Nhiều tác dụng phụ hiếm gặp vẫn không bị phát hiện do số lượng cá nhân được lấy mẫu trong thử nghiệm lâm sàng hạn chế; do đó, cần phải giám sát thuốc ngay cả sau khi thuốc được tung ra thị trường. Trong bối cảnh này, “cảnh giác dược” giúp thu thập, phân tích và phổ biến các báo cáo phản ứng có hại của thuốc được thu thập trong giai đoạn hậu tiếp thị.

Khai thác dữ liệu từ cơ sở dữ liệu báo cáo an toàn thuốc và tài liệu y tế là một công việc tốn nhiều thời gian; tuy nhiên, với cuộc cách mạng kỹ thuật số, các nhà nghiên cứu đang hi vọng Big data có thể được sử dụng để nghiên cứu và giám sát sự an toàn của thuốc. Ở nhiều nước phát triển, việc giám sát an toàn thuốc dựa trên cơ sở dữ liệu thông qua tự động hóa ngày càng trở nên phổ biến. Điều này liên quan đến việc sử dụng các phương pháp điện tử để phân tích một cách có hệ thống khối lượng lớn thông tin. Điều này có thể hữu ích hơn nữa trong việc phát hiện các mẫu dữ liệu để xác định các phản ứng có hại của thuốc mới, những phản ứng không có sẵn thông qua sàng lọc thông thường. Bài bình luận này thảo luận về Big data, trí tuệ nhân tạo và việc sử dụng phương tiện truyền thông xã hội. Nó cũng giải thích chi tiết cách “Big data” cung cấp để đánh giá mức độ an toàn của các loại thuốc mới.

Thuật toán machine learning là một phần của trí thông minh nhân tạo đề cập đến khả năng học hỏi của máy móc mà không cần con người đầu vào. Do các kỹ thuật tính toán được cải thiện và sự sẵn có của các bộ dữ liệu lớn hơn, ngày càng có nhiều xu hướng áp dụng thuật toán machine learning trong chăm sóc sức khỏe.

Để tạo tín hiệu tự động trong cảnh giác dược, cả thuật toán machine learning có giám sát và không giám sát đều được sử dụng. Thuật toán machine learning không giám sát sử dụng việc xác định các tín hiệu an toàn của thuốc cũng như khám phá mô hình sử dụng thuốc. Trong khi ở thuật toán machine learning có giám sát, máy tính được cung cấp một bộ hướng dẫn để tạo ra một thuật toán dựa trên kết quả đầu ra mong muốn. Nó có thể được giải thích bằng cách xem xét việc xác định một ADR từ văn bản tự do. Điều này được thực hiện bằng cách tạo một mẫu nhận dạng trích xuất thông tin từ hồ sơ bệnh án và sau đó áp dụng các thuật toán vào hồ sơ thuốc điện tử đầy đủ. Quá trình này được gọi là xử lý ngôn ngữ tự nhiên (NLP). Nó có thể được áp dụng để xác định các tương tác thuốc từ các ghi chú lâm sàng và tìm ra mối liên quan giữa thuốc và các ADR tiềm ẩn.

Với việc sử dụng ngày càng nhiều phương tiện truyền thông xã hội, nó đang trở thành một công cụ rất hữu ích để thúc đẩy cảnh giác dược. Tuy nhiên, một số thách thức về quy định và kỹ thuật cần được giải quyết trước khi có thể khám phá tiềm năng thực sự của truyền thông xã hội. Dữ liệu có thể được thu thập từ Twitter hoặc Facebook, nơi một số bệnh nhân chia sẻ kinh nghiệm cá nhân của họ về một loại thuốc hoặc liệu pháp cụ thể, do đó cung cấp một nguồn tốt để phát hiện tín hiệu sớm. Tuy nhiên, thách thức là độ chính xác của thông tin được đăng trên các trang web này. Một số phương pháp được đưa ra để kiểm tra chéo độ tin cậy của dữ liệu. Phương tiện truyền thông xã hội có thể rất hữu ích, đặc biệt ở các quốc gia có thu nhập thấp và trung bình (LMIC), nơi khó có được dữ liệu điện tử chính xác và dân số lớn đã bắt đầu sử dụng Twitter và Facebook.

Trong thời đại COVID-19, việc sử dụng thuốc và cảnh giác dược đang thay đổi nhanh chóng và một lượng lớn dữ liệu được tạo ra. Việc phân tích một khối lượng dữ liệu lớn như vậy cần cả sự tham gia của trí tuệ nhân tạo và kỹ thuật phân tích Big data. Điều này cũng tạo cơ hội cho các nhà nghiên cứu và chuyên gia chăm sóc sức khỏe đưa ra các giải pháp sáng tạo trong thời gian COVID. Đại dịch cũng dẫn đến các khoản đầu tư lớn và trọng tâm là cơ sở hạ tầng cần thiết để giám sát sự an toàn của vắc xin. Nó cũng dẫn đến mối quan tâm mới đối với lĩnh vực này ở nhiều quốc gia có thu nhập trung bình và cao.

Nguồn: https://joppp.biomedcentral.com/articles/10.1186/s40545-021-00329-4

Hussain, R. " Big data, medicines safety and pharmacovigilance." Journal of Pharmaceutical Policy and Practice 14, no. 48 (2021)

Người dịch: Nguyễn Thị Thúy An

Người duyệt: Nguyễn Công Kính