Opskriftskontrol, verifikation og fejlregistrering

Gevinster:

• Evne til at præscanne dosering, indikation, duplikering og interaktionsrisici i recepten med kunstig intelligens og markere mistænkelige genstande
• Evne til at styre risikoen for falske positive/negative ved at bekræfte hver advarsel opfanget af kunstig intelligens med produktresuméet, guiden og lægen
• Receptgodkendelse er den kompetente farmaceuts ansvar og i tvivlstilfælde evnen til at anvende konsultationskæden til lægen.

Recepten er den bro, der overfører lægens beslutning til apotekets praksis; Men farmaceuten tjekker hvert bord på denne bro separat. Forkert dosis, gentagen medicinering, en overset interaktion, en indikation der ikke passer patienten; Alt dette er fanget i receptkontrollen. Denne opgave gentages dusinvis af gange i timen på et travlt apotek, og opmærksomhedstræthed er en reel risiko. Kunstig intelligens er værdifuld her som et andet øje: den markerer mistænkelige genstande, fremhæver en risiko, der kan blive overset, minder dig om tjeklisten. Men AI kan producere en falsk positiv (unødvendig alarm) eller falsk negativ (miss); så enhver advarsel fra ham skal også verificeres. I denne enhed lærer du, hvordan du gør kunstig intelligens til et sikkert andet øje i receptkontrol.

Dimensioner af receptkontrol

Et godt recepttjek stiller disse spørgsmål:

• Er det den rigtige medicin? Er indikationen (årsagen til brug) passende for patienten? Er der forvirring på grund af lighed mellem navne (f.eks. to lignende lægemiddelnavne)?
• Er det den rigtige dosis? Er dosis passende i forhold til alder, vægt, nyre-/leverfunktion? Er den maksimale dosis overskredet?
• Er der nogen overlapning? Er to produkter, der indeholder den samme aktive ingrediens, ordineret sammen?
• Er der interaktion? Interaktion med ordineret medicin eller andre, patienten tager?
• Er der nogen kontraindikationer? Er medicinen skadelig på grund af en patients tilstand (graviditet, allergi, sygdom)?
• Er varigheden og beløbet konsekvente? Er antallet af kasser skrevet foreneligt med dosis og varighed?

AI kan forhåndsscreene hver af disse dimensioner; Men hvert fund bekræftes af produktresuméet, vejledningen og, når det er nødvendigt, lægen.

Blandt disse dimensioner er den mest lumske forvirringen forårsaget af ligheden mellem navne (LASA i international litteratur: stoffer med lignende stavemåde eller udtale). To forskellige aktive ingredienser, der kun ligner hinanden med få bogstaver, kan forveksles på grund af håndskrift eller hurtig udvælgelse, og en sådan fejl fører til en helt anden behandling. AI kan minde dig om, om lægemiddelnavnet på en recept har et kendt "blandbart par"; Men beslutningen om, hvilken der egentlig menes, træffes af patientens diagnose og afklaring med lægen, når det er nødvendigt. Den kunstige intelligenss advarsel om, at "det kan være blandet med den medicin" er en begyndelse, ikke en slutning.

Forsigtig: AI kan forkert dechifrere en forkortelse i recepten eller beregne en dosis fra en anden form. Bare fordi han siger "intet problem", beviser det ikke, at recepten er korrekt; Han giver kun et tegn baseret på, hvad han ser.

Falsk positiv og falsk negativ

Der er to typer fejl i receptkontrollen. En falsk positiv er at slå alarm, når der faktisk ikke er noget problem; Sker det for ofte, skaber det "alarmtræthed", og rigtige advarsler ignoreres. En falsk negativ mangler et reelt problem; Dette er mere farligt, fordi det passerer lydløst. AI kan producere begge dele. Det er derfor, du ikke kan gøre AI til det eneste kontrollag; det er et supplement til farmaceutens kontrol, ikke en erstatning.

tre minisager

Tilfælde 1 — Duplikat af aktiv ingrediens. En recept indeholdt et smertestillende middel indeholdende det samme aktive stof under to forskellige handelsnavne; Hvis patienten tog begge sammen, ville dosis blive fordoblet. Kunstig intelligens markerede "mulig duplikat af aktiv ingrediens" i præ-screeningen. Apoteket verificerede indholdet af de to produkter på produktresuméet, bekræftede duplikationen og annullerede et af dem i samråd med lægen. Kunstig intelligens fremhævede en risiko, der kunne have været overset.

Case 2 — Falsk positiv interaktion. AI advarede om "seriøs interaktion" på én recept. Da farmaceuten kiggede på den aktuelle interaktionsdatabase, så han, at der var tale om en teoretisk og klinisk ubetydelig interaktion; Dosis og overvågning af patienten var allerede sikker. Farmaceuten registrerede advarslen som "evalueret, ingen indgriben er påkrævet". Hvis kunstig intelligens blev fulgt blindt, ville der være en unødvendig lægesøgning og patientangst.

Tilfælde 3 — Uoverensstemmelse mellem dosis og varighed. I den sirup, der blev ordineret til et barn, blev den daglige dosis og behandlingens varighed givet, men antallet af ordinerede flasker var ikke nok til at fuldføre behandlingen. Kunstig intelligens gav en advarsel om, at "beløbet muligvis ikke dækker behandlingsperioden". Apotekeren bekræftede kontoen, bekræftede manglen og rettede mængden med lægen. Kunstig intelligens fangede en aritmetisk uoverensstemmelse.

