Como profissional de assuntos médicos, você deve ter ouvido o termo "Mineração de Texto" ou Processamento de Linguagem Natural (PNL) usado para se referir a uma variedade de abordagens que transformam documentos não estruturados e texto de banco de dados em dados que podem ser usados para pesquisa, análise e percepções. Além disso, com o advento da IA Generativa e de grandes modelos de linguagem como os recentes GPT4 e ChatGPT, este tópico explodiu na consciência popular.
Esses desenvolvimentos ocorrem em um cenário de volume e complexidade de dados implacáveis. Estima-se que 97 Zettabytes de dados foram gerados em 2022, de acordo com o Statista, e o crescimento é exponencial. Outra estimativa coloca a percentagem de dados relacionados com a saúde em 30% de todos os dados – um número surpreendente. Dada a ampla competência dos assuntos médicos, a tecnologia deve ser utilizada para gerir o fluxo esmagador de informações provenientes de diversas fontes, tais como conversas online, registos médicos, literatura científica, redes sociais e dados organizacionais. O PNL pode extrair dados estruturados e utilizáveis dessas fontes complexas e decifrar ambigüidades de linguagem para extrair fatos e relacionamentos importantes ou fornecer visualizações resumidas do conteúdo para ajudar os usuários a encontrar o que realmente precisam.
A melhor parte? Os programas de PNL podem fazer isso sem fadiga e de maneira consistente e imparcial. Tentar fazer isso sozinho é uma façanha quase impossível.
Mas o que tudo isso significa para você, como profissional de assuntos médicos?
As terapias cada vez mais complexas e um panorama regulamentar mais rigoroso significam que se espera que os conhecimentos médicos operem a níveis estratégicos e técnicos mais elevados, desde a geração de provas até à divulgação e educação. Isso significa que as equipes de assuntos médicos precisam capturar insights e evidências das fontes de dados quase infinitas que existem e comunicá-los de forma significativa entre diversas partes interessadas em vários níveis. E tudo isso deve ser realizado sem aumentar os custos para o negócio.
Exemplos de uso da PNL para assuntos médicos
Considere as novas evidências que surgem em torno da eficácia de um produto que gera um aumento no número de perguntas e consultas aos HCPs - Health Care, Provider | Practitioner (Profissional da Área da Saúde) por meio de contatos com os MSLs - Medical Science Liaison. Como você pode obter rapidamente uma visão das pesquisas mais recentes para a área terapêutica do seu produto e ampliar aquelas que se concentram na eficácia, para fornecer rapidamente aos seus MSLs o histórico e o contexto corretos? Grandes modelos de linguagem pré-construídos, Aprendizado de Máquina e linguística podem ser usados para extrair conteúdo relevante e reduzir ruído nos resultados. Isso pode causar um curto-circuito na revisão laboriosa, dando à sua equipe a confiança e, principalmente, os dados, para ter as conversas certas com os profissionais de saúde e com as partes interessadas em geral.
A tecnologia PNL aborda desafios como as ineficiências da leitura e revisão manual de milhares de documentos ou da repetição de análises dos dados mais atuais. Tecnologias semelhantes de PNL podem ajudar a responder às mesmas perguntas, mas usando múltiplas fontes de dados diferentes, simplificando processos e centralizando resultados.
Estudos observacionais do RWE
A PNL também é usada para normalizar e extrair informações como parte de estudos observacionais do RWEs - Real World Evidence (Evidências do Mundo Real), onde informações valiosas são armazenadas em fontes como notas clínicas, de admissão e/ou alta. Um exemplo atual disso é o envio de dados de texto livre de mais de 4.000 pacientes por meio de uma plataforma EDC (Captura Eletrônica de Dados) como parte de um estudo combinado retrospectivo de 2 anos/prospectivo de 4 anos. O texto livre é utilizado para derivar a fundamentação da decisão de tratamento por parte dos prescritores em 11 países.
- RWE | Biomarcadores oferecem um tesouro a ser explorado
- RWE | Usando RWE para informar considerações de pagadores
- RWE | Casos de uso: Apoio a submissões regulatórias
- RWE | Explorando Fontes de Dados mais Variadas
- RWE | Colocando para Funcionar mais cedo no Ciclo de Vida do Medicamento
- RWE | Auxílio na Tomada de Decisões internas sobre Desenvolvimento de Portfólio
- RWDs e RWEs - Estão Desempenhando um papel Crescente nas decisões de Saúde
- Pharma 2023 | VACINAS - O 3º de 3 Casos de Uso de RWE - Evidências do Mundo Real - no Desenvolvimento de Medicamentos Farmacêuticos
- Pharma 2023 | MEDICAMENTOS - O 2º de 3 Casos de Uso de RWE - Evidências do Mundo Real - no Desenvolvimento de Medicamentos Farmacêuticos
- Pharma 2023 | TERAPÊUTICA DIGITAL - O 1º de 3 Casos de Uso de RWE - Evidências do Mundo Real - no Desenvolvimento de Medicamentos Farmacêuticos
Determinantes Sociais da Saúde
Outro exemplo que está ganhando importância, especialmente nos Estados Unidos, é a identificação de Marcadores para Determinantes Sociais da Saúde (SDOH) a partir de dados do EMR - Electronic Medical Record (Registro Eletrônico Médico), para fornecer uma melhor compreensão dos desafios dos pacientes e como estes impactam sua saúde. e acesso a cuidados, por exemplo.
Mídia Social
Além disso, a PNL pode ser usada com dados de mídias sociais e fóruns online para entender como os pacientes falam sobre suas doenças, tratamentos e cuidados. A PNL ajuda as equipes de assuntos médicos a descobrir tendências e insights para aumentar a capacidade de resposta, ajudar a criar materiais educacionais eficazes, comunicações médicas e muito mais. Num projeto recente, estamos a utilizar a aprendizagem automática para analisar dados ruidosos e descobrir os tweets mais relevantes e úteis, onde os pacientes falam especificamente sobre a sua experiência pessoal com tratamentos, por exemplo. Ao considerar a escala dos dados das redes sociais, especialmente para doenças mais comuns, você deve ter uma tecnologia capaz de extrair os dados e alertá-lo como usuário final. Caso contrário, haveria simplesmente muita informação para digerir.
Então, como saber se a utilização da PNL pode ser adequada para sua equipe?
Comece analisando suas fontes de dados subutilizadas – aquelas que possuem uma quantidade significativa de textos livres ou informações baseadas em documentos – e considere contratar uma organização com profunda experiência no setor de ciências biológicas, na qual você possa testar ou comprovar conceito para uma PNL focada em uma ou duas questões ou desafios.
Combinar o conhecimento e a experiência dos profissionais médicos com a tecnologia e a IA é fundamental para as organizações de ciências da vida, se quiserem realmente tornar-se orientadas por dados na era digital. As tecnologias devem capacitar e capacitar essas equipes, reduzindo ou eliminando o máximo possível do trabalho manual, tedioso e repetitivo, permitindo-lhes fazer o que fazem de melhor, que é levar terapias impactantes aos pacientes.
Referência: https://www.iqvia.com/blogs/2023/04/why-and-how-medical-affairs-team-should-capitalize-on-using-natural-language-processing-nlp
Nenhum comentário:
Postar um comentário
Compartilhe sua opinião e ponto de vista: