Κέρδη:
- Δυνατότητα μετατροπής των αρχών επαλήθευσης (σωστός ασθενής, φάρμακο, δόση, διαδρομή, χρόνος) σε λίστα ελέγχου με τεχνητή νοημοσύνη στην εφαρμογή φαρμάκων
- Δυνατότητα προετοιμασίας πρόχειρων υπενθυμίσεων για προειδοποιήσεις για φάρμακα υψηλού κινδύνου, αλλεργίες και αλληλεπιδράσεις
- Κατανοώντας ότι οι αποφάσεις για τη δόση και την εφαρμογή του φαρμάκου λαμβάνονται με εντολή γιατρού και επαλήθευση νοσοκόμας και ότι η τεχνητή νοημοσύνη δεν μπορεί ποτέ να εμπιστευτεί μόνη της στον υπολογισμό της δόσης.
Η χορήγηση φαρμάκων είναι μια από τις πιο συχνά εκτελούμενες και υψηλού κινδύνου εργασίες στη νοσηλευτική. Ένα φάρμακο που χορηγείται σε λάθος ασθενή, μια εσφαλμένα υπολογισμένη δόση, μια αλλεργία ή αλληλεπίδραση που αγνοείται μπορεί να προκαλέσει σοβαρή βλάβη στον ασθενή ή ακόμη και να του κοστίσει τη ζωή. Γι' αυτό η ασφάλεια των ναρκωτικών διέπεται από αυστηρές αρχές σε όλο τον κόσμο. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει σε αυτόν τον τομέα: δημιουργία λιστών ελέγχου, δημιουργία υπενθυμίσεων, εξορθολογισμός πολύπλοκων οδηγιών, σύνταξη προειδοποιήσεων σχετικά με αλληλεπιδράσεις φαρμάκων. Αλλά εδώ είναι το πιο αυστηρό όριο αυτής της μονάδας: η δόση του φαρμάκου και η απόφαση χορήγησης είναι κρίσιμες για την ασφάλεια. Ο υπολογισμός της δόσης AI δεν πρέπει ποτέ να βασίζεται μόνο στον υπολογισμό. Η δόση καθορίζεται με εντολή του γιατρού, η νοσοκόμα την επαληθεύει προσωπικά και μια δεύτερη νοσοκόμα ελέγχει εάν είναι απαραίτητο.
Η βάση της ασφάλειας των ναρκωτικών: αρχές του "δικαιώματος"
Η ραχοκοκαλιά της χορήγησης του φαρμάκου είναι οι αρχές της «ορθότητας», οι οποίες ελέγχονται πριν από κάθε εφαρμογή. Τα κλασικά πέντε βασικά είναι:
- Σωστός ασθενής — η ταυτότητα επιβεβαιώνεται με δύο αναγνωριστικά (όνομα και ημερομηνία γέννησης/ταυτότητα).
- Σωστό φάρμακο — η σειρά ταιριάζει με το φάρμακο. Προσοχή στα φάρμακα με παρόμοια ονόματα.
- Σωστή δόση — ελέγχονται η παραγγελία, ο λογαριασμός και η τρέχουσα μορφή.
- Η σωστή οδός—από του στόματος, ενδοφλέβια, ενδομυϊκή κ.λπ. είναι αλήθεια;
- Ακριβής χρόνος — παραγγελθείσα ώρα και συχνότητα.
Οι διευρυμένες λίστες προσθέτουν επίσης στοιχεία όπως σωστή εγγραφή, σωστή ένδειξη, σωστή απάντηση. Η τεχνητή νοημοσύνη είναι πολύ καλή στο να δημιουργεί μια τακτοποιημένη λίστα ελέγχου που σας υπενθυμίζει αυτές τις αρχές. Αλλά είναι δουλειά της νοσοκόμας να εφαρμόσει τη λίστα, δηλαδή να την ελέγξει πραγματικά. Το AI δεν εγκρίνει, εγκρίνετε.
