Kontrola recepta, verifikacija i snimanje grešaka

Dobici:

• Mogućnost prethodnog skeniranja rizika doziranja, indikacije, dupliciranja i interakcije u receptu s umjetnom inteligencijom i označavanja sumnjivih artikala
• Sposobnost upravljanja rizikom od lažnih pozitivnih/negativnih rezultata potvrđivanjem svakog upozorenja koje je uhvatila umjetna inteligencija sa sažetkom opisa proizvoda, vodičem i liječnikom
• Odobrenje recepta je odgovornost nadležnog farmaceuta, a u slučaju sumnje, mogućnost primjene lanca konsultacija s liječnikom.

Recept je most koji prenosi odluku ljekara u ljekarničku ordinaciju; Ali farmaceut provjerava svaku ploču ovog mosta posebno. Pogrešna doza, ponavljano uzimanje lijekova, zanemarena interakcija, indikacija koja ne odgovara pacijentu; Sve ovo je obuhvaćeno provjerom recepta. Ovaj zadatak se ponavlja desetine puta na sat u užurbanoj apoteci, a zamor pažnje je pravi rizik. Umjetna inteligencija je ovdje vrijedna kao drugo oko: označava sumnjive stavke, ističe rizik koji se može previdjeti, podsjeća vas na kontrolnu listu. Ali AI može proizvesti lažno pozitivan (nepotreban alarm) ili lažno negativan (promašaj); pa svako njegovo upozorenje mora biti i potvrđeno. U ovoj jedinici naučit ćete kako umjetnu inteligenciju učiniti sigurnim drugim okom u kontroli recepta.

Dimenzije kontrole na recept

Dobra provjera recepta postavlja ova pitanja:

• Da li je to pravi lek? Da li je indikacija (razlog upotrebe) prikladna za pacijenta? Postoji li zabuna zbog sličnosti imena (npr. dva slična imena lijeka)?
• Da li je to prava doza? Da li je doza odgovarajuća prema dobi, težini, funkciji bubrega/jetre? Da li je maksimalna doza premašena?
• Ima li dupliranja? Da li su dva proizvoda koja sadrže isti aktivni sastojak propisana zajedno?
• Postoji li interakcija? Interakcija s propisanim lijekovima ili drugim lijekovima koje pacijent uzima?
• Postoje li kontraindikacije? Da li je lijek štetan zbog stanja pacijenta (trudnoća, alergija, bolest)?
• Da li su trajanje i količina konzistentni? Da li je broj napisanih kutija kompatibilan s dozom i trajanjem?

AI može unaprijed pregledati svaku od ovih dimenzija; Ali svaki nalaz se potvrđuje sa sažetkom opisa proizvoda, vodičem i, po potrebi, liječnikom.

Među tim dimenzijama, najpodmuklija je konfuzija uzrokovana sličnošću imena (LASA u međunarodnoj literaturi: lijekovi sličnog pisanja ili izgovora). Dva različita aktivna sastojka koja liče jedan na drugoga samo po nekoliko slova mogu se zbuniti rukopisom ili brzim odabirom, a takva greška dovodi do potpuno drugačijeg tretmana. AI vas može podsjetiti da li naziv lijeka na receptu ima poznati "par koji se može miješati"; Ali odluka o tome koja se zapravo misli donosi pacijentova dijagnoza i pojašnjenje s liječnikom kada je to potrebno. Upozorenje umjetne inteligencije da "može biti pomiješano s tim lijekom" je početak, a ne kraj.

Oprez: AI može pogrešno dešifrirati skraćenicu u receptu ili izračunati dozu iz drugog obrasca. Samo zato što kaže "nema problema" ne dokazuje da je recept tačan; On samo daje znak na osnovu onoga što vidi.

