Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/77623Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Portilla Diaz, German Alberto | |
| dc.coverage.spatial | ccav_-_neiva | |
| dc.creator | Muñoz Acero, Gregory Adrian | |
| dc.creator | Poloche Gonzales, Rosa Esther | |
| dc.creator | Hernandez Solano, Yuri Lorena | |
| dc.creator | Palacios Bautista, Samy Karina | |
| dc.creator | Mora Vargas, Yudi Andrea | |
| dc.date.accessioned | 2025-12-18T19:41:28Z | - |
| dc.date.available | 2025-12-18T19:41:28Z | - |
| dc.date.created | 2025-11-08 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/77623 | - |
| dc.description | Tablas | |
| dc.description.abstract | Este 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 la 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. Este estudio resalta que la inteligencia artificial (IA) ha surgido como una herramienta prometedora en la farmacovigilancia. Mediante algoritmos de aprendizaje automático se puede analizar grandes volúmenes de datos provenientes de registros clínicos electrónicos y base de datos globales de eventos adversos, facilitando la detención de patrones de riesgo en tiempo real. Muchos países latinoamericanos carecen de sistemas interoperables, bases de datos bien estructuradas y calidad de datos suficientemente alta para que los modelos de la IA funcionen eficazmente. Por ende, en recursos humanos y capacitación no solo se necesitan expertos en la IA, sino también profesionales de la salud formados en farmacovigilancia digital. 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 experiencias clínicas 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.format | ||
| dc.title | Estrategias de farmacovigilancia y promoción de la salud para el seguimiento de medicamentos biológicos y biosimilares con apoyo de inteligencia artificial en Latinoamérica | |
| dc.type | Diplomado de profundización para grado | |
| dc.subject.keywords | Farmacovigilancia | |
| dc.subject.keywords | Inteligencia Artificial | |
| dc.subject.keywords | Medicamentos biológicos | |
| dc.subject.keywords | Medicamentos biosimilares. | |
| dc.subject.keywords | Latinoamérica | |
| dc.description.abstractenglish | This paper presents a thematic review of pharmacovigilance and health promotion strategies for monitoring biological and biosimilar medicines, with a focus on the use of artificial intelligence (AI). Biological and biosimilar medicines have gained relevance due to their efficacy in treating complex diseases, but they present significant challenges in terms of safety and effectiveness due to their structural complexity and manufacturing variability. This study highlights that artificial intelligence (AI) has emerged as a promising tool in pharmacovigilance. Machine learning algorithms can analyze large volumes of data from electronic health records and global adverse event databases, facilitating the detection of risk patterns in real time. Many Latin American countries lack interoperable systems, well-structured databases, and sufficiently high data quality for AI models to function effectively. Therefore, in terms of human resources and training, not only are AI experts needed, but also healthcare professionals trained in digital pharmacovigilance. On the other hand, the literature highlights the importance of combining AI capabilities with traditional pharmacovigilance methodologies to enhance patient safety. AI can improve the efficiency and accuracy of adverse event reporting and follow-up, while conventional methods contribute clinical expertise and data validation. In conclusion, although AI presents unique opportunities to transform pharmacovigilance processes, its effectiveness depends on overcoming technical, ethical, and regulatory limitations, as well as on proper integration with traditional systems. Combining both approaches not only maximizes patient safety but also improves traceability and enables more informed decisions regarding the use of biologics and biosimilars. | |
| dc.subject.category | Inteligencia Artificial aplicada en la salud | |
| dc.subject.category | Farmacovigilancia moderna | |
| dc.subject.category | Inteligencia artificial en la promoción de la salud | |
| Appears in Collections: | Diplomado de Farmacovigilancia | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| gamunozac.pdf | 1.15 MB | Adobe PDF | ![]() View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
