Aprendizado de máquina nos serviços farmacêuticos : uma revisão integrativa

Abstract

A crescente digitalização e aplicação de inteligência artificial (IA) em problemas complexos do mundo real, tem potencial de melhorar os serviços de saúde, inclusive da atuação dos farmacêuticos no processo do cuidado. O objetivo deste estudo foi identificar na literatura científica, estudos que testam algoritmos de aprendizado de máquina (Machine Learning – ML) aplicados as atividades de farmacêuticos clínicos no cuidado ao paciente. Trata-se de uma revisão integrativa, realizada nas bases de dados, Pubmed, Portal BVS, Cochrane Library e Embase. Artigos originais, relacionados ao objetivo proposto, disponíveis e publicados antes de 31 de dezembro de 2021, foram incluídos, sem limitações de idioma. Foram encontrados 831 artigos, sendo 5 incluídos relacionados as atividades inseridas nos serviços de revisão da farmacoterapia (3) e monitorização terapêutica (2). Foram utilizadas técnicas supervisionadas (3) e não supervisionadas (2) de ML, com variedade de algoritmos testados, sendo todos os estudos publicados recentemente (2019-2021). Conclui-se que a aplicação da IA na farmácia clínica, ainda é discreta, sinalizando os desafios da era digital.

The growing application of artificial intelligence (AI) in complex real-world problems has shown an enormous potential to improve health services, including the role of pharmacists in the care process. Thus, the objective of this study was to identify, in the scientific literature, studies that addressed the use of machine learning (ML) algorithms applied to the activities of clinical pharmacists in patient care. This is an integrative review, conducted in the databases Pubmed, VHL Regional Portal, Cochrane Library and Embase. Original articles, related to the proposed topic, which were available and published before December 31, 2021, were included, without language limitations. There were 831 articles retrieved 5 of which were related to activities included in the pharmacotherapy review services (3) and therapeutic monitoring (2). Supervised (3) and unsupervised (2) ML techniques were used, with a variety of algorithms tested, with all studies published recently (2019–2021). It is concluded that the application of AI in clinical pharmacy is still discreet, signaling the challenges of the digital age.