Utilizzo del Big Data nella farmacovigilanza: approfondimenti sul data mining per la sicurezza dei farmaci

All’inizio del XX secolo la farmacovigilanza aveva un aspetto molto diverso. Gli operatori sanitari (HCP) e gli sponsor degli studi clinici spesso esaminavano i sintomi del paziente, il dosaggio e i modelli di prescrizione per identificare se eventuali reazioni avverse derivassero dal farmaco. Oggi, però, la farmacovigilanza si basa su un elemento fondamentale: i dati.

Oggi eventi avversi e interazioni tra farmaci vengono studiati a partire dai dati dei pazienti. Si raccolgono dati provenienti da fonti quali dati di studi clinici, cartelle cliniche elettroniche, sistemi di segnalazione di eventi avversi e forum sui social media. Questi vengono poi analizzati per la rilevazione precoce di reazioni avverse ai farmaci o per prevedere interazioni farmacologiche. Queste previsioni possono aiutare gli HCP e gli sponsor degli studi clinici a prendere decisioni migliori per la sicurezza del paziente.

Per ottenere questi dati, spesso si impiega un processo semplice: il data mining. Il data mining comporta l’analisi di grandi set di dati per identificare schemi, correlazioni e approfondimenti. Utilizza varie tecniche analitiche, come l’association rule mining, e tecnologie come l’intelligenza artificiale (AI) e il machine learning (ML), per individuare e prevedere potenziali rischi. Oggi sono disponibili diversi strumenti approvati dalle autorità regolatorie per il data mining.

Database e strumenti di Data Mining necessari per la farmacovigilanza

FAERS

Il sistema di segnalazione di eventi avversi della United States Food and Drug Administration (FAERS) è una dashboard pubblica che supporta il monitoraggio della sicurezza post-marketing della FDA per tutti i farmaci e i biologici approvati. Il data mining del database FAERS può rivelare associazioni clinicamente importanti precedentemente sconosciute, che possono aiutare a prevedere interazioni tra farmaci.

Vigibase

Gestito dall’Organizzazione Mondiale della Sanità, Vigibase è un database globale di segnalazioni di eventi avversi correlati a medicinali e vaccini. Il pubblico può accedere a parte di questi dati tramite lo strumento VigiAccess. Il database viene aggiornato regolarmente ed è collegato a strumenti per la gestione dei dati e il controllo qualità, consentendo l’immissione, il recupero e l’analisi strutturata dei dati.

EudraVigilance

EudraVigilance è un database di pubblico accesso delle segnalazioni di reazioni avverse sviluppato e gestito dall’European Medicines Agency (EMA). La sua integrazione con l’AI consente un miglior rilevamento dei segnali. Il database facilita anche lo scambio elettronico di report di sicurezza dei singoli casi tra EMA, NCAs, MAHs e sponsor di studi clinici. I dati presenti nel database EudraVigilance possono essere sottoposti a data mining per la rilevazione precoce e la valutazione di possibili segnali di sicurezza.

BioBERT

Bidirectional Encoder Representations from Transformers for Biomedical Text Mining (BioBERT) è uno strumento di text mining biomedicale pre-addestrato su corpora biomedici. Supera vari strumenti di text mining disponibili nell’estrazione di relazioni biomediche, nell’identificazione di entità denominate biomediche e nel question answering biomedico. Questo strumento può essere utilizzato per il mining della letteratura farmaceutica per studiare gli eventi avversi segnalati. Può anche servire a trovare report di casi incidenti con sintomi o terminologie specifiche.

Oracle Argus Safety

Argus di Oracle può essere utilizzato per elaborare, analizzare e riportare eventi avversi correlati a farmaci, biologici, vaccini, dispositivi e prodotti combinati. Può raccogliere dati sugli eventi avversi da più fonti, incluse cartelle cliniche elettroniche, studi clinici e letteratura, che possono essere memorizzati in un database centralizzato e analizzati mediante algoritmi di machine learning e basati su regole. Argus Safety è conforme agli standard e alle normative sui farmaci, vaccini e dispositivi medici in tutte le regioni del mondo.

MedDRA

Sebbene il MedDRA non possa essere utilizzato direttamente per il data mining, ha certamente alcune eccellenti applicazioni. MedDRA sta per Medical Dictionary for Regulatory Activity, sviluppato negli anni ’90 dall’International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use. Dispone di una struttura standardizzata di classificazione e codifica degli eventi avversi utilizzata per la generazione di report negli studi clinici, nelle sottomissioni regolatorie e nei report di sorveglianza post-marketing. Può essere integrato con Argus Safety, Empirica Signal e FAERS per il monitoraggio in tempo reale.

