Uso de Big Data en Farmacovigilancia: Perspectivas sobre la Minería de Datos para la Seguridad de los Medicamentos

En el siglo XX, la farmacovigilancia tenía un aspecto muy diferente. Los profesionales de la salud (HCPs) y los patrocinadores de ensayos clínicos solían analizar los síntomas del paciente, la dosis y los patrones de prescripción para identificar si alguna reacción adversa se originaba en el medicamento. Sin embargo, hoy en día la farmacovigilancia depende de una cosa principal: los datos.

Hoy en día, los eventos adversos y las interacciones fármaco-fármaco se estudian a partir de datos de pacientes. Se recopilan datos de fuentes como datos de ensayos clínicos, historias clínicas electrónicas, sistemas de notificación de eventos adversos y foros de redes sociales. Luego se analizan para la detección temprana de reacciones adversas a medicamentos o para predecir interacciones fármaco-fármaco. Estas predicciones pueden ayudar a los HCPs y a los patrocinadores de ensayos clínicos a tomar decisiones mejores para la seguridad del paciente.

Para obtener estos datos, a menudo se emplea un proceso sencillo: la minería de datos. La minería de datos implica el análisis de grandes conjuntos de datos para identificar patrones, correlaciones y conocimientos. Utiliza diversas técnicas analíticas, como la minería de reglas de asociación, y tecnologías, como la inteligencia artificial (AI) y el aprendizaje automático (ML), para identificar y predecir riesgos potenciales. Hoy en día, existen varias herramientas aprobadas por los organismos reguladores para la minería de datos.

Bases de datos y herramientas de minería de datos que necesita para farmacovigilancia

FAERS

El sistema de notificación de eventos adversos de la Food and Drug Administration de Estados Unidos (FAERS) es un panel público que apoya la vigilancia de seguridad postcomercialización de la FDA sobre todos los fármacos y productos biológicos aprobados. La minería de datos de la base de datos FAERS puede proporcionar asociaciones clínicamente importantes previamente desconocidas, lo que puede ayudar a predecir interacciones fármaco-fármaco.

Vigibase

Gestionado por la Organización Mundial de la Salud, Vigibase es una base de datos global de informes de eventos adversos relacionados con medicamentos y vacunas. El público en general puede acceder a parte de estos datos a través de la herramienta VigiAccess. La base de datos se actualiza periódicamente y está vinculada a herramientas de gestión de datos y aseguramiento de la calidad, lo que permite la entrada, recuperación y análisis de datos estructurados.

EudraVigilance

EudraVigilance es una base de datos de acceso público de informes de reacciones adversas desarrollada y gestionada por la European Medicines Agency (EMA). Su integración de AI permite una detección de señales mejorada. La base de datos también facilita el intercambio electrónico de informes individuales de seguridad entre la EMA, las NCAs, los MAHs y los patrocinadores de ensayos clínicos. Los datos en la base de datos EudraVigilance pueden minarse para la detección temprana y la evaluación de posibles señales de seguridad.

BioBERT

Bidirectional Encoder Representations from Transformers para minería de texto biomédico (BioBERT) es una herramienta de minería de texto biomédico preentrenada en corpus biomédicos. Supera a varias herramientas de minería de texto disponibles en extracción de relaciones biomédicas, identificación de entidades nombradas biomédicas y respuesta a preguntas biomédicas. Esta herramienta puede utilizarse para la minería de la literatura farmacéutica para estudiar eventos adversos reportados. También puede utilizarse para encontrar informes de estudios de casos incidentes con síntomas o terminologías específicas.

Oracle Argus Safety

Argus de Oracle puede utilizarse para procesar, analizar e informar sobre eventos adversos relacionados con fármacos, biológicos, vacunas, dispositivos y productos combinados. Puede utilizarse para recopilar datos de eventos adversos de múltiples fuentes, incluyendo registros electrónicos de salud, ensayos clínicos y literatura, que pueden almacenarse en una base de datos centralizada y minarse utilizando algoritmos de aprendizaje automático y basados en reglas. Argus Safety cumple con las normas y regulaciones para fármacos, vacunas y dispositivos médicos en todas las regiones del mundo.

MedDRA

Aunque el MedDRA no puede usarse directamente para la minería de datos, ciertamente tiene algunas aplicaciones excelentes. MedDRA significa Medical Dictionary for Regulatory Activity, que fue desarrollado en la década de 1990 por el International Council for Harmonization of Technical Requirements for Pharmaceuticals for Human Use. Tiene una estructura estandarizada de clasificación y codificación de eventos adversos que se utiliza para la generación de informes en ensayos clínicos, presentaciones regulatorias e informes de vigilancia postcomercialización. Puede integrarse con Argus Safety, Empirica Signal y FAERS para el monitoreo en tiempo real.

