{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5425749"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5425749","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Η χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση σε ΗΠΑ και Ευρώπη / The use of artificial intelligence in pharmacovigilance in USA and Europe","abstract":"Η παρούσα διπλωματική εργασία εξετάζει τη χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση στις Ηνωμένες Πολιτείες Αμερικής και στην Ευρώπη, εστιάζοντας στις εφαρμογές, τα πλεονεκτήματα, τις προκλήσεις και τις μελλοντικές προοπτικές της. Η φαρμακοεπαγρύπνηση αποτελεί έναν ιδιαίτερα σημαντικό τομέα της δημόσιας υγείας, καθώς αφορά την ανίχνευση, αξιολόγηση, κατανόηση και πρόληψη ανεπιθύμητων ενεργειών ή άλλων προβλημάτων που σχετίζονται με τη χρήση φαρμάκων. Η συνεχής αύξηση του όγκου των διαθέσιμων δεδομένων έχει καταστήσει αναγκαία την αξιοποίηση προηγμένων τεχνολογιών, όπως η τεχνητή νοημοσύνη, για τη βελτίωση της αποτελεσματικότητας και της ταχύτητας των διαδικασιών φαρμακοεπαγρύπνησης. Στο πλαίσιο της εργασίας παρουσιάζονται βασικές έννοιες τη τεχνητής νοημοσύνης, καθώς και επιμέρους τεχνολογίες, όπως το Machine Learning και η Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing). Αναλύονται οι εφαρμογές τους στη συλλογή, ανάλυση και αξιολόγηση δεδομένων ασφάλειας φαρμάκων, με στόχο την έγκαιρη ανίχνευση σημάτων κινδύνου και τη βελτίωση της λήψης αποφάσεων. επιπλέον, εξετάζονται οι κατευθυντήριες οδηγίες και ρυθμιστικά πλαίσια του FDA και EMA, καθώς και διαφορές που παρατηρούνται μεταξύ ΗΠΑ και Ευρώπης ως προς την αξιοποίηση της τεχνητής νοημοσύνης και των αντίστοιχων βάσεων δεδομένων φαρμακοεπαγρύπνησης. Παράλληλα, παρουσιάζονται τα βασικά πλεονεκτήματα της χρήσης τεχνητής νοημοσύνης, όπως η αυτοματοποίηση διαδικασιών, η ταχύτερη επεξεργασία μεγάλου όγκου δεδομένων και η βελτίωση της ακρίβειας στην ανίχνευση ανεπιθύμητων ενεργειών. Ωστόσο, αναδεικνύονται και σημαντικές προκλήσεις, όπως ζητήματα αξιοπιστίας, προστασίας προσωπικών δεδομένων και κανονιστικής συμμόρφωσης. Τέλος, μέσω μελετών περίπτωσης και ανάλυσης σύγχρονων τάσεων, αναδεικνύεται ο καθοριστικός ρόλος της τεχνητής νοημοσύνης στη διαμόρφωση του μέλλοντος της φαρμακοεπαγρύπνησης.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει τη χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση στις Ηνωμένες Πολιτείες Αμερικής και στην Ευρώπη, εστιάζοντας στις εφαρμογές, τα πλεονεκτήματα, τις προκλήσεις και τις μελλοντικές προοπτικές της. Η φαρμακοεπαγρύπνηση αποτελεί έναν ιδιαίτερα σημαντικό τομέα της δημόσιας υγείας, καθώς αφορά την ανίχνευση, αξιολόγηση, κατανόηση και πρόληψη ανεπιθύμητων ενεργειών ή άλλων προβλημάτων που σχετίζονται με τη χρήση φαρμάκων. Η συνεχής αύξηση του όγκου των διαθέσιμων δεδομένων έχει καταστήσει αναγκαία την αξιοποίηση προηγμένων τεχνολογιών, όπως η τεχνητή νοημοσύνη, για τη βελτίωση της αποτελεσματικότητας και της ταχύτητας των διαδικασιών φαρμακοεπαγρύπνησης. Στο πλαίσιο της εργασίας παρουσιάζονται βασικές έννοιες τη τεχνητής νοημοσύνης, καθώς και επιμέρους τεχνολογίες, όπως το Machine Learning και η Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing). Αναλύονται οι εφαρμογές τους στη συλλογή, ανάλυση και αξιολόγηση δεδομένων ασφάλειας φαρμάκων, με στόχο την έγκαιρη ανίχνευση σημάτων κινδύνου και τη βελτίωση της λήψης αποφάσεων. επιπλέον, εξετάζονται οι κατευθυντήριες οδηγίες