Detección automática de efectos adversos a partir de literatura científica.  boletinbifap.wordpress.com. 07/08/14. El cambio en el balance riesgo-beneficio de un fármaco puede llevar a las autoridades reguladoras a llevar a cabo acciones para mitigar los riesgos. Uno de los primeros pasos en estos casos es la emisión de una alerta de seguridad, acción que tiene un impacto limitado en la prevalencia de uso de ese fármaco. Para aumentar la efectividad de estas alertas de seguridad las autoridades reguladoras pueden promover cambios en el contenido de los prospectos y fichas técnicas de los medicamentos.

Estos cambios suelen tener un impacto mayor en la forma en la que los médicos prescriben estos fármacos.
Los eventos adversos a medicamentos son la información fundamental detrás del proceso de toma de decisiones del regulador. Mientras que los ensayos clínicos y los sistemas de alerta espontánea de efectos adversos son las principales fuentes de información para la detección de eventos adversos la literatura científica constituye una fuente secundaria pero valiosa de inforamción al respecto. Sin embargo la detección de eventos adversos potenciales a partir de la literatura científica es un procesion generalmente manual realizado por expertos en farmacovigilancia mediante el acceso a bases de datos de revistas científicas.
Hay publicados numerosos ejemplos del uso exitoso de técnicas de minería de texto para la detección de eventos adversos. Un sistema de minería de texto originalmente desarrollado para detectar relaciones entre sustantivos en frases escritas en inglés mostró que era eficaz en la detección de interacciones entre fármacos en la literatura científica tras ser correctamente configurado para esta tarea. El mismo sistema fue aplicado recientemente para la detección de eventos adversos con buenos resultados.
Un experimento recientemente publicado por Harsha Gurulingappa, investivador de Bangalore, India, mostró que hasta un 76% de los cambios en prospectos y fichas técnicas podrían predecirse utilizando métodos de minería de texto a partir de datos públicamente accesibles. Además las tecnologías de minería de texto podrían ser capaces de detectar efectos adversos no identificados y mejorar así los sistemas de vigilancia en la seguridad de medicamentos. Un sistema basado en la combinación de los sistemas Peregrine y Java Simple Relationship Extraction fue capaz de detectar, por ejemplo, cuatro eventos adversos que no habían sido descritos previamente.
Los resultados de Gurulingappa son un ejemplo del potencia de las herramientas de minería de texto en la detección de eventos adversos. Sin embargo los propios autores reconocen ciertas limitaciones. Por ejemplo la configuración de los sistemas de minería de texto útil en la identificación de efectos adversos a partir de artículos del tipo “a propósito de un caso” podría no ser válida al ser aplicados a otro tipo de literatura científica, lo que obligará a revisar la fiabilidad de los sistemas de minería de texto al aplicarse a fuentes de información distintas como por ejemplo historias clínicas en bases de datos como BIFAP.  La aplicación de tecnologías de minería de texto a la farmacovigilancia probablemente requiera una configuración específica para cada fuente de datos lo que puede ser una tarea costosa.
Tomado del FB de Mariano Madurga Sanz. ¡Gracias!