Introduzione
Le reazioni avverse ai farmaci (ADR) hanno un impatto significativo sui sistemi sanitari, con conseguente aumento dei tassi di ospedalizzazione e dei relativi costi. Con il crescente utilizzo dell’intelligenza artificiale (IA) anche in ambito sanitario, i modelli di apprendimento automatico (ML) offrono soluzioni promettenti per la previsione delle ADR. Tuttavia, le conoscenze reali di questi modelli rimangono limitate.
Metodi
Questa revisione sistematica ha sintetizzato i risultati di 13 studi che hanno utilizzato vari algoritmi di ML per predire le reazioni avverse al farmaco (ADR) utilizzando dati quali dati demografici dei pazienti, dati di laboratorio e comorbilità. È stata condotta una metanalisi per valutare la sensibilità e la specificità aggregate dei modelli, ed è stata condotta un’analisi di co-autorialità e di parole chiave per esaminare le reti di collaborazione all’interno del settore esaminato.
Risultati
Gli studi inclusi nella review si sono concentrati principalmente sullo sviluppo di modelli (77%), con solo il 23% che incorporava la validazione esterna, sollevando preoccupazioni sulla generalizzazione nei diversi contesti clinici. La meta-analisi ha mostrato una sensibilità e specificità aggregate del 78,1% e del 70,6% per gli studi di solo sviluppo, mentre gli studi con validazione esterna hanno raggiunto una maggiore sensibilità (81,5%) e specificità (79,5%). L’analisi di co-autorialità ha identificato 67 contributori in otto cluster di collaborazione, indicando un campo di ricerca specializzato ed emergente.
Discussione
I risultati evidenziano la necessità di modelli multifattoriali che integrino diversi predittori per migliorare le prestazioni e l’affidabilità della previsione delle reazioni avverse (ADR) basata sui modelli di apprendimento automatico (ML). Affrontare queste limitazioni attraverso rigorosi processi di sviluppo e validazione dei ML potrebbe migliorare l’applicabilità clinica della farmacovigilanza basata sull’intelligenza artificiale, migliorando in definitiva la sicurezza dei pazienti e i risultati clinici.
Parole chiave: Reazione avversa da farmaco (ADR); Intelligenza artificiale (IA); Analisi di co-autorialità; Modellazione predittiva; Revisione sistematica
Research in Social and Administrative Pharmacy. Volume 21, Issue 6, June 2025, Pages 453-462. Artificial intelligence (AI) in pharmacovigilance: A systematic review on predicting adverse drug reactions (ADR) in hospitalized patients. V S Dsouza, L Leyens, J R Kurian, et Al.
Gli autori dichiarano di non avere conflitti di interesse.
Leggi qui la review in lingua inglese.
Le donne vanno incontro a reazioni avverse da farmaco più frequentemente degli uomini. Oltre a differenze fisiologiche nel metabolismo dei farmaci, una spiegazione sta nel fatto che le sperimentazioni cliniche sui farmaci sono state effettuate generalmente prendendo come campione la popolazione maschile.