Umjetna inteligencija u interakcijama s lijekovima i kontroli doze — Umjetna inteligencija u farmaciji

Dobici:

Sposobnost procjene kvaliteta dokaza i ograničenja rezultata pri prethodnom skriningu interakcija lijek-lijek, lijek-hrana i lijek-bolest s umjetnom inteligencijom
Sposobnost unakrsne provjere izlaza umjetne inteligencije s neovisnim proračunom i SmPC-om u izračunima doze, jedinice i učestalosti primjene
Sposobnost da se shvati da konačna odgovornost za interakciju i odluke o doziranju leži na kompetentnom farmaceutu i da se klinički značaj mora procijeniti u kontekstu pacijenta.

U srcu farmacije su dva pitanja: "Jesu li ovi lijekovi bezbedni zajedno?" i „Da li je ova doza ispravna za ovog pacijenta?“ Ova dva pitanja se postavljaju stotine puta svaki dan, a svako direktno dotiče sigurnost pacijenata. Umjetna inteligencija može ubrzati preliminarnu analizu ovih pitanja; On stavlja moguće interakcije ispred vas na listu, podsjeća vas na logiku doziranja i ukazuje na točku koju ste zaboravili. Ali razlika između "moguće interakcije" i "klinički značajne interakcije za ovog pacijenta" je suština vaše profesije i tu razliku činite vi, a ne AI. U ovoj cjelini naučit ćete kako umjetnu inteligenciju učiniti sigurnim alatom za pre-skrining za interakciju i kontrolu doze.

Tri vrste interakcija lijekova

Interakcija je kada jedna supstanca promeni dejstvo druge supstance. Postoje tri glavne vrste:

Interakcija lijek-lijek: dva lijeka povećavaju ili smanjuju učinak jedan drugog. Primjer: Istovremena primjena varfarina (razrjeđivača krvi) i nekih antibiotika može povećati rizik od krvarenja.
Interakcija lijeka i hranjivih tvari: Hrana mijenja apsorpciju ili metabolizam lijeka. Primjer: sok od grejpfruta može povećati nivoe nekih lijekova u krvi.
Interakcija lijeka i bolesti: lijek može pogoršati postojeću bolest pacijenta. Primjer: neki lijekovi protiv bolova mogu biti štetni kod zatajenja srca ili bolesti bubrega.

AI može pregledati sva tri tipa, ali posao je farmaceuta da procijeni kliničku relevantnost svakog upozorenja (da li zaista zahtijeva intervenciju) u kontekstu pacijenta.

Oprez: Čak i baze podataka interakcija razlikuju "teorijsku" i "klinički značajnu" interakciju. AI može navesti oba sa jednakom ozbiljnošću. Odmjerite svako upozorenje u odnosu na trenutni izvor kako biste izbjegli zamor od upozorenja (previše upozorenja i nedostaje ono pravo).

Gdje umjetna inteligencija pomaže u kontroli doze

Kontrola doze se sastoji od tri koraka: poznavanja tačne doze, prilagođavanja je pacijentu i ispravnog izračunavanja. umjetna inteligencija:

Podsjeća: "Da li ovaj lijek zahtijeva prilagođavanje doze kod zatajenja bubrega?" Pruža odgovore na pitanja kao što je preliminarni skrining.
Nacrti proračuna: Brzo daje rutinske proračune kao što su izračunavanje mg/kg, konverzija u ml, učestalost primjene.
Generira kontrolnu listu: Navodi stvari koje treba tražiti prije potvrđivanja doze.