Προσοχή: Είναι επικίνδυνο να πείτε στο AI «υπολογίστε τη δόση αυτού του φαρμάκου» και να εφαρμόσετε τον αριθμό που προκύπτει. Η τεχνητή νοημοσύνη μπορεί να μπερδέψει τις μονάδες (mg/mL), να εφαρμόσει εσφαλμένα τον παράγοντα βάρους ή ηλικίας, να μετατοπίσει δεκαδικούς αριθμούς. Κάθε δόση θα πρέπει να επαληθεύεται ανεξάρτητα με βάση την εντολή του γιατρού και την τρέχουσα αναφορά φαρμάκου. Θα πρέπει να γίνονται διπλοί έλεγχοι για φάρμακα υψηλού κινδύνου.
Φάρμακα υψηλού κινδύνου και διπλός έλεγχος
Ορισμένα φάρμακα μπορεί να αποβούν θανατηφόρα σε περίπτωση λάθους: ινσουλίνη, ηπαρίνη και άλλα αραιωτικά του αίματος, οπιοειδή, συμπυκνωμένοι ηλεκτρολύτες, φάρμακα χημειοθεραπείας. Για αυτά τα φάρμακα υψηλής εγρήγορσης, τα ιδρύματα συχνά απαιτούν ανεξάρτητο διπλό έλεγχο: δύο νοσοκόμες επαληθεύουν ανεξάρτητα τη δόση και τον υπολογισμό. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει σε αυτή τη διαδικασία ως υπενθυμίσεις και λίστες ελέγχου, αλλά ποτέ δεν υποκαθιστά τον ανεξάρτητο έλεγχο δύο ανθρώπων.
τρεις μίνι θήκες
Περίπτωση 1 — Προειδοποίηση αλληλεπίδρασης. Παραγγέλθηκε νέο αντιβιοτικό για ασθενή. Η νοσοκόμα δίνει τα τρέχοντα φάρμακα του ασθενούς στο (μη αναγνωρισμένο) AI και λέει, "καταγράψτε πιθανές σημαντικές αλληλεπιδράσεις, αλλά σημειώστε ότι πρέπει να επιβεβαιώσω καθεμία με την τρέχουσα πηγή αλληλεπίδρασης." Το AI επισημαίνει αρκετές πιθανές αλληλεπιδράσεις. Η νοσοκόμα τα επαληθεύει με τον πόρο αλληλεπίδρασης φαρμάκων της εγκατάστασης και τον φαρμακοποιό. Το AI τράβηξε την προσοχή. επιβεβαίωση στον άνθρωπο.
Περίπτωση 2 — Επικίνδυνο σφάλμα δόσης. Μια νοσοκόμα ζητά από το AI να υπολογίσει μια παιδιατρική δόση. Το AI παίρνει σωστά τη δόση ανά κιλό, αλλά ανακατεύει μονάδες στο συνολικό όγκο και δίνει μια τιμή που είναι 10 φορές μεγαλύτερη. Η νοσοκόμα αντιλαμβάνεται το σφάλμα όταν ελέγχει ανεξάρτητα την παραγγελία και το ένθετο φαρμάκου. Μάθημα: Η έξοδος δόσης του AI δεν χορηγείται ποτέ χωρίς ανεξάρτητο έλεγχο.
Περίπτωση 3 — Το βήμα που δεν μπορείτε να χάσετε με τη λίστα ελέγχου. Σε μια πολυάσχολη βάρδια, μια νοσοκόμα ζητά από το AI να ετοιμάσει μια διπλή λίστα ελέγχου για τη χορήγηση ινσουλίνης (επιβεβαίωση σακχάρου στο αίμα, παραγγελία, δόση, έκδοση, υπογραφή δεύτερης νοσοκόμας). Χάρη στη λίστα, δεν χάνεται κανένα βήμα. Ο ρόλος της τεχνητής νοημοσύνης είναι υποβλητικός. Δύο νοσοκόμες κάνουν τον έλεγχο.
Βήμα προς βήμα: λίστα ελέγχου φαρμάκων με AI
- Ορίστε πολιτικές. «Σωστές» αρχές + ειδικά βήματα για το ίδρυμα.
- Δημιουργήστε μια λίστα ελέγχου. Ανά τύπο φαρμάκου (ρουτίνα/υψηλού κινδύνου).
