端到端人工智能支持的药房工作流程和应用 — 药房中的人工智能

收益：

能够在工作流程的每个阶段（从处方接受到患者咨询）就地和边界内集成人工智能
能够建立药房规模的提示库、验证协议和隐私政策
能够设计一种审核文化，保护患者安全、责任和对人工智能支持的生产的信任

以前的单位已经在个别任务中解决了人工智能问题（交互、咨询、处方控制、药物警戒、股票、文献、会计、特殊群体、立法、商业）。在最后一个单元中，我们将各个部分放在一起：您将了解如何在整个工作流程（从患者进入药房到退出）中以现场、有界和受控的方式集成 AI。目的是摆脱分散、随机的“偶尔使用人工智能”；目标是建立一个定义每个步骤的角色、验证和责任的系统。因为人工智能在药学中的价值不是体现在单独的提示中，而是体现在安全、可重复的顺序中。在本单元中，您将学习如何建立药房规模的提示库、验证协议和审核文化。

人工智能在端到端工作流程中的地位

让我们看看人工智能在典型的药房流程中发挥作用的地方以及停止的地方：

处方受理：人工智能预筛选（剂量、交互、重复）→药剂师评估。
临床评估：人工智能提供清单和提醒→决定由药剂师/医生决定。
准备/账目：AI起草账目→药剂师独立验证。
患者咨询：人工智能生成纯文本→药剂师监控和个性化。
药物警戒：人工智能起草通知→因果关系取决于专家。
库存/操作：AI分析并生成草稿→药剂师验证。

这个流程的每一步都有一个不变的原则：人工智能加速，人类确认。人工智能在任何安全关键步骤中都没有最终决定权。

这种整体观点使人工智能不再被视为孤立的“神奇解决方案”。如果药剂师只是偶尔在一个难题上使用人工智能，那么既不会形成习惯，也不会形成安全纪律；每次，失控的使用都会从头开始。然而，一旦绘制了流程，就可以提前清楚每个任务对人工智能的期望以及它应该在哪里停止。这种可预测性确保了两件事：效率（因为每个人都遵循相同的测试路径）和安全性（因为验证步骤嵌入在流程中，而不是后来记住的东西）。将人工智能嵌入到工作流程中，将其从玩具转变为基础设施。

提示：在将一项任务外包给人工智能之前，问这样一个问题：“如果这个输出是错误的并且我没有注意到，它会伤害病人吗？”如果答案是“是”，则该任务处于红色区域，并且肯定需要进行有效的验证。

三个组成部分：图书馆、协议、文化

人工智能的可持续利用基于三个组成部分：

提示库：针对常用任务的经过测试的标准提示。它防止每个药剂师从头开始编写提示；提供一致性。
验证协议：每种输出类型的“谁验证什么，使用哪个来源”规则。防止忘记验证。
审计文化：报告错误而不受惩罚、记录决策并持续改进的环境。

如果没有这三者，人工智能的使用仍然是依赖的、不受控制的和有风险的。

三个迷你箱子

案例 1 — 标准提示库。一家药房针对三个最常见的任务（患者脚本、交互预筛选、处方第二只眼）确定了三个经过测试的提示，并将它们收集在一个通用文件中。即使是新实习生也能获得相同质量的输出。在第一个月内，准备咨询文本的时间显着减少，并且文本变得一致。图书馆使质量独立于个人。

案例 2 — 验证协议。同一家药房为每种类型的输出编写了验证规则：剂量计算→独立重新计算+SPC；立法 → 正式文本；咨询 → SmPC + 药剂师批准。有一天，人工智能在剂量计算中的小数错误被按照协议进行的独立计算发现了。该协议在到达患者之前就阻止了错误。

案例 3 — 审核文化和记录。药房将人工智能检测到的每个错误记录在一个小日志中（用于学习目的，而不是惩罚）。三个月后，当他们审查记录时，他们发现最常见的错误是“立法过时”，并为此添加了一个特殊的确认步骤。这种文化从个人错误中获得了系统性的改进。