Lažno pozitivno i lažno negativno

Postoje dvije vrste grešaka u kontroli recepata. Lažno pozitivan je podizanje uzbune kada zapravo nema problema; Ako se to dešava prečesto, to stvara "zamor od alarma" i prava upozorenja se zanemaruju. Lažno negativnom nedostaje pravi problem; Ovo je opasnije jer prolazi nečujno. AI može proizvesti oboje. Zato ne možete učiniti AI jedinim kontrolnim slojem; dopuna je kontroli farmaceuta, a ne zamjena.

tri mini kofera

Slučaj 1 — Duplikat aktivnog sastojka. Jedan recept je sadržavao lijek protiv bolova koji je sadržavao isti aktivni sastojak pod dva različita trgovačka imena; Ako bi pacijent uzimao oba zajedno, doza bi se udvostručila. Umjetna inteligencija je u prethodnom pregledu označila "mogući duplikat aktivnog sastojka". Farmaceut je provjerio sadržaj dva proizvoda na sažetku opisa proizvoda, potvrdio dupliranje i poništio jedan od njih u konsultaciji s ljekarom. Umjetna inteligencija je istakla rizik koji se mogao previdjeti.

Slučaj 2 — Lažno pozitivna interakcija. AI je upozorio na "ozbiljnu interakciju" u jednom receptu. Kada je farmaceut pogledao trenutnu bazu podataka interakcija, vidio je da je to teoretski i klinički beznačajna interakcija; Doza i praćenje pacijenta su već bili sigurni. Farmaceut je zabilježio upozorenje kao "procijenjeno, nije potrebna intervencija". Kada bi se umjetna inteligencija slijepo pratila, došlo bi do nepotrebne potrage za doktorom i anksioznosti pacijenata.

Slučaj 3 — Neslaganje doze i trajanja. U sirupu koji je propisan za dijete data je dnevna doza i trajanje liječenja, ali broj prepisanih bočica nije bio dovoljan za završetak liječenja. Vještačka inteligencija je upozorila da "iznos možda neće pokriti period lečenja". Farmaceut je verifikovao račun, potvrdio nedostatak i ispravio količinu sa lekarom. Umjetna inteligencija je uhvatila aritmetičku neusklađenost.

Korak po korak kontrola recepta (podržana umjetna inteligencija)

1. Anonimiziraj. Čisti ID pacijenta; a kamoli klinički kontekst.
2. Uradite svoju provjeru. Kao farmaceut, prvo procjenjujete recept.
3. Zatraži drugo oko. Zatražite AI pre-skrining za dozu, dupliciranje, interakciju i konzistentnost.
4. Filtriraj upozorenja. Odmjerite svako upozorenje u odnosu na SmPC/bazu podataka; Uklonite lažne pozitivne rezultate.
5. Ako ste u stvarnom riziku, obratite se svom ljekaru. Rešite potvrđeni problem sa lekarom.
6. Zabilježite odluku i obrazloženje. Učinite sljedivim i snimljena i eliminirana upozorenja.

Slaba prompt / Jaka prompt

Slabo: "Da li je ovaj recept tačan?"

Snažan: "Prethodno pregledajte sljedeći recept kao drugo oko farmaceuta. Pacijent (anonimno): 70 godina, klirens kreatinina ~30 mL/min, poznata alergija [...]. Recept: [lijek/doza/spisak trajanja]. Označite sumnjive stavke pod sljedećim naslovima: primjerenost doze, duplikat interakcije - aktivna količina, konzistentna količina. 'Potvrdite sa SmPC/bazom podataka 'et' i dajte odluku o nivou važnosti (visok/srednji/nizak)."

Kontekst pacijenta, kontrolni naslovi i uvjeti verifikacije su jasni u snažnom odzivniku.

Četiri šablona za kopiranje

Zadatak: Pre-skrining na recept (DRUGO OKO, a ne odluka). Pacijent (anonimno): godine [...], funkcija [...], alergija [...], drugi lijekovi [...].Recept: [lijek | doza | učestalost doze | trajanje | količina].Izlaz: | Pen | Tip sumnje | Opis | Važnost | Izvor potvrde |Dodajte "SmPC/potrebna potvrda smjernica" u svaki red.

