Κέρδη:
- Να είναι σε θέση να διακρίνει πού η τεχνητή νοημοσύνη εξοικονομεί πραγματικό χρόνο στη ροή εργασίας του φαρμακείου και πού η κρίσιμη για την ασφάλεια ευθύνη πρέπει να παραμένει στον αρμόδιο φαρμακοποιό και γιατρό, ανάλογα με το επίπεδο κινδύνου
- Δυνατότητα εφαρμογής μιας πειθαρχίας επαλήθευσης πολλαπλών επιπέδων που δοκιμάζει κάθε έξοδο AI έναντι ενημερωμένων πληροφοριών προϊόντος (SPC/KT), της ισχύουσας νομοθεσίας και του ανεξάρτητου εμπειρογνώμονα ελέγχου
- Δυνατότητα απόκτησης της συνήθειας της επιλογής ασφαλών εργαλείων όσον αφορά την ανωνυμοποίηση του περιβάλλοντος, το απόρρητο (KVKK) και τη δεοντολογία για την προστασία των προσωπικών δεδομένων και των δεδομένων υγείας των ασθενών.
Το φαρμακείο είναι ένα επάγγελμα εμπιστοσύνης που βλέπει τον ασθενή πίσω από μια συνταγή και του/της παραδίδει το φάρμακο με ασφαλή, ακριβή και ορθολογικό τρόπο. Η πηγή αυτής της εμπιστοσύνης είναι ότι ο φαρμακοποιός βασίζει κάθε απόφαση στη γνώση και την υπευθυνότητα. Η τεχνητή νοημοσύνη (τεχνητή νοημοσύνη για συντομία, λογισμικό που μαθαίνει μοτίβα από δεδομένα και παράγει κείμενο, πίνακες και προτάσεις) εισέρχεται σε αυτό το επάγγελμα ως πολύ ισχυρός βοηθός: σάρωση αλληλεπίδρασης, σύνταξη κειμένου πληροφοριών ασθενούς, σύνταξη ειδοποίησης, σύνοψη νομοθετικού κειμένου. Αλλά η AI δεν είναι φαρμακοποιός. Ούτε αναλαμβάνει την ευθύνη, ούτε φέρει δίπλωμα, ούτε στέκεται νομικά απέναντι στον ασθενή. Σε αυτή την ενότητα, θα μάθετε πού να χρησιμοποιείτε την τεχνητή νοημοσύνη στον κλάδο των φαρμακείων, πού να στέκεστε και πώς να επαληθεύετε κάθε έξοδο. Ο στόχος είναι να σας κάνει έναν επαγγελματία που ελέγχει την τεχνητή νοημοσύνη, χωρίς να εξαρτάται από αυτήν.
Τι μπορεί να κάνει και τι δεν μπορεί να κάνει η τεχνητή νοημοσύνη στο φαρμακείο;
Η πραγματική δύναμη της τεχνητής νοημοσύνης είναι να παράγει γλώσσα, μοτίβα και σχέδια. Ένα συμβουλευτικό κείμενο για τον ασθενή, ένα πλαίσιο αναφοράς ανεπιθύμητων ενεργειών (παρενέργεια), μια ορθολογική χρήση ναρκωτικών (RAH, αρχή της χρήσης του φαρμάκου με το σωστό φάρμακο, τη σωστή δόση, για τη σωστή διάρκεια) εμφανίζονται σε δευτερόλεπτα, ένας πίνακας ανάλυσης αποθέματος και μια περίληψη βιβλιογραφίας. Σε αυτές τις εργασίες, η τεχνητή νοημοσύνη σας εξοικονομεί ώρες και μειώνει το νοητικό φορτίο.
Αυτό που δεν μπορεί να κάνει η τεχνητή νοημοσύνη είναι η απόφαση που απαιτεί κλινική ευθύνη. Προσαρμογή της δόσης ενός ασθενούς με βάση τη νεφρική λειτουργία, εάν η αλληλεπίδραση δύο φαρμάκων είναι κλινικά σημαντική για αυτόν τον ασθενή, την ασφάλεια ενός φαρμάκου σε μια έγκυο γυναίκα, εάν πρέπει να εγκριθεί μια συνταγή. Τίποτα από αυτά δεν μπορεί να προσδιοριστεί με τη λογική του «έτσι συμβαίνει συνήθως». Το AI έχει ψευδαισθήσεις επειδή μαθαίνει από κείμενα στο Διαδίκτυο και σε βιβλία: δηλαδή, μπορεί να δημιουργήσει μια ψευδή δόση, αλληλεπίδραση ή πηγή που φαίνεται αληθινή αλλά είναι ψευδής. Στο φαρμακείο, αυτό το είδος λάθους δεν είναι απλώς ένα τυπογραφικό λάθος. Λανθασμένη δόση σημαίνει σοβαρές ανεπιθύμητες ενέργειες ή ακόμη και βλάβη του ασθενούς.