και ρυθμιστικά πλαίσια του FDA και EMA, καθώς και διαφορές που παρατηρούνται μεταξύ ΗΠΑ και Ευρώπης ως προς την αξιοποίηση της τεχνητής νοημοσύνης και των αντίστοιχων βάσεων δεδομένων φαρμακοεπαγρύπνησης. Παράλληλα, παρουσιάζονται τα βασικά πλεονεκτήματα της χρήσης τεχνητής νοημοσύνης, όπως η αυτοματοποίηση διαδικασιών, η ταχύτερη επεξεργασία μεγάλου όγκου δεδομένων και η βελτίωση της ακρίβειας στην ανίχνευση ανεπιθύμητων ενεργειών. Ωστόσο, αναδεικνύονται και σημαντικές προκλήσεις, όπως ζητήματα αξιοπιστίας, προστασίας προσωπικών δεδομένων και κανονιστικής συμμόρφωσης. Τέλος, μέσω μελετών περίπτωσης και ανάλυσης σύγχρονων τάσεων, αναδεικνύεται ο καθοριστικός ρόλος της τεχνητής νοημοσύνης στη διαμόρφωση του μέλλοντος της φαρμακοεπαγρύπνησης.","abstract_has_math":false,"creators":["Σταυροπούλου Μαρία","Stavropoulou Maria"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:18Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5425749"],"render_values":[{"text":"uoadl:5425749","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5425749","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5425749","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5425749","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σταυροπούλου Μαρία","Stavropoulou Maria"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5425749","https://pergamos.lib.uoa.gr/uoa/dl/object/5425749"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει τη χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση στις Ηνωμένες Πολιτείες Αμερικής και στην Ευρώπη, εστιάζοντας στις εφαρμογές, τα πλεονεκτήματα, τις προκλήσεις και τις μελλοντικές προοπτικές της. Η φαρμακοεπαγρύπνηση αποτελεί έναν ιδιαίτερα σημαντικό τομέα της δημόσιας υγείας, καθώς αφορά την ανίχνευση, αξιολόγηση, κατανόηση και πρόληψη ανεπιθύμητων ενεργειών ή άλλων προβλημάτων που σχετίζονται με τη χρήση φαρμάκων. Η συνεχής αύξηση του όγκου των διαθέσιμων δεδομένων έχει καταστήσει αναγκαία την αξιοποίηση προηγμένων τεχνολογιών, όπως η τεχνητή νοημοσύνη, για τη βελτίωση της αποτελεσματικότητας και της ταχύτητας των διαδικασιών φαρμακοεπαγρύπνησης. Στο πλαίσιο της εργασίας παρουσιάζονται βασικές έννοιες τη τεχνητής νοημοσύνης, καθώς και επιμέρους τεχνολογίες, όπως το Machine Learning και η Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing). Αναλύονται οι εφαρμογές τους στη συλλογή, ανάλυση και αξιολόγηση δεδομένων ασφάλειας φαρμάκων, με στόχο την έγκαιρη ανίχνευση σημάτων κινδύνου και τη βελτίωση της λήψης αποφάσεων. επιπλέον, εξετάζονται οι κατευθυντήριες οδηγίες και ρυθμιστικά πλαίσια του FDA και EMA, καθώς και διαφορές που παρατηρούνται μεταξύ ΗΠΑ και Ευρώπης ως προς την αξιοποίηση της τεχνητής νοημοσύνης και των αντίστοιχων βάσεων δεδομένων φαρμακοεπαγρύπνησης. Παράλληλα, παρουσιάζονται τα βασικά πλεονεκτήματα της χρήσης τεχνητής νοημοσύνης, όπως η αυτοματοποίηση διαδικασιών, η ταχύτερη επεξεργασία μεγάλου όγκου δεδομένων και η βελτίωση της ακρίβειας στην ανίχνευση ανεπιθύμητων ενεργειών. Ωστόσο, αναδεικνύονται και σημαντικές προκλήσεις, όπως ζητήματα αξιοπιστίας, προστασίας προσωπικών δεδομένων και κανονιστικής συμμόρφωσης. Τέλος, μέσω μελετών περίπτωσης και ανάλυσης σύγχρονων τάσεων, αναδεικνύεται ο καθοριστικός ρόλος της τεχνητής νοημοσύνης στη διαμόρφωση του μέλλοντος της φαρμακοεπαγρύπνησης.","This thesis examines the use of Artificial Intelligence in pharmacovigilance in the United