El uso la inteligencia artificial en farmacovigilancia en pacientes con enfermedades crónicas: Una revisión bibliográfica
No Thumbnail Available
Date
2026-01-22
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca, Facultad de Ciencias Químicas
Abstract
The actions involved in pharmacovigilance of patients with chronic diseases have made it possible to guarantee the safety of drugs and the applications of artificial intelligence developing these actions. The objective of this work was to evaluate the efficacy, safety, and feasibility of AI used in pharmacovigilance in chronic diseases, through a bibliographic review. The methodology followed PRISMA guidelines: search in PubMed, Scopus, Web of Science, ScienceDirect and Redalyc, titles and abstracts were selected, applying inclusion and exclusion criteria, finding 10 articles for review. The results show a diverse use of techniques: natural language processing (NLP) and TF-IDF to extract ADRs from unstructured texts, disproportionality algorithms (PRR/ROR) in large report databases, Machine Learning models (Random Forest, neural networks) for risk stratification, rule mining (A priori) for polypharmacy patterns, OCR to improve adherence and advanced techniques (NAS, Bayesian) in oncology; Advantages include early signal detection, improved risk stratification, therapy optimization for polypharmacy users, and time savings; however, it faces disadvantages such as data bias, underreporting in spontaneous reports, false alerts, and privacy and data security challenges. On the other hand, the geographic comparison revealed that the United States and the United Kingdom lead in ML and Big Data, Europe uses mixed methods, China and Korea apply digital platforms and OCR, and India explores advanced optimizations. In conclusion, AI holds promise for improving pharmacovigilance in chronic diseases, but its implementation requires interoperability, data governance, anonymization, and ongoing clinical validation.
Resumen
Las acciones involucradas en la farmacovigilancia de los pacientes con enfermedades han permitido garantizar la seguridad de los fármacos mediante el uso de aplicaciones con inteligencia artificial. El objetivo de este trabajo fue evaluar la eficacia, seguridad y viabilidad de la IA utilizada en la farmacovigilancia en enfermedades crónicas, a través de una revisión bibliográfica. La metodología siguió directrices PRISMA: búsqueda en PubMed, Scopus, Web of Science, ScienceDirect y Redalyc, se seleccionaron títulos y resúmenes, aplicando criterios de inclusión y exclusión, encontrando 10 artículos para su revisión. Los resultados muestran un uso diverso de técnicas: procesamiento de lenguaje natural (NLP) y TF-IDF para extraer RAMs de textos no estructuradas, algoritmos de disproporcionalidad (PRR/ROR) en grandes bases de reportes, modelos de Machine Learning (Random Forest, redes neuronales) para estratificación de riesgo, minería de reglas (A priori) para patrones de polifarmacia, OCR para mejorar adherencias y técnicas avanzadas (NAS, Bayesian) en oncología; las ventajas incluyen detección temprana de señales, mejor estratificación de riesgo, optimización de terapias en polimedicados y ahorro de tiempo; pero enfrenta desventajas como sesgos de datos, subregistro en reportes espontáneos, alertas falsas, retos en privacidad y seguridad de datos. Por otro lado, la comparación geográfica reveló que Estados Unidos y Reino Unido lideran en ML y Big data, Europa utiliza métodos mixtos, China y Corea aplican plataformas digitales y OCR, e India explora optimizaciones avanzadas. En conclusión, la IA es prometedora para mejorar la farmacovigilancia en enfermedades crónicas, pero su implementación requiere interoperabilidad, gobernanza de datos, anonimización y validación clínica continua.
Keywords
Bioquímica, Reacciones adversas, Avances tecnológicos, Seguridad farmacológica
Citation
Código de tesis
TM4; 2731
Código de tesis
Grado Académico
Magíster en Farmacia Mención Farmacia Clínica