Clasificación de informes de defectos de productos sanitarios mediante aprendizaje profundo

Por qué importa detectar medicamentos defectuosos más rápido

La mayoría de nosotros asumimos que los medicamentos y productos sanitarios que usamos son seguros y se fabrican con normas estrictas de calidad. Sin embargo, en todo el mundo se retiran del mercado cientos de productos cada año por contaminación, ingredientes incorrectos o etiquetas engañosas. Cada producto defectuoso supone una amenaza potencial para los pacientes. Las autoridades reguladoras deben leer e interpretar con rapidez miles de informes de defectos para decidir cuáles exigen una acción urgente. Este artículo describe cómo se construyó un sistema de aprendizaje profundo para ayudar a las autoridades sanitarias a clasificar estos informes más rápido y con mayor consistencia, de modo que puedan concentrar la atención en los problemas con mayor riesgo para la salud pública.

Cómo se informan hoy los problemas de producto

Cuando se detecta un posible defecto en un medicamento u otro producto sanitario, se envía a los reguladores un informe escrito breve. Estos informes pueden describir muchos problemas: fragmentos de vidrio en un vial, el ingrediente equivocado en una pastilla, envases que presentan fugas o etiquetas que pueden inducir a errores de dosificación. En Singapur, la Health Sciences Authority utiliza un diccionario médico estándar, adaptado a las necesidades locales, para agrupar cada informe en una de varias categorías específicas, como contaminación microbiana o publicidad que infringe las normas. La categoría asignada a un informe ayuda a determinar la gravedad del problema y la rapidez con la que debe tratarse. En la actualidad, responsables capacitados leen cada informe y asignan una etiqueta manualmente. Este trabajo es lento, complejo y puede ser inconsistente, especialmente a medida que aumenta el número de informes.

Enseñar a un ordenador a leer informes de defectos

Los investigadores se propusieron construir un sistema de inteligencia artificial que pudiera apoyar a estos responsables en lugar de reemplazarlos. Reunieron 13.830 informes de defectos recibidos entre 2010 y 2021, que abarcaban medicamentos, vacunas, suplementos y cosméticos. Un equipo de farmacéuticos experimentados revisó y etiquetó cuidadosamente cada informe usando 21 de las categorías de defecto más comunes, que en conjunto cubrían más del 99 % de los casos. El equipo entonces empleó un modelo de lenguaje popular llamado BERT, diseñado para entender el significado de las palabras en contexto, como núcleo de su sistema. Al ajustar finamente BERT sobre esta colección etiquetada, crearon una herramienta—llamada MedDefects‑BERT—capaz de leer el título y la descripción de un informe y predecir la categoría de defecto más probable.

Qué tan bien funciona el sistema

Cuando se probó con informes que no había visto antes, MedDefects‑BERT coincidió con la primera elección de los expertos en el 86 % de los casos. Si al sistema se le permitía sugerir sus tres categorías más probables, incluía la correcta en el 96 % de las ocasiones. Esto es importante porque un responsable real puede revisar simplemente una lista corta de sugerencias en lugar de partir de cero. El sistema funcionó mejor para las categorías con más ejemplos de entrenamiento, lo cual es típico en aprendizaje automático. Aun así, permitir hasta tres etiquetas sugeridas elevó el rendimiento por encima del 70 % en todas las categorías, incluidas las más raras. Las puntuaciones de confianza del modelo—números entre 0 y 1 que indican qué tan seguro está—se correlacionaron fuertemente con la frecuencia con la que acertaba. Al establecer un umbral de confianza, el equipo demostró que podía elevar la precisión a alrededor del 91 % en predicciones “ciertas” mientras marcaba una fracción modesta de casos como “inciertos” para una revisión humana más detallada.

Explorar las decisiones del modelo

Los autores también abordaron una preocupación clave con la IA en campos críticos para la seguridad: la transparencia. Utilizaron herramientas de visualización para mostrar que los informes pertenecientes al mismo tipo de defecto se agrupan juntos en el “mapa” interno del modelo sobre los significados de los documentos, mientras que los informes mal clasificados se sitúan en los bordes entre los grupos. A nivel de palabras individuales, aplicaron un método llamado SHAP para resaltar qué términos de un informe empujaban al modelo hacia una categoría determinada. Por ejemplo, palabras relacionadas con hongos o moho influyeron fuertemente en predicciones de contaminación microbiana, mientras que términos como “sedimento” o “precipitado” apoyaban una categoría vinculada a depósitos en productos. Estas explicaciones ofrecen a los responsables una forma rápida de ver por qué el modelo hizo una sugerencia y juzgar si tiene sentido en contexto.

Hacer el sistema más inteligente y eficiente

Para mejorar aún más el rendimiento sin añadir costos informáticos elevados, el equipo usó una técnica conocida como deep prompt tuning. En lugar de cambiar todos los parámetros internos del modelo, añadieron pequeños “prefijos” entrenables a cada capa que orientan suavemente al modelo hacia esta tarea específica. La combinación de afinado tradicional con estos prompts aumentó la precisión del sistema en más de la mitad de las categorías de defecto y mejoró su capacidad para detectar casos correctamente en general. Las pruebas con informes más recientes de 2022 mostraron que la precisión del sistema se mantenía con el tiempo, lo que sugiere que su comprensión de los informes de defectos no queda obsoleta rápidamente.

Qué significa esto para pacientes y reguladores

El estudio muestra que un modelo de lenguaje bien diseñado puede ayudar de forma significativa a los reguladores a filtrar grandes volúmenes de informes de defectos de productos sanitarios, estandarizar cómo se categorizan los casos y señalar con mayor rapidez los problemas de alto riesgo. Dado que el sistema también explica qué palabras y pasajes motivaron sus sugerencias, los expertos humanos siguen teniendo el control final de las decisiones. Con mayor refinamiento—como manejar múltiples tipos de defecto en un mismo informe y ampliar a categorías más raras—herramientas similares podrían fortalecer la vigilancia de la calidad de los medicamentos a nivel mundial, reducir retrasos en la retirada de productos peligrosos y, en última instancia, ofrecer una mejor protección a los pacientes.

Cita: Sancenon, V., Huang, Y., Zou, L. et al. Classification of health product defect reports by deep learning. Sci Rep 16, 13528 (2026). https://doi.org/10.1038/s41598-026-43961-3

Palabras clave: seguridad de medicamentos, calidad de medicamentos, aprendizaje profundo, vigilancia regulatoria, procesamiento del lenguaje natural