- Ταίριασμα με εντολή γιατρού. Η λίστα δεν αλλάζει τη σειρά, ελέγχει τη σειρά.
- Επαληθεύστε τη δοσολογία ανεξάρτητα. Μην εμπιστεύεστε τον υπολογισμό του AI. Επιβεβαίωση με πηγή.
- Εάν είναι υψηλού κινδύνου, ελέγξτε ξανά. Δύο νοσοκόμες, ανεξάρτητες.
- Κάντε αίτηση, αποθηκεύστε, παρακολουθήστε την απάντηση.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
Εργασία: ΣΧΕΔΙΟ λίστας ελέγχου νοσηλευτών με βάση τις αρχές του «σωστού» για την ακόλουθη χορήγηση φαρμάκων (σωστός ασθενής, φάρμακο, δόση, οδός, χρόνος, καταγραφή). Υπολογισμός δοσολογίας. Δηλώστε ότι η δόση θα επαληθευτεί με την εντολή του γιατρού και την αναφορά του φαρμάκου. Φάρμακο/οδός: [...]
Εργασία: ΚΑΤΑΛΟΓΟΣ πιθανών αλληλεπιδράσεων σε αυτήν την (ανώνυμη) λίστα φαρμάκων που μπορεί να απαιτούν προσοχή όταν χρησιμοποιούνται μαζί. Σημειώστε το καθένα με τη σημείωση "τρέχουσα πηγή αλληλεπίδρασης και πρέπει να επιβεβαιωθεί με τον φαρμακοποιό". Μην πάρετε μια σταθερή απόφαση. Φάρμακα: [...]
Εργασία: Ετοιμάστε ανεξάρτητη διπλή λίστα ελέγχου για αυτό το φάρμακο υψηλού κινδύνου (π.χ. ινσουλίνη/ηπαρίνη): ταυτότητα, σειρά, δόση, συγκέντρωση, ρυθμός/όγκος, έγκριση δεύτερης νοσοκόμας. Εγώ και η δεύτερη νοσοκόμα θα κάνουμε τα μαθηματικά. απλά δημιουργήστε τη λίστα ελέγχου. Ιατρική: [...]
Εργασία: Μεταφράστε τις ακόλουθες οδηγίες φαρμακευτικής αγωγής σε ένα απλό πρόγραμμα χορήγησης για τον ασθενή (τι, πόσο, πότε, πώς). Διατηρήστε το όνομα και τη δοσολογία του φαρμάκου ίδια, μην αλλάζετε. σημειώστε το διφορούμενο σημείο ως "ΑΠΑΙΤΕΙΤΑΙ ΕΠΙΒΕΒΑΙΩΣΗ". Οδηγία: [...]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Υπολογίστε και πείτε τη δόση φαρμάκου αυτού του ασθενούς."
Güçlü: "Δημιουργήστε μια πρόχειρη λίστα ελέγχου νοσοκόμων με βάση τις "σωστές" αρχές για την ακόλουθη χορήγηση φαρμάκου. ΜΗΝ υπολογίζετε τη δόση. Υπενθυμίστε σε κάθε βήμα ότι η δόση θα επαληθεύεται ανεξάρτητα με την εντολή του γιατρού και την τρέχουσα αναφορά φαρμάκου και με μια δεύτερη νοσοκόμα εάν είναι φάρμακο υψηλού κινδύνου. Ο στόχος μου είναι να σας κάνω τον έλεγχο ευκολότερο.
Σε ισχυρή προτροπή, ο ρόλος του AI περιορίζεται στην υπενθύμιση. Η ευθύνη για τη δοσολογία παραμένει στο άτομο.
Συνήθη λάθη
- Βασιζόμενος στον υπολογισμό της δόσης του AI. Τα σφάλματα μονάδων και δεκαδικών μπορεί να είναι μοιραία. Απαιτείται ανεξάρτητη επιβεβαίωση.
- Παράλειψη μιας από τις «σωστές» αρχές. Οι πέντε βασικές εγγραφές + θα πρέπει να ελέγχονται σε κάθε εφαρμογή.
