Revisioni della letteratura scientifica e potenzialità dell'IA per la sintesi delle evidenze

Il tipo di revisione più completo, le revisioni sistematiche della letteratura (SLR), sono apprezzate per il loro approccio rigoroso e riproducibile alla valutazione delle domande chiave della ricerca. La metodologia trasparente limita i pregiudizi e le SLR sono considerate il gold standard per la medicina basata sull'evidenza. 1 Altri tipi di revisioni della letteratura scientifica, come le revisioni complete mirate, impiegano metodi meno rigorosi, ma forniscono comunque informazioni approfondite su argomenti come il trattamento e i paesaggi delle malattie. Sia le SLR che le revisioni mirate complete guidano la strategia e supportano le richieste normative, rendendole fonti affidabili per lo sviluppo dei farmaci.

Tuttavia, le reflex e le revisioni mirate complete sono processi che richiedono molto tempo e lavoro, che spesso richiedono mesi o addirittura anni. Queste lunghe tempistiche e il numero in rapida crescita di articoli pubblicati e riviste disponibili significano che le nuove evidenze possono rapidamente sostituire le vecchie revisioni della letteratura scientifica. 2 Ciò può ostacolare i processi decisionali, in particolare in settori frenetici come l'assistenza sanitaria e lo sviluppo di farmaci, in cui informazioni tempestive e accurate sono fondamentali.

In risposta, c'è stato un crescente interesse per strumenti e metodologie in grado di supportare una maggiore efficienza, come l'intelligenza artificiale (IA), che potrebbe accelerare i tempi di valutazione e aggiornamento delle revisioni della letteratura scientifica.³

È fondamentale, tuttavia, che tali strumenti siano convalidati e che il loro utilizzo sia guidato da conoscenze specialistiche su quando e dove è più appropriato, nonché da una chiara comprensione di come verranno applicati, in particolare in contesti di utilizzo in cui il rigore scientifico del metodo e dei risultati è fondamentale, come le SLR.

Stare al passo con l'evidenza

Le revisioni più rigorose ed estese della letteratura scientifica sono le SLR effettuate nell'ambito delle presentazioni di valutazione delle tecnologie sanitarie (HTA), che aderiscono alle rigorose linee guida delle agenzie HTA. Queste reflex dovrebbero essere completate da ricercatori esperti. A causa dei limiti delle revisioni assistite dall'IA, inclusa la possibilità di perdere ricerche pertinenti, l'IA non è consigliata per gli SLR che informano le decisioni HTA.

Tuttavia, le linee guida in questo ambito si stanno evolvendo. Il National Institute for Health and Care Excellence (NICE) del Regno Unito ha pubblicato una dichiarazione di posizione sull'uso dell'IA nella generazione di prove che sottolinea l'impegno precoce con il NICE e il dialogo con i team tecnici del NICE se si utilizzano metodi di IA. 4 Alla fine, l'utilizzo dell'IA come secondo revisore può essere appropriato se gli strumenti di IA sono stati opportunamente convalidati.

Le SLR vengono effettuate anche per la strategia interna e per la pubblicazione. Questi tipi di SLR sono anche cruciali per identificare le lacune nelle prove e possono informare i piani integrati di evidenza (IEP). Il rigore scientifico è ancora fondamentale per queste reflex. Pertanto, si consiglia di considerare l'IA come secondo revisore per la prima fase di screening della letteratura.

La presenza di un revisore umano e di un revisore IA con conflitti risolti da un terzo revisore umano fornisce un controllo di qualità integrato. Inoltre, qualsiasi metodo assistito dall'intelligenza artificiale dovrebbe essere delineato in modo trasparente nei rapporti o nelle pubblicazioni delle SLR, il che è in linea con le linee guida PRISMA del 2020 sulla necessità di un "resoconto trasparente, completo e accurato del motivo per cui è stata effettuata una revisione, di ciò che gli autori hanno fatto (come il modo in cui gli studi sono stati identificati e selezionati) e di ciò che hanno trovato (come le caratteristiche degli studi che contribuiscono e i risultati delle meta-analisi)". 5 Se questi tipi di reflex possono essere condotti più rapidamente e a costi inferiori con l'assistenza dell'intelligenza artificiale, le reflex possono essere utilizzate nelle prime fasi del processo di sviluppo dei farmaci e possono essere aggiornate più frequentemente. Ciò può informare meglio i PEI e portare a una pianificazione più efficace della generazione di prove.

