Läkemedelsbiverkningar är vanliga och orsakar lidande, död och stora kostnader i Sverige och internationellt. Särskilt stora problem finns bland multisjuka äldre som ofta har ett stort antal läkemedel samtidigt. Det finns kunskapsluckor när det gäller läkemedelsbiverkningar och läkemedelsrelaterade problem. Att kunna följa upp och övervaka biverkningar på populationsnivå är viktigt men svårt. Ibland registreras misstänka biverkningar i strukturerad form, eller rapporteras till Läkemedelsverket, men långt ifrån alltid. För att kunna identifiera och övervaka potentiella biverkningar i stora populationer behövs metoder för att använda informationen som finns i ostrukturerad data (text). Genom vårt forskningsprojekt vill vi undersöka hur språkmodeller, som använder olika former av artificiell intelligens, kan användas att identifiera misstänkta biverkningar i den kliniska texten ifrån journalsystem och vilka modeller och tillvägagångssätt som är lämpliga att använda. Ett slutligt mål med projektet är att ta fram en metod för att kunna identifiera och extrahera biverkningar från fritext till ett strukturerat format som lämpar sig att använda i maskininlärningsmodeller tillsammans med annan  strukturerad data. I föreläsningen presenteras kort om forskningsläget internationellt, våra planer, vilka utmnaingar som finns samt preliminära resultat. Forskningsprojektet genomförs i en tvärvetenskaplig grupp med kompetens inom såväl farmakologi, läkemedelsepidemiologi, datavetenskap och språkmodeller.