Ali u sva tri koraka, posljednja riječ je u SmPC-u (Sažeti podaci o proizvodu; službeno odobreni informativni tekst lijeka) i nezavisnom računu. AI može pogrešno zapamtiti dozu, zbuniti jedinice (mg sa mcg) ili dati dozu za drugu indikaciju.

tri mini kofera

Slučaj 1 — Varfarin i antibiotici. Liječnik je pacijentu starom 72 godine prepisao novi antibiotik koji je koristio varfarin. Umjetna inteligencija upozorila je na "povećan rizik od krvarenja, preporučuje se pažljivo praćenje INR-a" u prethodnom skriningu. Farmaceut je potvrdio ovo upozorenje trenutnom bazom podataka o interakcijama i sažetkom opisa proizvoda, obavijestio ljekara i podsjetio pacijenta na kontrolni datum INR (test zgrušavanja krvi). AI je ovdje postala sigurnosna mreža; Odluka je donesena uz koordinaciju farmaceuta i ljekara.

Slučaj 2 — Pedijatrijska doza. Sirup je propisan za dijete od 4 godine, težine 16 kg. Doza 15 mg/kg/dan u 2 doze dnevno. AI je izračunao "16 × 15 = 240 mg/dan, 120 mg po dozi." Farmaceut je nezavisno provjerio proračun, dobio koncentraciju sirupa (npr. 250 mg/5 mL) iz sažetka opisa proizvoda i izračunao je kao 2,4 mL po dozi. AI nije mogao dati mL jer nije znao koncentraciju; Farmaceut je sam obavio ovaj korak.

Slučaj 3 — Funkcija bubrega. Pacijentu s procijenjenim klirensom kreatinina od 25 mL/min prepisan je lijek koji se obično daje u punoj dozi. Umjetna inteligencija je rekla: "Ovaj lijek može zahtijevati prilagođavanje doze kod zatajenja bubrega, potvrđeno iz sažetka opisa proizvoda." Farmaceut je u sažetku opisa proizvoda vidio da dozu treba prepoloviti ako je klirens ispod 30 mL/min i kontaktirao je liječnika. Vještačka inteligencija je pokucala na prava vrata, ali je SPC dao tačnu stopu.

Korak po korak interakcija i kontrola doze

Postavite anonimni kontekst. Pripremite starost pacijenta, težinu, status bubrega/jetre i kompletnu listu lijekova (bez identifikacije).
Zatražite prethodni pregled. Zamolite AI da navede rizike interakcije i doziranja.
Filter za klinički značaj. Odmjerite svako upozorenje u odnosu na trenutnu bazu podataka/SmPC; Da li je teoretski ili smisleno?
Izračunajte samostalno. Ponovo riješite proračun doze pomoću jedinične analize.
Posavjetujte se s ljekarom ako je potrebno. Ako ste u nedoumici, kontaktirajte nas; Zabilježite odluku i obrazloženje.

Slaba prompt / Jaka prompt

Slabo: “Da li ovi lijekovi međusobno djeluju?”

Snažan: "Navedite moguće interakcije lijek-lijek i lijek-bolest kao prethodni skrining za pacijenta koristeći sljedeću listu lijekova. Pacijent: 68 godina, srčana insuficijencija, klirens kreatinina ~35 mL/min. Lijekovi: [lista]. Za svaku interakciju, napišite mehanizam, vjerojatni klinički ishod i zabilježite 'Samo donošenje odluke o SmPC/podacima'; spisak C za provjeru."

U moćnoj brzini, kontekst pacijenta, lista lijekova i ograničenja su jasni; Rezultat nije odluka, već kontrolna lista za provjeru.

Četiri šablona za kopiranje

Zadatak: Prethodni skrining interakcije (NE ODLUKA). Pacijent (anonimno): starost [...], težina [...], bubrezi/jetra [...], dijagnoza [...].Lista lijekova: [...].Izlaz: | Par droga | Mehanizam | Mogući ishod | Prioritet (visoki/srednji/niski) | Izvor potvrde |Napomena: Dodajte "Potrebna je potvrda SPC/baze podataka" u svaki red.

