Farmacovigilância da vacina mRNA assistida por aprendizado de máquina: uma revisão sistemática de dados do mundo real multi-fonte

Revisão sistemáticaNível 1 · Evidência consolidadaBMC medical informatics and decision making9 set 20260 citações

O que aconteceu

A rápida implantação de vacinas mRNA durante a pandemia de COVID-19 expôs limitações nos sistemas tradicionais de farmacovigilância, incluindo relatórios tardios, altas taxas de subnotificação e incapacidade de calcular a incidência verdadeira. O aprendizado de máquina (ML) oferece novos caminhos para superar esses desafios integrando dados do mundo real multi-fonte. Revisamos sistematicamente os estudos em língua inglesa desde o início do banco de dados até junho de 2026. As pesquisas foram realizadas no PubMed, Embase e Web of Science. Dois revisores analisaram independentemente os registros. Dada a heterogeneidade substancial entre as tarefas de ML (detecção de sinal, extração de texto, predição de risco, estratificação de prognóstico), algoritmos, fontes de dados e métricas, realizamos a síntese narrativa. O risco de viés foi avaliado utilizando QUADAS-2 adaptado.

O que encontraram

Identificamos 43 estudos. Para predição de eventos adversos, modelos baseados em árvores relataram AUCs de 0,85-0,87, embora as estimativas derivam de configurações heterogêneas. O NLP reduziu os sinais redundantes em 17% nos sistemas de notificação de vacinas. Para miocardite, os modelos ML alcançaram AUCs até 0,899 em coortes cardiovasculares, mas as aplicações diretas da vacina mRNA permanecem limitadas e retrospectivas. Plataformas emergentes (vacinas mRNA autoamplificantes e tumorais) carecem de dados pós-comercialização, tornando as aplicações ML amplamente conceituais.

Por que isso importa

A farmacovigilância assistida por ML permite uma mudança da monitorização passiva para a monitorização ativa e inteligente. Apesar dos desafios na qualidade dos dados, na interpretabilidade do modelo e na aprovação regulamentar, os sistemas inteligentes de farmacovigilância tornar-se-ão infra-estruturas essenciais para salvaguardar a saúde pública.

Tradução automática do resumo original, publicado em BMC medical informatics and decision making sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.