Trin for trin opskriftskontrol (understøttet kunstig intelligens)

1. Anonymiser. Ryd patient-id; endsige den kliniske kontekst.
2. Lav din egen kontrol. Som farmaceut vurderer du først recepten.
3. Bed om et andet øje. Anmod om AI-pre-screening for dosis, duplikering, interaktion og konsistens.
4. Filtrer advarsler. Vej hver advarsel mod produktresuméet/databasen; Luk falsk positiv ud.
5. Hvis du er i reel risiko, skal du kontakte din læge. Løs det bekræftede problem med en læge.
6. Notér beslutningen og begrundelsen. Gør både opfangede og eliminerede advarsler sporbare.

Svag prompt / Stærk prompt

Svag: "Er denne recept korrekt?"

Stærk: "Pre-screen følgende recept som farmaceuts andet øje. Patient (anonym): 70 år gammel, kreatininclearance ~30 mL/min, kendt allergi [...]. Recept: [lægemiddel/dosis/varighedsliste]. Marker mistænkelige emner under følgende overskrifter: passende dosis, duplikatkontraindikation, konsistens 'kontraindikation, interaktion med hver kontraindikation, interaktion med hver varighed. SmPC/database 'et' og angiv vigtighedsniveauet (høj/middel/lav) beslutning."

Patientkonteksten, kontroloverskrifter og verifikationstilstand er tydelige i den kraftfulde prompt.

Fire kopierbare skabeloner

Opgave: Pre-screening på recept (ANDET ØJE, ikke beslutning).Patienten (anonym): alder [...], funktion [...], allergi [...], anden medicin [...].Recept: [lægemiddel | dosis | dosisfrekvens | varighed | mængde].Output: | Pen | Tvivl type | Beskrivelse | Betydning | Bekræftelseskilde |Tilføj "SmPC/retningslinjebekræftelse påkrævet" til hver linje.

Opgave: Duplikatscreening af aktiv ingrediens. Lægemiddelliste (handelsnavne): [...]. Output: Marker dubletter, der kan indeholde samme aktive ingrediens; tilføje bemærkning "indhold skal verificeres fra produktresumé". Hvis du ikke er sikker, så skriv [USIKKER].

Opgave: Dosis-mængde-varighed konsistenskontrol.Input: dosis [...], frekvens [...], varighed [...] dage, receptmængde [...].Beregn: samlede nødvendige enheder osv. receptbeløb. Marker eventuelle uoverensstemmelser. Vis beregningen trin for trin; Apoteket vil uafhængigt verificere.

Opgave: tjekliste for kontraindikationer.Patientforhold: [graviditet/allergi/sygdom]. Narkotika: [...].Output: For hvert stof "kan dette være i konflikt med situationen?" Marker spørgsmålet; lav ikke en endelig vurdering, skriv "bekræft i kontraindikationsafsnittet i produktresuméet".

Tabel for opskriftskontrollag

lag

Hvem/hvad gør

Formål

1. Farmaceut førstebehandling

Farmaceut

Klinisk logik og integritet

2. Kunstig intelligens præ-screening

kunstig intelligens

Markér, hvad du gik glip af

3. Kildebekræftelse

Farmaceut + SPC/database

bevis for nøjagtighed

4. Lægekommunikation

Farmaceut ↔ Læge

Løsning af det virkelige problem

5. Registrering

Farmaceut

sporbarhed

Almindelige fejl

• Afslappende, fordi den kunstige intelligens sagde 'intet problem'. Der er risiko for falske negativer; Farmaceutkontrol er afgørende.
• Blindt adlyde enhver advarsel. Falske positiver bør elimineres, og unødvendige lægesøgninger bør forhindres.
• Afkodning af forkortelser ved kunstig intelligens. Hvis receptforkortelser er uklare, bør lægen spørges.
• Springer over mængde-varighedsberegning. Simple aritmetiske uoverensstemmelser forstyrrer patientens compliance.
• Registrerer ikke beslutningen. Eliminerede og registrerede advarsler skal kunne spores.

Sammenfattende

Kunstig intelligens er et værdifuldt andet øje i receptkontrol; Det etablerer et sikkerhedsnet mod opmærksomhedstræthed ved at markere risici for dosering, duplikering, interaktion og konsistens. Men det kan ikke være det eneste kontrollag, da det kan producere både falske positive og falske negative. Farmaceuten foretager først sin egen vurdering, filtrerer advarslerne om den kunstige intelligens med produktresuméet og databasen, løser det virkelige problem med lægen og registrerer beslutningen. Ansvaret for receptgodkendelse ligger altid hos den kompetente apoteker.

Ansøgningsopgave

Opsæt et anonymt ordinationsscenarie (patientkontekst + 4-5 punkter, inklusiv forsætlig duplikering og en dosis-tidsforskel). Bed AI om en ekstra øjenforscanning. List de problemer, den fanger og savner; Vis med produktresuméet/databasen, hvilke af advarslerne den producerer, der er falske positive. Skriv endelig den lægekommunikation ned, du vil bruge til at løse de virkelige problemer, der er fanget, og hvordan du vil registrere dem.

tjekliste

• [ ] Jeg vurderede selv recepten først.
• [ ] Jeg gav patienten kontekst anonymt og fuldstændigt.
• [ ] Jeg modtog en struktureret præ-scanning fra AI.
• [ ] Jeg bekræftede hver advarsel med produktresuméet/databasen.
• [ ] Jeg fjernede falske positiver med begrundelse.
• [ ] Jeg løste det virkelige problem med lægen.
• [ ] Jeg registrerede de advarsler, der blev fanget og elimineret.