- Παράλειψη διπλών ελέγχων σε φάρμακα υψηλού κινδύνου. Απαιτούνται δύο ανεξάρτητοι ανθρώπινοι έλεγχοι.
- Παρεξήγηση μιας προειδοποίησης αλληλεπίδρασης ως πλήρης πληροφορία. Η τεχνητή νοημοσύνη μπορεί να ειδοποιεί λιγότερο ή υπερβολικά. Απαιτείται επιβεβαίωση φαρμακοποιού/πηγής.
- Αντικατάσταση της λίστας ελέγχου για την παραγγελία. Η λίστα ελέγχει τη σειρά, δεν την αλλάζει.
Φαρμακευτική συμφιλίωση
Μία από τις πιο επικίνδυνες στιγμές κατά την άφιξη του ασθενούς στο νοσοκομείο, η μεταφορά μεταξύ των υπηρεσιών και η έξοδος είναι η συμφιλίωση των φαρμάκων: σύγκριση των φαρμάκων που χρησιμοποιεί ο ασθενής στο σπίτι με τα φάρμακα που παραγγέλθηκαν στο νοσοκομείο και εξάλειψη των ασυνεπειών (ξεχασμένα, επαναλαμβανόμενα ή αντικρουόμενα φάρμακα). Τα λάθη της φαρμακευτικής αγωγής είναι κοινά σε αυτά τα μεταβατικά σημεία. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη δημιουργία ενός σκίτσου σύγκρισης που βάζει δύο λίστες (ανώνυμες) δίπλα-δίπλα και επισημαίνει ασυνέπειες όπως «ποιο φάρμακο είναι στο σπίτι αλλά όχι με τη σειρά, το οποίο έχει αντιγραφεί, ποιες δύο έχουν την ίδια ισχύ». Αυτό κάνει ορατά σημεία που μπορεί να παραβλεφθούν.
Ωστόσο, αυτή είναι μόνο μια προκαταρκτική εξέταση. Η τεχνητή νοημοσύνη μπορεί να παραγνωρίσει ένα φάρμακο, να χάσει ένα γενόσημο φάρμακο ή να δημιουργήσει μια σύγκρουση που δεν υπάρχει. Οποιαδήποτε ασυμφωνία αξιολογείται και επιλύεται με τον ιατρό και, όταν χρειάζεται, με τον φαρμακοποιό. Η τελική ευθύνη για τη συμφιλίωση των φαρμάκων ανήκει στην κλινική ομάδα. Το AI απλώς επιταχύνει τη σύγκριση.
Εφαρμογές που απαιτούν έγχυση και υπολογισμό
Τα φάρμακα και τα υγρά που χορηγούνται ενδοφλέβια συχνά απαιτούν υπολογισμό του ρυθμού (για παράδειγμα, ρύθμιση σταγόνων/ώρα ή mL/ώρα για τη χορήγηση μιας συγκεκριμένης δόσης σε μια συγκεκριμένη χρονική περίοδο). Αυτοί οι λογαριασμοί είναι πολύ επιρρεπείς σε λάθη και τα λάθη μπορεί να αποβούν μοιραία. Είναι επικίνδυνο να έχει η τεχνητή νοημοσύνη να κάνει αυτόν τον υπολογισμό και να χρησιμοποιεί το αποτέλεσμα απευθείας. Η τεχνητή νοημοσύνη μπορεί να ανακατέψει μονάδες ή να παραλείψει ένα βήμα. Η σωστή προσέγγιση είναι να γίνει ο υπολογισμός ανεξάρτητα με την εγκεκριμένη μέθοδο του ιδρύματος, την αντλία υπολογισμού και έναν δεύτερο έλεγχο νοσοκόμων. Είναι να χρησιμοποιήσετε την τεχνητή νοημοσύνη μόνο ως λίστα ελέγχου για να σας υπενθυμίσουμε τα βήματα του λογαριασμού. Το "AI βρήκε το ίδιο αποτέλεσμα" δεν είναι επαλήθευση. Ο ανεξάρτητος ανθρώπινος έλεγχος είναι απαραίτητος. Η πολιτική διπλού ελέγχου του ιδρύματος εφαρμόζεται πάντα για εγχύσεις υψηλού κινδύνου.