States and Europe, focusing on its applications, advantages, challenges and future perspectives. Pharmacovigilance is a crucial field of public health that involves the detection, assessment, understanding and prevention of adverse drug reactions and other drug related problems. The continuously increasing volume of healthcare and safety data has created the need for advanced technological solutions, such as Artificial Intelligence, to improve the efficiency, accuracy and speed of pharmacovigilance processes. The study presents the fundamental concepts of Artificial Intelligence, as well as key technologies such as Machine Learning and Natural Language Processing. Particular emphasis is placed on their applications in the collection, processing and analysis of drug safety data, aiming at the early detection of safety signals and the enhancement of decision-making procedures. Furthermore, the thesis examines the regulatory frameworks and guidelines established by the Food and Drug Administration (FDA) and the European Medicines Agency (EMA), highlighting the main differences between the United States and Europe regarding the implementation of AI technologies and the use of pharmacovigilance databases. In addition, the thesis discusses the major advantages of AI integration in pharmacovigilance, including process automation, faster analysis of large volumes of data, improved accuracy in identifying adverse drug reactions and more efficient risk management. At the same time, important challenges and analyzed such as data reliability, transparency of AI models, ethical concerns, data privacy and regulatory compliance issues. Finally, through the presentation of case studies and the analysis of current trends, the thesis demonstrates the growing importance of Artificial Intelligence in transforming pharmacovigilance practices. The findings suggest that AI technologies are expected to play a significant role in the future of drug safety monitoring, contributing to more proactive, efficient and patient-centered healthcare systems."]},{"key":"dc:title","label":"Title","values":["Η χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση σε ΗΠΑ και Ευρώπη / The use of artificial intelligence in pharmacovigilance in USA and Europe"]}]}],"canonical_facts":{"dc:creator":["Σταυροπούλου Μαρία","Stavropoulou Maria"],"dc:date":["2026"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει τη χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση στις Ηνωμένες Πολιτείες Αμερικής και στην Ευρώπη, εστιάζοντας στις εφαρμογές, τα πλεονεκτήματα, τις προκλήσεις και τις μελλοντικές προοπτικές της. Η φαρμακοεπαγρύπνηση αποτελεί έναν ιδιαίτερα σημαντικό τομέα της δημόσιας υγείας, καθώς αφορά την ανίχνευση, αξιολόγηση, κατανόηση και πρόληψη ανεπιθύμητων ενεργειών ή άλλων προβλημάτων που σχετίζονται με τη χρήση φαρμάκων. Η συνεχής αύξηση του όγκου των διαθέσιμων δεδομένων έχει καταστήσει αναγκαία την αξιοποίηση προηγμένων τεχνολογιών, όπως η τεχνητή νοημοσύνη, για τη βελτίωση της αποτελεσματικότητας και της ταχύτητας των διαδικασιών φαρμακοεπαγρύπνησης. Στο πλαίσιο της εργασίας παρουσιάζονται βασικές έννοιες τη τεχνητής νοημοσύνης, καθώς και επιμέρους τεχνολογίες, όπως το Machine Learning και η Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing). Αναλύονται οι εφαρμογές τους στη συλλογή, ανάλυση και αξιολόγηση δεδομένων ασφάλειας φαρμάκων, με