Zadatak: Izraditi kontrolnu listu doziranja. Lijek: [...], indikacija: [...], starost/težina/funkcija pacijenta: [...].Razvrsta: 1) Da li je poznat standardni raspon doziranja? 2) Da li je potrebno prilagođavanje bubrega/jetre? 3) Maksimalni rizik od predoziranja? 4) Učestalost/trajanje primjene? Za svaku stavku napišite "potvrdi iz SmPC-a". Nemojte davati tačan broj, oduzmite tačku koju treba provjeriti.

Zadatak: prikazati izračunavanje doze mg/kg KORAK PO KORAK i napisati analizu jedinice. Ulaz: težina [...] kg, doza [...] mg/kg/dan, broj doza [...]/dan, koncentracija proizvoda [...] mg/mL. Izlaz: mg dnevno, mg po dozi, mL po dozi. Pokažite jedinicu na svakom koraku. Upozorenje: Farmaceut mora samostalno provjeriti ovu kalkulaciju.

Tablica opreza za kontrolu doziranja prema vrsti lijeka

Status

Uloga vještačke inteligencije

Obavezna verifikacija

Standardna doza za odrasle

Podsjetnik/kontrolna lista

SPC raspon doza

Zatajenje bubrega/jetre

Signalizirajući da su potrebna podešavanja

Tačna stopa + izračun odobrenja iz SmPC-a

Pedijatrijski (mg/kg)

nacrt računa

Samostalni račun + koncentracija

Lijek sa uskim terapijskim indeksom (npr. varfarin, digoksin)

Isticanje upozorenja

SmPC + parametar praćenja + ljekar

Uobičajene greške

Svako upozorenje shvatite podjednako ozbiljno. Teorijsku i klinički značajnu interakciju treba razdvojiti.
Uklanjanje fokusa sa veštačke inteligencije. Koncentracija proizvoda se uvijek uzima iz SmPC/oznake.
Preskakanje jedinice konfuzije. Jedinice kao što su mg/mcg, mg/mL, % treba pojasniti u proračunu.
Opuštanje uz lijekove uskog terapijskog indeksa. Kod ovih lijekova mala greška je veliki rizik; potrebno je praćenje.
Odlaganje konsultacija sa lekarom. Komunikacija se ne smije odlagati u vezi sa smislenim pitanjem interakcije/doze.

Ukratko

Umjetna inteligencija je moćan alat za pred-skrining i podsjetnik u interakciji i kontroli doze; Otkriva moguće rizike i ubrzava rutinu. No, dužnost farmaceuta je da napravi razliku između "vjerovatnog" i "značajnog za ovog pacijenta", da dobije koncentraciju i tačan omjer iz sažetka opisa proizvoda, da neovisno provjeri izračun i da se posavjetuje s liječnikom u slučaju sumnje. Odluka i odgovornost ostaje na nadležnom farmaceutu.

Zadatak aplikacije

Napravite anonimni profil pacijenta (dob, težina, funkcija bubrega, 4-5 lijekova). Zatražite od AI prethodnu analizu interakcije i kontrolnu listu doziranja. Uporedite svako upozorenje u izlazu sa trenutnim izvorom interakcije i SmPC; Navedite koje je upozorenje klinički značajno, a koje teorijsko. Izračunajte dozu nezavisno i uporedite je sa AI rezultatom i zabilježite razliku.

kontrolna lista

[ ] Pacijentu sam dao kontekst anonimno i potpuno.
[ ] Filtrirao sam preliminarni skrining interakcija za klinički značaj.
[ ] Potvrđivao sam svako upozorenje sa trenutnom bazom podataka/SmPC.
[ ] Proračun doze sam provjerio nezavisnom i jediničnom analizom.
[ ] Dobio sam koncentraciju/tačan odnos iz SPC.
[ ] Bio sam dodatno oprezan kod lijekova sa uskim terapijskim indeksom.
[ ] Kada sam bio u nedoumici, konsultovao sam doktora i zabeležio odluku.