Las compañías farmacéuticas están extendiendo sus proyectos de Voz del Paciente a las redes sociales: comentarios en foros web, encuestas, Twitter, etc.
El objetivo de la prueba de concepto de esta compañía farmacéutica en España fue: “Recopilar y analizar cuantitativa y cualitativamente la voz del paciente desde los canales donde se expresa”, en redes sociales como foros web, Facebook, Twitter y otros sistemas.
Para la industria farmacéutica, es esencial escuchar y comprender los comentarios que sus clientes actuales y potenciales se expresan a través de todo tipo de medios y puntos de contacto.
Y los foros web reúnen millones de posts. Un foro web es un punto de encuentro para pacientes. Comparten apoyo, experiencias y sabiduría con compañeros, familiares y amigos.
Las fuentes son tan masivas (hasta 5 millones de publicaciones en un solo foro como FertileThoughts) que solo el procesamiento automático facilita el análisis con la calidad, el tiempo de respuesta y la homogeneidad necesarios.
La solución debería convertir automáticamente los conocimientos obtenidos en recomendaciones concretas teniendo en cuenta cada uno de los canales de comunicación y ventas de la organización.
Los objetivos de la prueba de concepto
-Identificar y priorizar las necesidades y deseos de los pacientes.
-Detectar reacciones adversas a los medicamentos más allá de los sistemas habituales de seguridad de los medicamentos.
-Evaluar nuevos conceptos, ideas y soluciones.
– Personalizar los productos, servicios, accesorios y características para satisfacer las necesidades de los pacientes.
– Priorizar los desarrollos.
Área de práctica: TRATAMIENTOS DE FERTILIDAD.
País: España
El proyecto paso a paso
0. Eligiendo las fuentes
Después de una investigación sobre las posibles fuentes públicas para la Voz del Paciente en España en el área de tratamientos de fertilidad, la compañía decidió centrarse en un solo foro web: La infertilidad (https://www.lainfertilidad.com/foros/index .php).
Actualmente contiene más de 820 mil publicaciones divididas en 38 subforos.
1. Crawling
El software automatizado rastreó todas las páginas en el foro para crear un índice de datos. El 100% de las publicaciones fueron capturadas y transferidas a una base de datos de Elasticsearch.
2. Plataforma semántica
Cada publicación se procesa utilizando nuestra tecnología semántica.
2.1. Clasificación
La API de clasificación clasifica los textos de manera jerárquica o taxonomía.
Los modelos de clasificación de la API de Clasificación de Texto de MeaningCloud combinan un modelo estadístico y reglas de clasificación.
Se desarrolló y formó un modelo de clasificación simple. Estaba compuesto por 10 categorías:
- Dislike
- Like
- Expectations
- Recommendations
- Advice against
- Maintenance
- Drug-sharing
- Help
- Benchmarking
- Posology and use
2.2. Análisis de sentimiento
Nuestra API de Análisis de Sentimiento realiza un análisis detallado y multilingüe sobre información de diferentes fuentes.
La salida es una de las siguientes etiquetas: N + (fuertemente negativo), N (negativo), NEU (sentimiento neutral, ni bueno ni malo, o el caso cuando las polaridades positivas compensan las negativas), P (positivo), P + (muy positivo) y NINGUNA (sin sentimiento).
Además de la polaridad local y global, la API utiliza técnicas avanzadas de procesamiento de lenguaje natural para detectar la polaridad asociada con las entidades y los conceptos del texto.
2.3 Entidades nombradas
Esta API extrae de un texto la información más relevante, como personas, lugares, organizaciones o productos mencionados, conocidos como entidades con nombre. Estas entidades, conceptos y valores proporcionan una representación semántica de un documento, lo que permite desarrollar aplicaciones inteligentes para procesar contenido en varios idiomas.
También agregamos nuestros propios diccionarios para ampliar las capacidades de MeaningCloud de etiquetar entidades y conceptos y adaptarlos a un dominio diferente o a los requisitos de su aplicación. Incorporamos los nombres de medicamentos, principios activos o enfermedades para analizar semánticamente textos relacionados con la salud.
Nuestra empresa mantiene una línea de desarrollo constante centrada en las industrias farmacéutica y de ciencias de la vida: aproximadamente el 80% de nuestros ingresos provienen de ese sector. Hay cientos de miles de recursos semánticos específicos de dominio integrados en el sistema, cada uno de ellos destinado a detectar un tipo diferente de entidad nombrada. Incluyen MedDRA, UMLS, CIMA, ATC e IDC.
3. Contenido estructurado
La plataforma semántica ha procesado y analizado automáticamente el contenido textual. Transforma los datos “sin procesar” en información estructurada y utilizable que se remonta a la base de datos de Elasticsearch.
A Elasticsearch se añade información estructurada adicional que necesitamos para obtener información detallada. Agregamos una tabla que contiene la lista de clínicas junto con la siguiente información: Provincia, Región, Localidad, Público (Sí / No) y una tabla de marcas y productos
4. Dashboard
El dashboard incluía las siguientes secciones:
4.1. Clínicas según su importancia
El siguiente mapa es la primera interfaz para el panel de control. Muestra la ubicación de las clínicas que han sido mencionadas por los pacientes. El mapa muestra más detalles al hacer clic sobre cada punto.
4.2. Descubrimientos relacionados con productos y marcas
Esta segunda interfaz las menciones de las marcas y sus productos. Tiene secciones para alertas de existencias, efectos adversos y alertas de uso compartido de medicamentos.
4.3. Alertas sobre compraventa de medicamentos
Cuando los pacientes publican mensajes cuyo propósito es vender o comprar medicamentos de receta.
4.4. Efectos adversos
El sistema monitorea los eventos adversos que se reportan en los foros.
Si necesitas más información o saber cómo MeaningCloud te puede ayudar a monitorizar la voz del paciente, no dejes de contactarnos en sales@meaningcloud.com.