一步一步：在药房建立人工智能系统

创建任务清单。人工智能在哪些任务中使用/可以使用？
对每项任务进行分区。绿/黄/红；红色表示需要人工批准。
创建提示库。测试了每项任务的标准提示。
编写一个身份验证协议。定义每个输出的来源和责任。
制定隐私/KVKK 政策。哪些数据是匿名的，使用哪种工具？
记录并回顾。记录决策和错误，定期改进。

弱提示/强提示

弱者：“让我们在药房使用人工智能吧。”

Strong：“写下我们药房最常见的 5 项任务；为每项任务创建一个表格，其中包含风险区域（绿色/黄色/红色）、人工智能的作用、强制验证步骤和负责人。对于红色区域任务，添加注释‘合格药剂师/医生的批准是强制性的’。将其作为协议草案；表明它将由团队审查。”

强大的提示中，具体的输出（协议表）、限制和审核条件一目了然。

四个可复制模板

任务：任务区域身份验证协议表。任务：[...]。输出：|任务|风险区 |人工智能的作用|强制验证|责任|来源 |在红色任务中添加“需要授权批准”。

任务：提示借书证。任务名称：[...]。输出：标准提示文字+预期输出格式+验证步骤+频繁错误警告。保持简单且对团队可重复。

任务：隐私/KVKK 检查表（药房）。输出：哪种数据类型是匿名的、使用哪种工具、哪些数据从不共享、保留/删除规则。将其列为一项政策。

端到端责任表

舞台

人工智能

人类（有能力）

验证

处方预筛选

标记

药师评价

计算机/数据库

剂量/账户

草案

药剂师批准

独立账户

咨询

文字

药剂师个性化

库布/KT

药物警戒

草案

专家因果关系

官方格式

监管/报销

结构概要

药剂师确认

官方文本

股票/业务

分析草稿

药剂师的决定

真实数据

常见错误

让系统依赖于人。如果没有提示库和协议，质量就会波动。
使验证成为可选的。验证应该是工作流程中的强制性步骤。
模糊红色区域。应明确定义安全关键任务并将其分配给人员。
隐藏错误。惩罚文化掩盖了错误；学习文化强化了系统。
制定政策而不执行政策。保密和验证规则应该是一份活的文件。

总之

人工智能在药学中的真正价值不在于单独的提示，而在于安全且可重复的系统。端到端工作流程的每一步，原则都是一样的：人工智能加速，人类认可；人工智能在任何安全关键决策中都没有最终决定权。该系统由三个构建模块支撑：经过测试的提示库、每个输出的验证协议以及从错误中学习而不惩罚错误的审核文化。因此，人工智能；它通过保护患者安全、职业责任和信任为药房做出真正的贡献。

应用任务

为您自己的药房（或假设的药房）设置一个人工智能系统的小草图。列出 5 个最常见的任务，对每个任务进行分区，并填写任务区域验证表。为至少两项任务写一张提示借书卡。创建隐私/KVKK 检查表和错误/学习日志模板。最后，计划团队将如何审查该系统（例如每月）。

清单

[ ]我把任务清单拿出来了。
[ ] 我将每个任务划分为绿色/黄色/红色。
[ ] 我创建了提示借书卡。
[ ] 我定义了验证协议并负责每个输出。
[ ] 我已逐项列出隐私/KVKK 政策。
[ ] 我设置了决策和错误记录模板。
[ ] 我制定了定期复习计划。

模块考试

1. 药剂师希望利用人工智能快速检查新开始使用的抗生素对服用华法林的患者的相互作用。哪种做法才是最正确的呢？

A) 利用人工智能进行预筛选；确认与当前SmPC/数据库的交互，并在有能力的药剂师的监督下与医生协调做出决定✔
B) 将人工智能给出的交互解释直接传输给患者并改变剂量
C) 如果人工智能表明没有相互作用，则无需进行任何其他检查即可给予药物。
D）跳过咨询医生并加快进程