Empirica Signal

Oracle Empirica Signal è una piattaforma avanzata di data mining e rilevamento dei segnali. Utilizza algoritmi come il proportional reporting ratio, reporting odds ratio, and multi-item gamma Poisson shrinker per rilevare segnali di sicurezza. Impiega inoltre l’apprendimento non supervisionato per identificare relazioni sconosciute. Può rilevare pattern latenti nei dati di sicurezza dei farmaci. Include anche modelli di AI in grado di prevedere quali combinazioni di farmaci comportano un alto rischio di eventi avversi.

Questi strumenti di data mining sono utilizzati da diverse aziende farmaceutiche e ricercatori per vari obiettivi nel settore farmaceutico.

Chi utilizza gli strumenti di Data Mining per la farmacovigilanza?

Ecco alcuni esempi di come questi strumenti sono attualmente impiegati nel mondo reale.

• FAERS: Recentemente, i ricercatori hanno analizzato il database FAERS per identificare e analizzare eventi avversi correlati al Vedolizumab. FAERS è stato inoltre utilizzato per estrarre dati relativi ad altri farmaci come Nirmatrelvir, Ritonavir, axitinib e antagonisti duali del recettore dell’orexina.
• Bio-BERT: I ricercatori hanno utilizzato modelli linguistici basati su BERT per l’estrazione accurata di eventi avversi da dati dei social media.
• Oracle Argus Safety: Yuhan Corporation, la più grande azienda farmaceutica della Corea del Sud, utilizza Argus Safety per le sue operazioni di farmacovigilanza.

Questi sono solo alcuni esempi di aziende e ricercatori che hanno utilizzato strumenti di data mining per le loro operazioni di farmacovigilanza; ne esistono molti altri nel mondo reale. Tuttavia, l’integrazione di tali strumenti di data mining non è stata rapida, principalmente perché sono associati molti rischi.



Rischi associati all’uso di strumenti di data mining

Problemi di qualità e accuratezza dei dati

Molti database e strumenti di data mining contengono informazioni incoerenti o mancanti, il che può portare a conclusioni errate. Possono inoltre contenere voci duplicate, che provocano una distorsione dei dati. Infine, molti eventi avversi farmaco-correlati non vengono segnalati a causa di scarsa consapevolezza, complessità della segnalazione e paura da parte dei pazienti di conseguenze legali, il che significa che la maggior parte dei database e degli strumenti di mining non dispone di informazioni esaustive.

Falsi positivi e falsi negativi

Gli strumenti di data mining possono identificare come segnali di sicurezza associazioni farmacologiche innocue, risultando in falsi positivi. Al contrario, gli algoritmi possono anche non rilevare eventi avversi rari o a lungo termine a causa di deboli associazioni statistiche. Questi falsi positivi e negativi possono distorcere i dati e fornire un quadro incompleto.

Preoccupazioni sulla privacy dei dati

Persistono preoccupazioni sulla privacy dei dati nel data mining poiché può esporre informazioni sensibili sui pazienti. Le aziende farmaceutiche devono rispettare rigorose leggi sulla protezione e la privacy dei dati come il GDPR e l’HIPAA. Purtroppo, questo rispetto limita l’accesso a informazioni dettagliate sui pazienti, rendendo più difficile trovare correlazioni.

Il futuro degli strumenti di data mining

Nel contesto della farmacovigilanza, il data mining offre eccellenti vantaggi, riconosciuti da molte aziende farmaceutiche e agenzie governative in tutto il mondo. Di conseguenza, sono disponibili vari strumenti per il data mining e sono ancora in corso ricerche su ulteriori strumenti. Tuttavia, l’implementazione di tali strumenti comporta rischi, principalmente legati alla qualità dei dati e alla privacy, che devono essere affrontati con urgenza. Questi rischi sono gli ostacoli principali all’uso diffuso degli strumenti di data mining nella farmacovigilanza. Possono essere affrontati tramite analitiche avanzate, validazione da parte di esperti e pratiche etiche.

FAQ

1. Perché il data mining è usato nella farmacovigilanza?

Il data mining può identificare schemi nascosti e preoccupazioni di sicurezza precedentemente sconosciute riguardo all’uso di farmaci, il che aiuta le agenzie regolatorie e le aziende a prendere misure preventive di sicurezza e a gestire il rischio.

2. In che modo il data mining aiuta a rilevare reazioni avverse ai farmaci?

Le tecniche di data mining aiutano a identificare reazioni inaspettate o gravi analizzando i modelli nei database di eventi avversi. Questi schemi aiutano a confermare se la reazione è scatenata da uno stimolo specifico.

3. Le agenzie regolatorie utilizzano il data mining nelle loro attività di farmacovigilanza?

Sì, le agenzie regolatorie utilizzano il data mining per monitorare la sicurezza dei farmaci sul mercato e emettere allerte di sicurezza basate sui risultati.