Zadatak: Provjera duplikata aktivnog sastojka. Lista lijekova (trgovački nazivi): [...]. Izlaz: Označiti duplikate koji mogu sadržavati isti aktivni sastojak; dodati napomenu "sadržaj mora biti verificiran od SmPC-a". Ako niste sigurni, napišite [NESIGURNO].

Zadatak: Provjera konzistentnosti doza-količina-trajanje. Unos: doza [...], učestalost [...], trajanje [...] dana, količina na recept [...].Izračunajte: ukupne potrebne jedinice itd. količina recepta. Označite sva odstupanja. Prikažite izračun korak po korak; Farmaceut će samostalno provjeriti.

Zadatak: Kontrolna lista kontraindikacija. Stanja pacijenta: [trudnoća/alergija/bolest]. Droga: [...].Ishod: Za svaku drogu "može li ovo biti u sukobu sa situacijom?" Označite pitanje; ne donosite konačnu presudu, napišite "potvrdi u odjeljku o kontraindikacijama u sažetku opisa proizvoda".

Tablica kontrolnih slojeva receptura

sloj

Ko/šta radi

Svrha

1. Farmaceut prvo čitanje

Farmaceut

Klinička logika i integritet

2. Prethodno ispitivanje veštačke inteligencije

umjetna inteligencija

Označite šta ste propustili

3. Potvrda izvora

Farmaceut + SPC/baza podataka

dokaz tačnosti

4. Komunikacija ljekara

Farmaceut ↔ Liječnik

Rješavanje pravog problema

5. Registracija

Farmaceut

sljedivost

Uobičajene greške

• Opuštajući se jer je umjetna inteligencija rekla 'nema problema'. Postoji rizik od lažnih negativnih rezultata; Kontrola farmaceuta je neophodna.
• Slijepo poslušanje svakog upozorenja. Lažno pozitivne rezultate treba eliminisati i spriječiti nepotrebne pretrage ljekara.
• Dekodiranje skraćenica umjetnom inteligencijom. Ako su skraćenice na receptu nejasne, treba pitati ljekara.
• Preskakanje izračuna količine-trajanja. Jednostavne aritmetičke nedosljednosti ometaju pridržavanje pacijenata.
• Odluka se ne snima. Eliminisana i snimljena upozorenja moraju biti sljediva.

Ukratko

Umjetna inteligencija je dragocjeno drugo oko u kontroli recepata; On uspostavlja zaštitnu mrežu protiv zamora pažnje označavajući rizike doziranja, dupliciranja, interakcije i konzistentnosti. Ali to ne može biti jedini kontrolni sloj jer može proizvesti i lažno pozitivne i lažno negativne. Farmaceut prvo vrši vlastitu procjenu, filtrira upozorenja umjetne inteligencije sa sažetkom opisa proizvoda i bazom podataka, rješava stvarni problem s liječnikom i bilježi odluku. Odgovornost za odobrenje recepta uvijek je na nadležnom farmaceutu.

Zadatak aplikacije

Postavite anonimni scenario prepisivanja (kontekst pacijenta + 4-5 stavki, uključujući namjerno umnožavanje i neslaganje doze i vremena). Zamolite AI za prethodno skeniranje drugog oka. Navedite probleme koje hvata i propušta; Prikažite sa SmPC/bazom podataka koja od upozorenja koje proizvodi su lažno pozitivna. Na kraju, zapišite liječničku komunikaciju koju ćete koristiti za rješavanje stvarnih zahvaćenih problema i način na koji ćete ih zabilježiti.

kontrolna lista

• [ ] Ja sam prvo sam procijenio recept.
• [ ] Pacijentu sam dao kontekst anonimno i potpuno.
• [ ] Primio sam strukturirano prethodno skeniranje od AI.
• [ ] Potvrdio sam svako upozorenje sa SmPC/bazom podataka.
• [ ] Eliminisao sam lažne pozitivne rezultate sa opravdanjem.
• [ ] Rešio sam pravi problem sa doktorom.
• [ ] Snimio sam upozorenja koja su uhvaćena i eliminisana.