FarmaIA: Herramientas de Inteligencia Artificial (IA) en la evaluación de interacciones farmacológicas

Datos generales

Experiencia en el área de farmacia hospitalaria.

Hospital Universitario Fundación Alcorcón
Comunidad de Madrid
Madrid

Autor/es:
Carlos Sanz Sánchez; María Prada Bou; Ramón Mazzucchelli Esteban; Patricia Sanmartín Fenollera

Descripción

Ámbito en el que impacta la experiencia: Hospital

Áreas y/o niveles asistenciales implicados: Especialidades

Área de especialidad médica: Consultas Externas Farmacia Hospitalaria

Público al que se dirige: Profesionales sanitarios

Tiempo de desarrollo: Más de dos meses

Objetivo y necesidad que cubre:
Desarrollo de una herramienta web cuya finalidad se facilitar la comprobación de posibles interacciones farmacológicas en el ámbito de las consultas externas, tanto hospitalarias como de atención primaria. Estaría compuesta por una sola interfaz con dos utilidades. Una de ellas permite extraer el texto de la hoja de tratamiento en formato .pdf que se puede obtener desde el Modulo Único de Prescripción (MUP). El texto generado incluirá el PROMT específico empleado en la IA, junto con el listado de medicación del paciente. La otra utilidad conectara con la IA, que generara una respuesta con las posibles interacciones farmacológicas, clasificándolas, en dos grupos:
- Clínicamente relevantes
- Clínicamente no relevantes

Se evalua previamente la precisión (≥ 85%), sensibilidad (≥ 80%) y especificidad (≥ 80%) de diferentes herramientas de Inteligencia Artificial (IA), como ChatGPT®-3.5, ChatGPT®-4o, Gemini®, Gemini® Adv y Copilot®, en la identificación de interacciones farmacológicas comparándolas con las bases tradicionales. Adicionalmente se estudiara el impacto del uso de un \\\"PROMPT\\\" específico, que dirige a la IA a buscar información en la base de datos de Lexicomp®, en la mejora de la precisión, sensibilidad y especificidad de estas herramientas en comparación con el uso de un \\\"PROMPT\\\" inespecífico.
Con los resultados obtenidos se seleccionara la IA más adecuada para su uso en el desarrollo de la herramienta web.
Este proyecto tiene el potencial de transformar la práctica clínica mediante la integración de herramientas de Inteligencia Artificial (IA) en la identificación de interacciones farmacológicas. Las herramientas de IA, como ChatGPT®-3.5, ChatGPT®-4o, Gemini®, Gemini® Adv y Copilot®, pueden ofrecer una evaluación rápida y precisa de las interacciones entre medicamentos, mejorando así la seguridad del paciente y la eficiencia en la gestión de tratamientos farmacológicos. La capacidad de estas herramientas para analizar grandes volúmenes de datos y detectar patrones complejos puede reducir significativamente el riesgo de errores humanos y mejorar la toma de decisiones clínicas. La aplicabilidad de los resultados de este estudio es amplia, abarcando múltiples aspectos de la práctica médica y farmacéutica.

Puesta en marcha

De las 520 interacciones analizadas, un total de 35 fueron clasificadas como clínicamente relevantes por la base de datos Lexicomp (grados 3 y 4). Todas las herramientas de IA mostraron áreas bajo la curva (AUC) superiores a 0,8, siendo ChatGPT-4 la mejor con un AUC de 0,882. Resultado similar se obtuvo con la base de datos Drugs.com (AUC=0,864). La única excepción fue la herramienta MUP, que obtuvo un AUC de 0,574 (ver Figura 1, Curvas ROC). En cuanto a la sensibilidad, ChatGPT-4 logró un 81%, seguido de Gemini (78%), ChatGPT-3.5 (75%) y Copilot (73%), mientras que MUP alcanzó solo el
58%. La especificidad fue alta en todas las plataformas, con ChatGPT-4 alcanzando un 88%, seguido de Gemini (85%), ChatGPT-3.5 (83%) y Copilot (81%).

Impacto previsto

Impacto en salud: 3
Impacto socio-sanitario: 3
Impacto organizativo: 3
Impacto economico: 2
Impacto en los trabajadores: 3
Experiencia de usuario: 2

Resultados

Esperados

Recursos utilizados: Recursos materiales

¿Has utilizado indicadores de medición de resultados en tu experiencia?
Si.