Προσοχή: Μία από τις πιο επικίνδυνες παγίδες στην ασφάλεια των ναρκωτικών είναι η ανάμειξη φαρμάκων με παρόμοια ονόματα ή ήχους (π.χ. ομόφωνα ή ονόματα φαρμάκων με παρόμοια ορθογραφία). Το AI μπορεί να παραγνωρίσει ένα όνομα φαρμάκου ή να προτείνει ένα παρόμοιο. Ως εκ τούτου, οποιαδήποτε ονομασία φαρμάκου δίνεται από την AI δεν θα πρέπει να γίνεται αποδεκτή χωρίς τη σύγκριση γράμμα προς γράμμα με την παραγγελία και το πραγματικό κουτί φαρμάκου. Ομοίως, οι συντομογραφίες είναι επικίνδυνες: η τεχνητή νοημοσύνη μπορεί να γράψει ένα ακρωνύμιο εσφαλμένα. Τα ιδρύματα συχνά συνιστούν την αποφυγή επικίνδυνων ακρωνύμιων. Η σαφής και συνοπτική εγγραφή κάθε αρκτικόλεξου στην έξοδο AI αποφεύγει την παρεξήγηση. Θυμηθείτε: στην ασφάλεια των φαρμάκων, το "πιθανότατα είναι αλήθεια" δεν είναι αρκετό. Κάθε αίτηση πρέπει να είναι ακριβής κατά γράμμα.
Συνοπτικά
Η τεχνητή νοημοσύνη βοηθά στην ασφάλεια των φαρμάκων ως λίστα ελέγχου, υπενθύμιση και περίγραμμα αλληλεπίδρασης. Κάνει ορατά τα βήματα που μπορούν να παραβλεφθούν. Αλλά οι αποφάσεις για τη δοσολογία και τη χορήγηση του φαρμάκου είναι κρίσιμες για την ασφάλεια. Ο υπολογισμός της δόσης του AI δεν μπορεί ποτέ να βασιστεί μόνος του: η δόση καθορίζεται με εντολή γιατρού, η νοσοκόμα την επαληθεύει ανεξάρτητα και για φάρμακα υψηλού κινδύνου, η δεύτερη νοσοκόμα κάνει διπλούς ελέγχους. Οι αρχές του «σωστού» είναι η σταθερή ραχοκοκαλιά κάθε πρακτικής.
Εργασία εφαρμογής
Ζητήστε από την τεχνητή νοημοσύνη να ετοιμάσει μια λίστα ελέγχου βασισμένη στις «σωστές» αρχές για ένα φάρμακο που χορηγείτε συχνά στην πτέρυγά σας (χωρίς να ζητάτε υπολογισμούς δοσολογίας). Στη συνέχεια: (1) συμπεριλάβετε στη λίστα τουλάχιστον ένα βήμα ειδικά για το ίδρυμά σας, (2) προσδιορίστε εάν το φάρμακο είναι υψηλού κινδύνου και συμπεριλάβετε ένα βήμα διπλού ελέγχου εάν είναι απαραίτητο, (3) εξηγήστε σε μια παράγραφο γιατί δεν εμπιστεύεστε τον υπολογισμό του AI σε ένα σενάριο δοσολογίας.
λίστα ελέγχου
- [ ] Έβαλα τις «σωστές» αρχές στη λίστα ελέγχου.
- [ ] Πρόσθεσα βήματα για συγκεκριμένα ιδρύματα.
- [ ] Επιβεβαίωσα τη δοσολογία με την εντολή του γιατρού και την αναφορά φαρμάκου.
- [ ] Δεν εμπιστευόμουν μόνο τον λογαριασμό του AI.
- [ ] Έκανα διπλό έλεγχο στο φάρμακο υψηλού κινδύνου.
- [ ] Αποθήκευσα την εφαρμογή και την απάντηση.
- [ ] Έχω επιβεβαιώσει τις προειδοποιήσεις αλληλεπίδρασης με τον φαρμακοποιό/πηγή.