στόχο την έγκαιρη ανίχνευση σημάτων κινδύνου και τη βελτίωση της λήψης αποφάσεων. επιπλέον, εξετάζονται οι κατευθυντήριες οδηγίες και ρυθμιστικά πλαίσια του FDA και EMA, καθώς και διαφορές που παρατηρούνται μεταξύ ΗΠΑ και Ευρώπης ως προς την αξιοποίηση της τεχνητής νοημοσύνης και των αντίστοιχων βάσεων δεδομένων φαρμακοεπαγρύπνησης. Παράλληλα, παρουσιάζονται τα βασικά πλεονεκτήματα της χρήσης τεχνητής νοημοσύνης, όπως η αυτοματοποίηση διαδικασιών, η ταχύτερη επεξεργασία μεγάλου όγκου δεδομένων και η βελτίωση της ακρίβειας στην ανίχνευση ανεπιθύμητων ενεργειών. Ωστόσο, αναδεικνύονται και σημαντικές προκλήσεις, όπως ζητήματα αξιοπιστίας, προστασίας προσωπικών δεδομένων και κανονιστικής συμμόρφωσης. Τέλος, μέσω μελετών περίπτωσης και ανάλυσης σύγχρονων τάσεων, αναδεικνύεται ο καθοριστικός ρόλος της τεχνητής νοημοσύνης στη διαμόρφωση του μέλλοντος της φαρμακοεπαγρύπνησης.","This thesis examines the use of Artificial Intelligence in pharmacovigilance in the United States and Europe, focusing on its applications, advantages, challenges and future perspectives. Pharmacovigilance is a crucial field of public health that involves the detection, assessment, understanding and prevention of adverse drug reactions and other drug related problems. The continuously increasing volume of healthcare and safety data has created the need for advanced technological solutions, such as Artificial Intelligence, to improve the efficiency, accuracy and speed of pharmacovigilance processes. The study presents the fundamental concepts of Artificial Intelligence, as well as key technologies such as Machine Learning and Natural Language Processing. Particular emphasis is placed on their applications in the collection, processing and analysis of drug safety data, aiming at the early detection of safety signals and the enhancement of decision-making procedures. Furthermore, the thesis examines the regulatory frameworks and guidelines established by the Food and Drug Administration (FDA) and the European Medicines Agency (EMA), highlighting the main differences between the United States and Europe regarding the implementation of AI technologies and the use of pharmacovigilance databases. In addition, the thesis discusses the major advantages of AI integration in pharmacovigilance, including process automation, faster analysis of large volumes of data, improved accuracy in identifying adverse drug reactions and more efficient risk management. At the same time, important challenges and analyzed such as data reliability, transparency of AI models, ethical concerns, data privacy and regulatory compliance issues. Finally, through the presentation of case studies and the analysis of current trends, the thesis demonstrates the growing importance of Artificial Intelligence in transforming pharmacovigilance practices. The findings suggest that AI technologies are expected to play a significant role in the future of drug safety monitoring, contributing to more proactive, efficient and patient-centered healthcare systems."],"dc:identifier":["uoadl:5425749","https://pergamos.lib.uoa.gr/uoa/dl/object/5425749"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Η χρήση της τεχνητής νοημοσύνης στη φαρμακοεπαγρύπνηση σε ΗΠΑ και Ευρώπη / The use of artificial intelligence in pharmacovigilance in USA and Europe"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:18Z"}