio del farmaco.
Obiettivi:
- Ottimizzare la strategia di farmacovigilanza con l’intelligenza artificiale
- Rispettare i requisiti normativi in tempi brevi (miglioramento dei tempi di conformità tramite automazione del lavoro manuale)
- Valorizzare il processo tramite profili beneficio-rischio migliorati
- Prendere decisioni di sicurezza più rapide ed efficienti attraverso analisi intelligenti
Soluzione
Il ciclo di farmacovigilanza inizia con la raccolta dei dati sugli eventi avversi da diverse fonti e formati. Le attività di elaborazione dei casi AE (inserimento dati, triage, controllo qualità) vengono eseguite; si procede poi con la codifica MedDRA, l’elaborazione basata su ontologie e la valutazione della gravità.
Inoltre, vengono effettuate attività di elaborazione del testo come estrazione di entità, estrazione di pattern e relazioni, classificazione del testo sui dati raccolti da letteratura, social media, blog, forum ecc. Questo processo è seguito dal rilevamento e dalla gestione dei segnali. Successivamente, viene eseguita la valutazione di causalità e vengono suggerite ulteriori azioni basate su misure statistiche di associazione e priorità.
L’analisi dei dati attraverso machine learning, deep learning e NLP (natural language processing) da fonti non strutturate e semi-strutturate consente analisi predittive e una migliore generazione di insight utili per migliorare i risultati in termini di sicurezza.
Le capacità del NLP aiutano a elaborare grandi quantità di testo per la revisione automatica della letteratura scientifica e dei testi provenienti dai social media. Oltre ad analizzare dati strutturati da varie fonti, il NLP consente di elaborare grandi volumi di testo non strutturato per identificare eventi avversi da vari report terapeutici, stabilire associazioni farmaco-evento e segnalare nuovi casi sospetti. Le tecnologie di comunicazione ci permettono inoltre di sfruttare Internet, social media e piattaforme mobili per consentire alle aziende farmaceutiche di interagire proattivamente con i diversi stakeholder, offrendo una piattaforma semplice (app mobile) per fornire feedback o segnalazioni sui prodotti.
Risorse impiegate e durata del progetto
Questo progetto ha impiegato 12 persone per una durata di 2 anni.
Risultato
Sviluppo di un software di farmacovigilanza end-to-end, con le seguenti funzionalità:
- Strumento per la revisione della letteratura medica e scientifica
- Strumento di segnalazione spontanea per reazioni avverse sospette ai farmaci
Strumento per rilevamento ed valutazione dei segnali
- Configurazione e gestione di un database interno di sicurezza
- Revisione sistematica della letteratura medica e scientifica, estrazione da social media e testi per la raccolta di segnalazioni di reazioni avverse
Benefici e valore aggiunto
- Risparmio di tempo e costi
- Miglioramento del processo decisionale
- Aumento della produttività
Miglioramento del profilo beneficio-rischio grazie alla combinazione di dati eterogenei
Gestione proattiva del rischio tramite potenza predittiva
- Ottimizzazione del panorama della farmacovigilanza, che richiede soluzioni molto più robuste e competenze specializzate
In un ambiente altamente regolamentato, è essenziale mantenere i prodotti sul mercato assicurando che il profilo beneficio-rischio venga costantemente monitorato e mantenuto in equilibrio.