Empirica Signal

Oracle Empirica Signal es una plataforma avanzada de minería de datos y detección de señales. Utiliza algoritmos como el proporción de notificación, odds ratio de notificación y multi-item gamma Poisson shrinker para detectar señales de seguridad. También utiliza aprendizaje no supervisado para identificar relaciones desconocidas. Puede detectar patrones latentes en datos de seguridad de medicamentos. Además incluye modelos de AI que pueden predecir qué combinación de fármacos presenta altos riesgos de eventos adversos.

Estas herramientas de minería de datos son utilizadas por varias compañías farmacéuticas e investigadores para diversos objetivos farmacéuticos.

¿Quiénes utilizan herramientas de minería de datos para farmacovigilancia?

Aquí hay algunos ejemplos de cómo se utilizan actualmente estas herramientas en el mundo real.

• FAERS: Recientemente, investigadores analizaron la base de datos FAERS para identificar y analizar eventos adversos relacionados con Vedolizumab. FAERS también se ha utilizado para extraer datos relacionados con otros fármacos como Nirmatrelvir, Ritonavir, axitinib y antagonistas duales del receptor de orexina.
• Bio-BERT: Investigadores han utilizado modelos de lenguaje basados en BERT para la extracción precisa de eventos adversos de fármacos a partir de datos de redes sociales.
• Oracle Argus Safety: Yuhan Corporation, la mayor compañía farmacéutica de Corea del Sur, utiliza Argus Safety para sus operaciones de farmacovigilancia.

Estos son solo algunos ejemplos de las empresas e investigadores que han utilizado herramientas de minería de datos para sus operaciones de farmacovigilancia; existen muchas más en el mundo real. Sin embargo, la integración de dichas herramientas de minería de datos no ha sido rápida, principalmente porque existen muchos riesgos asociados con estas herramientas.



Riesgos asociados con el uso de herramientas de minería de datos

Problemas de calidad y precisión de los datos

Muchas bases de datos y herramientas de minería de datos contienen información inconsistente o faltante, lo que puede llevar a conclusiones incorrectas. También pueden contener entradas duplicadas, lo que provoca sesgos en los datos. Finalmente, muchos eventos adversos de fármacos no se notifican debido a la falta de conocimiento, la complejidad del reporte y el temor de los pacientes a consecuencias legales, lo que significa que la mayoría de las bases de datos y herramientas de minería no disponen de información exhaustiva.

Falsos positivos y falsos negativos

Las herramientas de minería de datos pueden señalar asociaciones de fármacos inocuas como señales de seguridad, resultando en falsos positivos. Por el contrario, los algoritmos también pueden no detectar eventos adversos raros o a largo plazo debido a asociaciones estadísticas débiles. Estos falsos positivos y negativos pueden sesgar los datos y ofrecer una imagen incompleta.

Preocupaciones sobre la privacidad de los datos

Persisten preocupaciones sobre la privacidad en la minería de datos, ya que puede exponer información sensible de pacientes. Las compañías farmacéuticas deben cumplir con estrictas leyes de protección y privacidad de datos como el GDPR y HIPAA. Desafortunadamente, este cumplimiento limita el acceso a información detallada de los pacientes, lo que hace más difícil encontrar correlaciones.

El futuro de las herramientas de minería de datos

En el contexto de la farmacovigilancia, la minería de datos tiene excelentes beneficios, que han sido aprovechados por muchas compañías farmacéuticas y organismos reguladores en todo el mundo. En consecuencia, hay disponibles diversas herramientas para la minería de datos y todavía se investigan más herramientas. Sin embargo, la implementación de dichas herramientas plantea riesgos, principalmente preocupaciones sobre la calidad de los datos y la privacidad, que necesitan resolverse con urgencia. Estos riesgos son las principales barreras para el uso generalizado de herramientas de minería de datos en farmacovigilancia. Pueden abordarse mediante análisis avanzados, validación por expertos y prácticas éticas.

Preguntas frecuentes

1. ¿Por qué se utiliza la minería de datos en farmacovigilancia?

La minería de datos puede identificar patrones ocultos y preocupaciones de seguridad desconocidas previamente respecto al uso de fármacos, lo que ayuda a las agencias reguladoras y a las empresas a tomar medidas de seguridad proactivas y gestionar el riesgo.

2. ¿Cómo ayuda la minería de datos a detectar reacciones adversas a medicamentos?

Las técnicas de minería de datos ayudan a identificar reacciones inesperadas o graves analizando patrones en bases de datos de eventos adversos. Estos patrones ayudan a confirmar si la reacción es provocada por un estímulo específico.

3. ¿Las agencias reguladoras usan la minería de datos en sus actividades de farmacovigilancia?

Sí, las agencias reguladoras utilizan la minería de datos para vigilar la seguridad de los medicamentos en el mercado y emitir alertas de seguridad basadas en los hallazgos.