描述：药物相互作用和出血风险是一个安全关键问题。可利用人工智能进行预筛选和提醒；然而，临床意义和决定必须由主管药剂师做出，并确认当前的 SmPC/相互作用数据库，并在必要时与医生一起确认。 AI 输出并不能取代此批准。

2. 当您向人工智能询问某种药物的儿科剂量时，避免得到错误（幻觉）值的最安全方法是什么？

A）信任并准备人工智能给出的剂量
B) 从当前的 SmPC/CT 和儿科剂量指南中确认剂量并独立重新计算 mg/kg ✔
C）用不同的词问同一个问题并取平均值
D) 基于患者论坛上的评论

解释：语言模型可能会错误地记住剂量信息、给出不同指示的值或混淆单位。儿童剂量必须根据当前的 SmPC/CT、制造商信息和儿童剂量指南来确认；必须独立重新进行计算。

3. 您用人工智能编写了一份药物使用文本，用于患者咨询。在将文字交给患者之前最好的态度是什么？

A) 将文本的打印输出提供给患者而根本不阅读
B）相信文本是流畅的，而不检查准确性
C) 考虑到患者的具体情况，与当前的 SmPC/CT 确认每项医疗索赔，并在药剂师批准的情况下给予✔
D) 在没有询问患者的情况下，根据自己的猜测更改文本中的剂量

描述：人工智能可以产生清晰的轮廓，但它可能包含不正确的操作说明、缺少警告或过时的信息。每项医疗声明都必须通过当前的 SmPC/CT 进行确认，必须考虑患者的具体情况（过敏、怀孕、其他药物），并且文本必须得到药剂师的批准。

4. 您已准备好一份草稿，通过人工智能发送给 TÜFAM，以进行不良反应（副作用）通知。因果关系（药物与效果的关系）最准确的方法是什么？

A) 接受并报告人工智能做出的因果关系判断是确定的
B) 如果因果关系不明确，则根本不进行通知
C) 按照草稿中的原样写入患者身份信息并发送
D) 通过专家评审确定因果关系，并按照保密和官方格式完成草案✔

说明：因果关系的评估需要临床判断；时间关系、替代原因和文献一起评估。人工智能可以制作草稿和清单，但因果关系的决定是由专家判断做出的，通知是按照官方格式和保密性完成的。

5. 您对人工智能的临床问题进行了文献检索，并为您提供了一些带有 DOI 的文章。哪种行为才是最正确的？

A) 将引用添加到源列表而不打开它们
B) 依赖其 DOI 外观的引用
C) 使用原始来源/数据库中的 DOI 打开每个参考文献，并验证内容是否支持声明 ✔
D) 只看标题就接受文章

描述：语言模型可以发明看起来真实但并不存在的文章、作者和 DOI。每个参考文献必须通过原始来源或公认的数据库使用 DOI 进行打开和验证；应阅读该内容，看看内容是否确实支持该主张。

6. 当向基于云的人工智能工具开出包含患者姓名、TR ID 号和诊断结果的处方时，在隐私 (KVKK) 方面的最佳行为是什么？

A) 对上下文进行匿名化、去识别化并使用在训练中不使用数据的符合政策的工具 ✔
B) 按原样上传处方以及身份信息
C) 在不阅读隐私政策的情况下使用免费工具
D) 假设 TR ID 号对于结果质量是必要的

描述：健康数据是特殊的个人数据，需要高度保护。上下文应该匿名，凭证应该被清除，并且应该选择符合政策/合同的工具，以确保数据不会用于教育。

7. 对于法官的表述，人工智能进行了稀释计算。在让患者做好准备之前最关键的步骤是什么？

A) 依赖帐户的书写是否正确
B）认为结果是正确的，因为人工智能做到了
C) 将结果按原样写在标签上
D) 通过单元分析读取计算结果并独立重新计算并逻辑检查结果✔

描述：AI 可能会混淆单位（mg 到 mL、% 到 mg/mL）、移动小数或设置错误的比率。必须通过记账单位分析读取并通过手动/验证方法独立重建；结果必须受到逻辑控制。

