Με τη χρήση εργαλείων τεχνητής νοημοσύνης και μηχανικής μάθησης, είναι εφικτό να εντοπιστούν, να αξιολογηθούν και να κατανοηθούν ταχύτερα οι νέες πληροφορίες ασφαλείας και οι ανεπιθύμητες ενέργειες που συνδέονται με τα φαρμακευτικά προϊόντα. Η ενσωμάτωσή τους στη διαδικασία διαχείρισης των σημάτων ασφαλείας μπορεί να οδηγήσει σε βελτίωση της αποδοτικότητας και της ακρίβειας, εξασφαλίζοντας την έγκαιρη αναγνώριση πιθανών κινδύνων.
Ωστόσο, οι προκλήσεις παραμένουν, καθώς πρέπει να αναπτυχθούν συστήματα τεχνητής νοημοσύνης που θα ελαχιστοποιούν το φόρτο εργασίας των ειδικών της φαρμακοεπαγρύπνησης, τηρώντας παράλληλα τα αυστηρά ρυθμιστικά πρότυπα. Στη διάρκεια στρογγυλής τράπεζας για την εφαρμογή αυτών των εργαλείων στις διαδικασίες παρακολούθησης της ασφάλειας των φαρμάκων, επισημάνθηκε η σημασία της ανθρώπινης παρέμβασης.
Οι ομιλητές, μεταξύ των οποίων ο καθηγητής Φαρμακολογίας Γεώργιος Παπαζήσης και ο επικεφαλής του τμήματος Ασφαλείας Φαρμάκων της Pfizer, Giovanni Furlan, τόνισαν ότι η κλινική αξιολόγηση από ειδικούς είναι κρίσιμη για την επιβεβαίωση των ευρημάτων που παράγονται μέσω των υπολογιστών. Επίσης, η υψηλή επιστημονική κατάρτιση του προσωπικού της Ιατρικής Σχολής του ΑΠΘ αναδείχθηκε ως κλειδί για τις συνεργασίες με τη φαρμακοβιομηχανία στο μέλλον, με στόχο την ανάπτυξη καινοτόμων λύσεων που θα βελτιώσουν την ασφάλεια των ασθενών και την διασύνδεση του πανεπιστημίου με την αγορά εργασίας.
Η στρογγυλή τράπεζα διοργανώθηκε στο πλαίσιο του συνεδρίου Aristotle Medical Forum 2024, με συμμετοχή καταξιωμένων επιστημόνων από διάφορους τομείς. Πηγή: documentonews.gr