Προσοχή: Το αποτέλεσμα της τεχνητής νοημοσύνης είναι προσχέδιο και όχι γνώμη ειδικού. Δεν μπορούν να ληφθούν κρίσιμες για την ασφάλεια αποφάσεις σχετικά με τη φαρμακευτική αγωγή, τη δοσολογία και τη θεραπεία χωρίς την έγκριση αρμόδιου φαρμακοποιού και ιατρού. Η απόφαση για τη διάγνωση και τη θεραπεία ανήκει στον άνθρωπο. Το AI δεν αντικαθιστά αυτήν τη συγκατάθεση.
Τρεις περιοχές ανάλογα με το επίπεδο κινδύνου
Ο πιο πρακτικός τρόπος για να χρησιμοποιήσετε την τεχνητή νοημοσύνη με ασφάλεια είναι να χωρίσετε κάθε εργασία σε τρεις ζώνες με βάση το επίπεδο κινδύνου. Αυτή η διάκριση παρέχει μια γρήγορη και ακριβή απάντηση στο ερώτημα "θα πρέπει να το κάνει αυτό η τεχνητή νοημοσύνη;"
Περιφέρεια
Δείγματα εργασιών
Ο ρόλος της τεχνητής νοημοσύνης
Επίπεδο επαλήθευσης
Πράσινο (χαμηλού κινδύνου)
Προσχέδιο ιστολογίου, ετικέτα ραφιού, σημείωμα συνάντησης, email, κείμενο γενικών πληροφοριών
δωρεάν παραγωγή
Γρήγορη αναθεώρηση
Κίτρινο (μέτριου κινδύνου)
Κείμενο πληροφοριών ασθενούς, νομοθετική περίληψη, ανάλυση αποθεμάτων, περίληψη βιβλιογραφίας, σχέδιο κοινοποίησης
Σχέδιο + πρόταση
Έλεγχος ειδικού + SmPC/επιβεβαίωση πηγής
Κόκκινο (κρίσιμο για την ασφάλεια)
Προσδιορισμός δόσης, απόφαση αλληλεπίδρασης, έγκριση συνταγής, αξιολόγηση ειδικής ομάδας (έγκυος/παιδί/ανεπάρκεια)
Μόνο προ-οθόνη/λίστα ελέγχου
Απαραίτητη η έγκριση από αρμόδιο φαρμακοποιό και, εάν χρειαστεί, ιατρό.
Να είσαι γρήγορος στην πράσινη ζώνη. Χρησιμοποιήστε AI στην κίτρινη ζώνη, αλλά ελέγξτε κάθε ιατρικό ισχυρισμό και πηγή. Στην κόκκινη ζώνη, η τεχνητή νοημοσύνη δεν έχει ποτέ τον τελευταίο λόγο. Είναι απλώς ένα βοήθημα που επιταχύνει το έργο του ειδικού.
Πολυεπίπεδη πειθαρχία επαλήθευσης
Η επαλήθευση δεν είναι κάτι που πρέπει να αναβληθεί με τη σκέψη "θα το ελέγξω αργότερα". είναι μέρος της ροής εργασίας. Η ισχυρή επικύρωση στο φαρμακείο αποτελείται από πέντε επίπεδα:
- Επιστροφή στην πηγή. Εάν το AI έχει δώσει δόση, αλληλεπίδραση ή κατάσταση, ανοίξτε το και επιβεβαιώστε το από τις τρέχουσες πληροφορίες προϊόντος (SmPC: Summary Product Information; επίσημες πληροφορίες φαρμάκου για τον ιατρό. KT: Οδηγίες χρήσης; για τον ασθενή) ή την ισχύουσα καθοδήγηση/νομοθεσία.
- Ανεξάρτητος λογαριασμός. Υπολογίστε ξανά μια δόση ή μια συγκέντρωση (mg/kg, mL, %) με το χέρι ή χρησιμοποιώντας μια επικυρωμένη μέθοδο.