Un altro tipo di revisione della letteratura scientifica che è particolarmente utile nello spazio HEOR è la revisione mirata completa. Revisioni complete e mirate spesso coprono gli scenari delle malattie e dei trattamenti e informano lo sviluppo precoce dei farmaci. I metodi assistiti dall'IA sono particolarmente utili per argomenti ampi in cui esiste una grande quantità di letteratura pubblicata. L'utilizzo dell'IA per completare la prima fase di screening della letteratura è suggerito come opzione per risparmiare tempo e costi. Sebbene le revisioni mirate complete abbiano requisiti metodologici meno rigorosi rispetto alle SLR, i processi human-in-the-loop sono ancora importanti e anche l'implementazione di controlli di qualità di una percentuale predeterminata di referenze esaminate dall'IA è un'opzione suggerita.

Infine, l'aggiornamento delle revisioni della letteratura scientifica, che si tratti di reflex o di revisioni mirate complete, è un altro tipo di sintesi delle evidenze in cui l'uso dell'IA può portare benefici. Le revisioni della letteratura scientifica esistenti possono essere utilizzate come dati di addestramento e gli strumenti di IA possono essere utilizzati per valutare se esiste una quantità sufficiente di nuova letteratura pubblicata pertinente per eseguire un aggiornamento della revisione. Il monitoraggio della letteratura pubblicata di recente garantirà che gli aggiornamenti delle revisioni siano condotti in modo tempestivo e appropriato.

Adozione cauta dell'IA nella generazione di prove

Trovare il modo di soddisfare i requisiti delle autorità HTA riducendo al contempo alcuni dei processi che richiedono molto tempo è una grande priorità per le aziende, poiché ogni giorno in cui il prodotto di un'azienda non viene rimborsato viene perso fatturato. Le linee guida del NICE aiutano in qualche modo le aziende a fare un uso giudizioso dell'IA per migliorare il processo decisionale nella generazione di prove. Tuttavia, il NICE ha messo in guardia sulla trasparenza e l'affidabilità dell'IA.⁴

Nel giusto contesto e correttamente applicati, gli strumenti di intelligenza artificiale possono potenziare le aziende rendendo più facile ed efficiente in termini di costi l'esecuzione di SLR più frequentemente e di conseguenza aiutarle a prendere decisioni più informate.

PRISMA fornisce indicazioni sull'uso dell'automazione nella sua lista di controllo ampliata del 2020. Ciò include la segnalazione di come gli strumenti di automazione sono stati integrati all'interno del processo di selezione generale dello studio, nonché l'applicazione dell'apprendimento automatico nel processo di screening e quale convalida è stata effettuata per comprendere il rischio di studi mancati o classificazioni errate.⁶

I sondaggi condotti tra i responsabili delle decisioni relative all'assistenza sanitaria mostrano che c'è una crescente familiarità con gli strumenti di intelligenza artificiale per l'aggregazione e il riepilogo delle evidenze. Tuttavia, permangono legittime preoccupazioni sulla sicurezza e sulla privacy quando si utilizzano strumenti di IA, nonché possibili pregiudizi introdotti inavvertitamente dai revisori. Inoltre, è importante sottolineare che l'IA richiede un notevole contributo da parte di ricercatori ed esperti medici e che è fondamentale garantire l'accuratezza nella ricerca di argomenti che potrebbero avere un impatto sulla salute e sull'assistenza sanitaria delle persone.

Alcune di queste preoccupazioni possono essere affrontate utilizzando flussi di lavoro di revisione della letteratura in cui gli strumenti di IA convalidati sono guidati da ricercatori esperti. I controlli di qualità human-in-the-loop forniscono anche un modo per mitigare i rischi e mantenere l'integrità della ricerca. C'è spazio per far maturare l'IA come strumento chiave per le revisioni della letteratura, a condizione che ci sia una solida base di formazione e convalida nel suo sviluppo.

Strumenti appropriati e affidabili basati sull'intelligenza artificiale, orientati alle diverse parti del processo di generazione delle evidenze, possono fare molto per eliminare parte dell'onere, fornendo alle aziende le informazioni di cui hanno bisogno per raggiungere i loro obiettivi di accesso al mercato.

A proposito degli autori

Kimberly Ruiz è Senior Director, Evidence Generation and Value Communication di Cencora. Guida team di ricercatori nella conduzione di revisioni sistematiche e mirate della letteratura e di vari tipi di lavoro di comunicazione medica, comprese pubblicazioni scientifiche e sviluppo di dossier. Ha più di 20 anni di esperienza come ricercatrice nei settori della consulenza, aziendale e non profit dell'industria sanitaria.

Malia Gill è Manager, Evidence Generation and Value Communications di Cencora. Conduce revisioni sistematiche e mirate della letteratura per fornire una comprensione completa delle tendenze nella base della letteratura. Il suo lavoro supporta la presentazione di HTA, meta-analisi, modelli economici ed epidemiologici e pubblicazioni scientifiche.