8.您向人工智能询问某种药物的SSI报销（SUT）条件和报告要求，它给出了明确的答案。在应用这些知识之前你应该做什么？

A）直接申请，因为人工智能给出了明确的答案
B) 从当前 SUT 的当前文本和官方规定中确认条件 ✔
C）按照同事记得的旧规则操作
D) 不检查报告要求，因为人工智能知道这一点

说明：退款和报告条件经常更新，AI 可能会返回过时或不同时期的规则。该条件必须根据适用的 SUT 和官方法规的当前文本进行确认；否则，就会产生财务和法律风险。

9. 人工智能在药学中的以下哪项作用应被归类为安全关键？

A) 为药房博客准备一般健康文章草稿
B) 根据患者肾功能衰竭情况确定药物剂量✔
C) 为员工会议撰写议程说明
D) 为货架布局创建标签文本

描述：剂量确定、治疗修改和基于相互作用的临床决策直接影响患者安全，并且是安全关键；这些决定需要主管药剂师/医生的批准。货架标签、博客起草或会议备忘录是低风险的管理任务。

10.您用人工智能预先筛选了某种药物是否可以用于怀孕患者。哪种做法才是最正确的呢？

A）基于人工智能说“安全”来给药
B) 忽略怀孕信息，因为它是一般性的
C）根据互联网上的随机站点做出决定
D) 与当前 SmPC/安全来源确认预筛选，与医生合作做出决定，并在不确定时转介给医生 ✔

说明：怀孕是高危人群，信息更新很快。人工智能有助于预筛选和生成问题；然而，应与当前的 SmPC/CT、妊娠安全资源和医生合作做出决定，如果不确定，应转介医生。

11. 对于处方上人工智能检测到的“可能服用过量”警告，最正确的态度是什么？

A) 忽略警告并按原样服用处方
B) 依赖警告并自行减少剂量而不询问医生
C) 假设警告属实并完全拒绝给药
D) 与SmPC/guide确认警告并与医生解决真正的问题，如果不需要，记录原因✔

描述：AI 警报可能会出现误报（不必要的警报）或误报（漏报）。每个警告都必须得到 SmPC 的确认和指导；如果确实存在问题，应联系医生解决；不需要的，应当记录并说明理由。

12. 人工智能产生的需求预测和订单推荐在库存和到期管理中最合适的用途是什么？

A) 用真实库存、有效期和冷链规则验证建议，并根据药剂师的决定应用✔
B) 自动批准订单建议，无需检查
C）不依赖预测并手动检查术语状态
D) 根据预测需要冷链的产品无限量备货

描述：人工智能可以从历史数据中提取模式并生成建议草案；但实际库存、季节性疫情、供应问题、过期情况都需要人为控制。该建议通过真实库存数据和冷链/有效期规则进行验证，并由药剂师的决定实施。

13. 在向患者分发人工智能编写的合理用药（RUD）手册之前，最适当的行动是什么？

A) 不受控制地分发小册子以使其更快
B) 与现行指南/SmPC确认内容并经药剂师批准后分发✔
C）不只是看视觉设计和阅读内容
D) 在手册中添加处方药的剂量建议并禁用医生

说明：宣传册是健康传播产品；不正确或不完整的信息会使患者面临风险。内容应与现行指南和SmPC确认，遵守可读性，经主管药师批准后分发。

14.人工智能支持的药房应该建立什么样的基本结构来保护质量和患者安全？

A）每个员工都以自己的方式使用无监督的人工智能
B) 将输出直接传输给患者而不保存任何信息
C) 建立通用提示库、验证协议和隐私/KVKK 政策，并在获得主管批准的情况下关闭安全关键输出 ✔
D) 每月仅进行一次批量验证

描述：人工智能的分布式和不受控制的使用放大了剂量、隐私和监管错误的风险。建立通用的药房规模提示库、每种输出类型的验证协议以及明确的隐私/KVKK 政策；必须在获得主管批准的情况下关闭每一个安全关键输出。