Aproximación al uso de herramientas de aprendizaje automático para la predicción de efectos adversos en pacientes con inmunoterapia

Abstract

Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Eduardo Guzmán De los Riscos. La FDA ha puesto a disposición del público una herramienta que permite descargar los datos del sistema de notificación de eventos adversos (FAERS), que recoge información proporcionada por la industria farmacéutica, los profesionales y los pacientes, sobre efectos adversos de medicamentos (EAM). Se descargó localmente la totalidad de los registros correspondientes a 2022, lo que permitió una aproximación a las técnicas de Machine Learning (ML) partiendo de una amplísima colección de datos, obtenidos en vida real, de los que se seleccionaron los correspondientes a los Inhibidores de los puntos de control inmunitario (ICIs): avelumab, atezolizumab, cemiplimab, durvalumab, nivolumab, pembrolizumab e ipilimumab. Durante el proceso de extracción y depuración de los datos se han constatado las limitaciones intrínsecas a un sistema de notificación voluntaria de efectos adversos. El conjunto de datos depurado se analizó utilizando herramientas de hoja de cálculo y de aprendizaje automatizado (algoritmo J48 implementado sobre Weka). El análisis con herramientas propias de una hoja de cálculo (Excel), fundamentalmente tablas dinámicas, es viable para “data set” de hasta un millón de registros, aunque puede ser complejo y lento. En este estudio, fue posible conocer la distribución de las notificaciones de efectos adversos por medicamento y sexo, grupos de edad, etc. También fue posible conocer y ordenar los EAM más notificados y los medicamentos implicados. Se aplicó también un modelo de aprendizaje automático basado en el algoritmo J48 implementado en el aplicativo Weka. Los resultados, cuya comprensión se facilitó al disponer como referencia del análisis con hoja de cálculo, fueron útiles cuando se buscó la asociación entre efecto adverso, sexo y medicamento, ya que permiten visualizar (y en cierta medida cuantificar), para cada efecto adverso el medicamento más frecuentemente asociado. El modelo tiene un funcionamiento peor cuando se analiza la relación efecto adverso-grupo de edad y medicamento, debido a la menor calidad de los datos de partida. Esta memoria pretende poner en práctica los conocimientos adquiridos por el alumno a lo largo del curso. Por ello, la extrapolación de los resultados a una potencial utilidad en práctica clínica, está sujeta a múltiples limitaciones, tanto derivadas de los datos de partida como de la idoneidad del algoritmo empleado. No obstante, puede servir de base para estudios posteriores, con algoritmos más sofisticados, que permitan crear un sistema predictivo inteligente del riesgo de desarrollar efectos adversos graves en pacientes a tratamiento con este grupo farmacológico.

The FDA has made available to the public a tool that allows for the downloading of data from the Adverse Event Reporting System (FAERS), which collects information provided by the pharmaceutical industry, professionals, and patients, about adverse drug reactions (ADR). The entirety of the records corresponding to 2022 was downloaded locally, which allowed for an approach to Machine Learning (ML) techniques starting from an extensive collection of real-world data, from which the ones corresponding to Immune Checkpoint Inhibitors (ICIs) where selected: avelumab, atezolizumab, cemiplimab, durvalumab, nivolumab, pembrolizumab, and ipilimumab. During the process of extraction and data cleaning, the intrinsic limitations of a voluntary adverse effect notification system were noted. The cleaned dataset was analyzed using spreadsheet and machine learning tools (J48 algorithm implemented on Weka). The analysis with common spreadsheet tools (Excel), mainly pivot tables, is feasible for datasets of up to a million records, although it can be complex and slow. In this study, it was possible to know the distribution of adverse effect notifications by medication and sex, age groups, etc. It was also possible to know and order the most reported ADR and the drugs involved. A machine learning model was also applied, based on the J48 algorithm implemented in the Weka application. The results, whose understanding was facilitated by having the spreadsheet analysis as a reference, were useful when looking for the association between adverse effect, sex, and drug, as they allow visualizing (and to some extent quantifying), for each adverse effect, the most frequently associated drug. The model performs worse when analyzing the adverse effect-age group and medication relationship, due to the lower quality of the initial data. This report aims to put into practice the knowledge acquired by the student throughout the course. Therefore, the extrapolation of the results to a potential utility in clinical practice, is subject to multiple limitations, both derived from the initial data and from the suitability of the algorithm used. Nevertheless, it can serve as a basis for subsequent studies, with more sophisticated algorithms, that allow for the creation of an intelligent predictive system of the risk of developing serious adverse effects in patients being treated with this group of pharmaceuticals.