¿Lecciones aprendidas? ¿Cambios/mejoras importantes realizadas? ¿Logros? ¿Conclusiones?
Las herramientas de IA, especialmente ChatGPT-4, mostraron un rendimiento comparable al estándar de referencia en la identificación de interacciones farmacológicas clínicamente relevantes, con altos valores de AUC, sensibilidad y especificidad. El uso de prompts específicos mejoró notablemente su precisión.

Propuestas de mejora

Se evaluaran las bases de datos de referencia para seleccionar el mejor gold estandard de referencia, que permita mejorar aun mas los resultados obtenidos hasta la fecha, en caso de que haya diferencia entra ellas.

Observaciones

Los resultados obtenidos hasta la fecha nos permiten pensar que el uso de la IA puede ser útil como herramienta de ayuda en el practica clínica diaria tanto en el ámbito hospitalario como de atención primaria.
Este proyecto no solo evaluará la eficacia de las herramientas de IA en la identificación de interacciones farmacológicas, sino que también proporcionará una base sólida para su integración en la práctica clínica, mejorando así la seguridad del paciente, mediante la prevención de eventos adversos relacionados con medicamento y la eficiencia en la gestión de tratamientos .
La creación de una herramienta web facilitara su implementación y su uso entre los profesionales de la salud. En la actualidad existen aplicaciones de consulta basadas en bases de datos estáticas. El objetivo de esta herramienta es que la información consultada sea dinámica y actualizada gracias a la IA.

Ficheros adjuntos

Bibliografía

1. Girona Brumós L, Juárez Giménez J. C, , Lalueza Broto P. Interacciones farmacológicas: un reto profesional. Farmacia Hospitalaria [Internet]. 2014;38(3):151-153. Recuperado de: https://www.redalyc.org/articulo.oa?id=365961311001
2. Rodríguez-Terol A, Caraballo MO, Palma D, Santos-Ramos B, Molina T, Desongles T, et al. Calidad estructural de las bases de datos de interacciones. Farm Hosp [Internet]. 2009;33(3):134–46. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S1130634309711559
3. Mhlanga D. Open AI in Education, the Responsible and Ethical Use of ChatGPT Towards Lifelong Learning. In: FinTech and Artificial Intelligence for Sustainable Development [Internet]. Cham: Springer Nature Switzerland; 2023 [cited 2024 Jun 22]. p. 387–409. (Sustainable Development Goals Series). Available from: https://link.springer.com/10.1007/978-3-031-37776-1_17
4. Vaishya R, Misra A, Vaish A. ChatGPT: Is this version good for healthcare and research? Diabetes & Metabolic Syndrome: Clinical Research & Reviews. 2023 Apr 1;17(4):102744.
5. Hauben M. Artificial Intelligence and Data Mining for the Pharmacovigilance of Drug–Drug Interactions. Clinical Therapeutics. 2023 Feb;45(2):117–33.
6. Jain S, Naicker D, Raj R, Patel V, Hu YC, Srinivasan K, et al. Computational Intelligence in Cancer Diagnostics: A Contemporary Review of Smart Phone Apps, Current Problems, and Future Research Potentials. Diagnostics. 2023 Apr 27;13(9):1563.
7. Kriger-Sharabi O, Kopylov U. Harnessing the Power of Precision Medicine and Novel Biomarkers to Treat Crohn’s Disease. JCM. 2023 Apr 4;12(7):2696.
8. Khan O, Parvez M, Kumari P, Parvez S, Ahmad S. The future of pharmacy: How AI is revolutionizing the industry. Intelligent Pharmacy. 2023 Jun;1(1):32–40.
9. Bays HE, Fitch A, Cuda S, Gonsahn-Bollie S, Rickey E, Hablutzel J, et al. Artificial intelligence and obesity management: An Obesity Medicine Association (OMA) Clinical Practice Statement (CPS) 2023. Obesity Pillars. 2023 Jun;6:100065.
10. Al-Ashwal FY, Zawiah M, Gharaibeh L, Abu-Farha R, Bitar AN. Evaluating the Sensitivity, Specificity, and Accuracy of ChatGPT-3.5, ChatGPT-4, Bing AI, and Bard Against Conventional Drug-Drug Interactions Clinical Tools. Drug Healthc Patient Saf. 2023;15:137–47.
11. Giansanti D. The Chatbots Are Invading Us: A Map Point on the Evolution, Applications, Oportunities, and Emerging Problems in the Health Domain. Life. 2023 May 5;13(5):1130.
12. Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos y por el que se deroga la Directiva 95/46/CE (Reglamento general de protección de datos)