Show simple item record

dc.contributor.advisorMantilla Pastrana, María Inés
dc.coverage.spatialcead_-_josé_acevedo_y_gómez
dc.creatorGarzón Yate, Alix Briyith
dc.creatorGarzón Hernández, Yeniffer Astrid
dc.creatorReyes Quintero, Jorge Leonardo
dc.creatorRodríguez Benjumea, Olga Karina
dc.creatorVargas Parra, Laura Valentina
dc.date.accessioned2024-12-17T13:45:26Z
dc.date.available2024-12-17T13:45:26Z
dc.date.created2024-12-12
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/65298
dc.descriptionNo Aplica
dc.description.abstractEl presente trabajo aborda una revisión temática sobre las estrategias de farmacovigilancia y promoción de la salud para la monitorización de medicamentos biológicos y biosimilares, con un enfoque en el uso de inteligencia artificial (IA). Los medicamentos biológicos y biosimilares han ganado relevancia por su eficacia en el tratamiento de enfermedades complejas, pero presentan desafíos significativos en términos de seguridad y efectividad debido a su complejidad estructural y variabilidad en su fabricación. Diversos estudios resaltan que la IA ha surgido como una herramienta prometedora en la farmacovigilancia. Los algoritmos de aprendizaje automático permiten analizar grandes volúmenes de datos provenientes de registros clínicos electrónicos y bases de datos globales de eventos adversos, facilitando la detección de patrones de riesgo en tiempo real. No obstante, se identifican limitaciones relacionadas con la calidad y cantidad de datos disponibles, la falta de interoperabilidad de los sistemas y la necesidad de algoritmos más robustos que logren abordar reacciones adversas raras y complejas, estas barreras se agravan, creando escenarios con menor confiabilidad en comparación con los sistemas tradicionales de farmacovigilancia. Por otro lado, la literatura destaca la importancia de combinar las capacidades de la IA con las metodologías tradicionales de farmacovigilancia para potenciar la seguridad del paciente. La IA puede mejorar la eficiencia y precisión en la notificación y seguimiento de eventos adversos, mientras que los métodos convencionales aportan experiencia clínica y validación de datos. En conclusión, aunque la IA presenta oportunidades únicas para transformar los procesos de farmacovigilancia, su efectividad depende de superar limitaciones técnicas, éticas y regulatorias, así como de una integración adecuada con sistemas tradicionales. La combinación de ambos enfoques no solo maximiza la seguridad del paciente, sino que también mejora la trazabilidad y permite tomar decisiones más informadas en el uso de medicamentos biológicos y biosimilares.
dc.formatpdf
dc.titleEstrategias de farmacovigilancia y promoción de la salud para la monitorización de medicamentos biológicos y biosimilares mediante IA: una revisión temática
dc.typeDiplomado de profundización para grado
dc.subject.keywordsfarmacovigilancia
dc.subject.keywordsmedicamentos biosimilares
dc.subject.keywordsmedicamentos biológicos
dc.subject.keywordsefectos adversos en medicamentos
dc.description.abstractenglishThis work addresses a thematic review of pharmacovigilance strategies and health promotion strategies for the monitoring of biological and biosimilar medicines, with a focus on the use of artificial intelligence. Biological and biosimilar medicines have gained relevance due to their efficacy in the treatment of complex diseases, but they present significant challenges in terms of safety and effectiveness due to their structural complexity and variability in manufacturing. Various studies highlight that artificial intelligence has emerged as a promising tool in pharmacovigilance. Machine learning algorithms allow for the analysis of large volumes of data from electronic health records and global adverse event databases, facilitating the detection of risk patterns in real-time. However, limitations are identified regarding the quality and quantity of available data, lack of system interoperability, and the need for more robust algorithms to address rare and complex adverse reactions. These barriers are exacerbated, creating scenarios with lower reliability compared to traditional pharmacovigilance systems. On the other hand, the literature emphasizes the importance of combining artificial intelligence capabilities with traditional pharmacovigilance methodologies to enhance patient safety. Artificial intelligence can improve the efficiency and accuracy of reporting and monitoring adverse events, while conventional methods provide clinical expertise and data validation. In conclusion, although artificial intelligence presents unique opportunities to transform pharmacovigilance processes, its effectiveness depends on overcoming technical, ethical, and regulatory limitations, as well as proper integration with traditional systems. The combination of both approaches not only maximizes patient safety but also improves traceability and enables more informed decision-making in the use of biological and biosimilar medicines.
dc.subject.categoryFarmacovigilancia
dc.subject.categorySalud


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record