.png){kind=logo}
Prediga los efectos adversos de los medicamentos con inteligencia artificial, aumentando la salud y la satisfacción de los pacientes.
Cada año, las reacciones adversas a los medicamentos (ADR) causan daños importantes en los centros de atención médica, lo que provoca más de 750 000 lesiones o muertes de pacientes hospitalizados, afecta a casi dos millones de hospitalizaciones y provoca más de un millón de visitas al servicio de urgencias y 125 000 hospitalizaciones (1) (2). Los adultos mayores son particularmente vulnerables, ya que tienen el doble de incidencia de reacciones adversas en comparación con las poblaciones más jóvenes y corren un riesgo tres veces mayor de mortalidad a causa de estos eventos. Además, entre el 20 y el 60% de los adultos mayores usan medicamentos potencialmente inapropiados (PIM), lo que pone de relieve los riesgos generalizados asociados con la administración de los medicamentos en este grupo demográfico (3) (4).
Se ha desarrollado un modelo predictivo de IA, «SafeMed AI», para evaluar específicamente el nivel de riesgo de ADR en los pacientes, utilizando un conjunto de datos sintéticos que tiene en cuenta la demografía y el historial de salud de los pacientes para medir la probabilidad de ADR de riesgo bajo, medio o alto, con el objetivo final de mejorar la seguridad de los pacientes y los resultados del tratamiento.
El conjunto de datos modelo se estructuró para reflejar las realidades clínicas, basándose en la investigación sobre las reacciones adversas en adultos mayores de Nair y otros (5), el análisis de informes espontáneos de Dubrall y otros (6), los estudios de impacto sobre la continuación de la medicación de Weir y otros (7), el pilotaje de factores de riesgo farmacogenéticos de Finkelstein y otros (8), las revisiones de la adecuación de los medicamentos de Fick (9) y los metanálisis de intervención de Gray y otros (10). Utilizando variables como la edad, la función hepática y renal y la cantidad de medicamentos, el modelo simula los perfiles de los pacientes para ayudar a los proveedores de atención médica a personalizar el tratamiento y reducir los riesgos de ADR.
Cada año, las reacciones adversas a los medicamentos (ADR) causan daños importantes en los centros de atención médica, lo que provoca más de 750 000 lesiones o muertes de pacientes hospitalizados, afecta a casi dos millones de hospitalizaciones y provoca más de un millón de visitas al servicio de urgencias y 125 000 hospitalizaciones (1) (2). Los adultos mayores son particularmente vulnerables, ya que tienen el doble de incidencia de reacciones adversas en comparación con las poblaciones más jóvenes y corren un riesgo tres veces mayor de mortalidad a causa de estos eventos. Además, entre el 20 y el 60% de los adultos mayores usan medicamentos potencialmente inapropiados (PIM), lo que pone de relieve los riesgos generalizados asociados con la administración de los medicamentos en este grupo demográfico (3) (4).
Se ha desarrollado un modelo predictivo de IA, «SafeMed AI», para evaluar específicamente el nivel de riesgo de ADR en los pacientes, utilizando un conjunto de datos sintéticos que tiene en cuenta la demografía y el historial de salud de los pacientes para medir la probabilidad de ADR de riesgo bajo, medio o alto, con el objetivo final de mejorar la seguridad de los pacientes y los resultados del tratamiento.
El conjunto de datos modelo se estructuró para reflejar las realidades clínicas, basándose en la investigación sobre las reacciones adversas en adultos mayores de Nair y otros (5), el análisis de informes espontáneos de Dubrall y otros (6), los estudios de impacto sobre la continuación de la medicación de Weir y otros (7), el pilotaje de factores de riesgo farmacogenéticos de Finkelstein y otros (8), las revisiones de la adecuación de los medicamentos de Fick (9) y los metanálisis de intervención de Gray y otros (10). Utilizando variables como la edad, la función hepática y renal y la cantidad de medicamentos, el modelo simula los perfiles de los pacientes para ayudar a los proveedores de atención médica a personalizar el tratamiento y reducir los riesgos de ADR.