Kimberly Ruiz

Direttore senior, Generazione di evidenze e comunicazione del valore, Cencora

Malia Gill

Responsabile, Generazione di evidenze e comunicazioni di valore, Cencora

Questo articolo riassume la comprensione dell'argomento da parte di Cencora sulla base delle informazioni pubblicamente disponibili al momento della stesura (si vedano le fonti elencate) e l'esperienza degli autori in questo settore. Le raccomandazioni fornite nell'articolo potrebbero non essere applicabili a tutte le situazioni e non costituiscono una consulenza legale. I lettori non dovrebbero fare affidamento sull'articolo per prendere decisioni relative agli argomenti discussi.

Rapporto

Anticipare le principali tendenze di accesso al mercato a livello globale per il 2025

Il panorama sanitario del 2025 è pronto per un cambiamento significativo. Il report di Cencora, "Anticipating the top market access trends globally for 2025", evidenzia le tendenze chiave che avranno un impatto sull'accesso dei pazienti alle terapie innovative.

Gli approfondimenti chiave includono l'esplorazione dei cambiamenti politici globali, la comprensione delle dinamiche in evoluzione tra produttori e soggetti pagatori, la gestione delle pressioni sui prezzi dei farmaci, l'utilizzo della comunicazione digitale per il coinvolgimento degli stakeholder e il miglioramento dell'equità nell'assistenza sanitaria statunitense

Leggi il report

Mettiti in contatto con il nostro team

Il nostro team di esperti di valore leader si dedica a trasformare evidenze, approfondimenti sulle politiche e informazioni di mercato in efficaci strategie di accesso al mercato globale. Lascia che ti aiutiamo a navigare con sicurezza nel complesso panorama sanitario odierno. Contattaci per scoprire come possiamo supportare i tuoi obiettivi.

Contattaci

Referenze:

^1. OCEBM Levels of Evidence, Centro di Medicina Basata sull'Evidenza. https://www.cebm.ox.ac.uk/resources/levels-of-evidence/ocebm-levels-of-evidence
^2. Approcci di ricerca bibliografica in un'epoca di crescente volume di pubblicazioni, poster ISPOR. https://www.ispor.org/docs/default-source/euro2024/isporeurope24cadarettesa57poster146827-pdf.pdf?sfvrsn=39a72ef6_0
^3. Quanto possiamo risparmiare applicando l'intelligenza artificiale nella sintesi delle evidenze? Risultati di una revisione pragmatica per quantificare l'efficienza dei carichi di lavoro e i risparmi sui costi, Front Pharmacol. 2025 Gen. https://pmc.ncbi.nlm.nih.gov/articles/PMC11826052/
^4.Uso dell'IA nella generazione di prove: Dichiarazione di posizione NICE. https://www.nice.org.uk/about/what-we-do/our-research-work/use-of-ai-in-evidence-generation--nice-position-statement
^5. La dichiarazione PRISMA 2020: una linea guida aggiornata per la segnalazione delle revisioni sistematiche, BMJ, 2021. https://www.bmj.com/content/372/bmj.n71
^6. Lista di controllo ampliata PRISMA 2020. https://www.bmj.com/content/bmj/suppl/2021/03/29/bmj.n71.DC1/pagm061899.w2.pdf

Risorse correlate

Guida

Serie HEOR Fundamental Education

Scopri di più

Articolo

Approfondimenti da ISPOR 2024: Alla ricerca di miglioramenti negli strumenti utilizzati nelle valutazioni delle revisioni sistematiche

Scopri di più

Guida

Lista di controllo: Perché hai bisogno di un partner per soluzioni di apprendimento con esperienza nell'accesso al mercato e nei rimborsi

Scopri di più

Cencora.com fornisce traduzioni automatiche per facilitare la lettura del sito web in lingue diverse dall'inglese. Per queste traduzioni, sono stati fatti sforzi ragionevoli per fornire una traduzione accurata, tuttavia, nessuna traduzione automatica è perfetta né è destinata a sostituire i traduttori umani. Queste traduzioni sono fornite come servizio agli utenti di Cencora.com e sono fornite "così come sono". Non viene fornita alcuna garanzia di alcun tipo, espressa o implicita, in merito all'accuratezza, all'affidabilità o alla correttezza di una qualsiasi di queste traduzioni effettuate dall'inglese in qualsiasi altra lingua. Alcuni contenuti (come immagini, video, Flash, ecc.) potrebbero non essere tradotti in modo accurato a causa delle limitazioni del software di traduzione.

Eventuali discrepanze o differenze create nella traduzione di questo contenuto dall'inglese in un'altra lingua non sono vincolanti e non hanno alcun effetto legale per la conformità, l'applicazione o qualsiasi altro scopo. Se vengono identificati errori, ti preghiamo di contattarci. In caso di domande relative all'accuratezza delle informazioni contenute in queste traduzioni, si prega di fare riferimento alla versione inglese della pagina.