- Δοκιμή με το πλαίσιο του ασθενούς. Συγκρίνετε τον ισχυρισμό με την πραγματική ηλικία, το βάρος, τη νεφρική/ηπατική λειτουργία, την εγκυμοσύνη και άλλα φάρμακα αυτής της πραγματικής ασθενούς.
- έμπειρο μάτι. Εάν η απόφαση είναι κλινική και υπάρχει δισταγμός, συμβουλευτείτε έναν γιατρό. Η τελική έγκριση ανήκει στον αρμόδιο φαρμακοποιό.
- Αφήστε το σημάδι σας. Καταγράψτε ποια έξοδο επικυρώθηκε και πώς. Αφήστε το να ελεγχθεί αργότερα.
Υπόδειξη: "Το AI είπε" δεν είναι δικαιολογία. Η αιτιολόγηση για μια απόφαση φαρμακείου είναι πάντα η τρέχουσα SmPC/PI, η τρέχουσα καθοδήγηση/νομοθεσία, ο ανεξάρτητος υπολογισμός ή η έγκριση αρμόδιου εμπειρογνώμονα. Η τεχνητή νοημοσύνη σας βοηθά να προετοιμάσετε αυτές τις αιτιολογήσεις, δεν τις αντικαθιστά.
Απόρρητο, KVKK και ηθική
Τα δεδομένα υγείας είναι ο πιο ευαίσθητος τύπος προσωπικών δεδομένων. Υπόκειται στην υψηλότερη προστασία ως «προσωπικά δεδομένα ειδικής φύσης» στη νομοθεσία. Το όνομα του ασθενούς, ο αριθμός TR ID, η διάγνωση, τα φάρμακα που χρησιμοποιούνται. Όλα αυτά είναι εμπιστευτικά. Πριν δώσετε αυτά τα δεδομένα σε ένα εργαλείο τεχνητής νοημοσύνης που βασίζεται σε σύννεφο, κάντε τρεις ερωτήσεις: Είναι πραγματικά απαραίτητα αυτά τα δεδομένα; Μπορεί να ανωνυμοποιηθεί; Το εργαλείο που χρησιμοποιώ χρησιμοποιεί δεδομένα στην εκπαίδευση;
Η ηθική διάσταση δεν τελειώνει εκεί. Η τεχνητή νοημοσύνη δεν μπορεί να διαγνώσει άμεσα έναν ασθενή, να συστήσει θεραπεία ή να αντικαταστήσει έναν γιατρό. Ακόμη και για τα μη συνταγογραφούμενα προϊόντα (OTC), είναι ανεύθυνο να μεταφέρεται η έξοδος AI στον ασθενή χωρίς να περνάει από το φίλτρο του φαρμακοποιού. Χρησιμοποιήστε το AI ως εσωτερικό εργαλείο. Ποτέ μην παρακάμπτετε την επαγγελματική κρίση ανάμεσα σε εσάς και τον ασθενή.
τρεις μίνι θήκες
Περίπτωση 1 — Η επικύρωση εντοπίζει ένα σφάλμα. Ένας φαρμακοποιός συμβουλεύτηκε την ΑΙ για να ελέγξει γρήγορα τη δόση για ένα παιδί 18 κιλών. Το AI πρότεινε κατά λάθος συνολική δόση 150 mg αντί 15 mg/kg. Ο φαρμακοποιός θεώρησε την εκτύπωση ως προσχέδιο και έκανε έναν ανεξάρτητο υπολογισμό: 18 × 15 = 270 mg/ημέρα. Είδε τη διαφορά, την επιβεβαίωσε στην ΠΧΠ και εφάρμοσε τη σωστή δόση. Χωρίς την πειθαρχία της επαλήθευσης, το παιδί θα είχε λάβει περίπου τη μισή δόση. Η τυφλή εμπιστοσύνη στην τεχνητή νοημοσύνη θα προκαλούσε σφάλμα.
Περίπτωση 2 — Προστασία του απορρήτου. Ένας φαρμακοποιός ήταν έτοιμος να γράψει το όνομα και τον αριθμό ταυτότητας του ασθενούς ενώ ρωτούσε την τεχνητή νοημοσύνη για μια περίπλοκη περίπτωση. Χάρη στη δική του συνήθεια της ανωνυμοποίησης, τα αντικατέστησε με κλινικά ισοδύναμα όπως «65 ετών, άνδρας, χρόνια νεφρική νόσος». Η ποιότητα της εξόδου δεν μειώθηκε ποτέ, αλλά τα προσωπικά δεδομένα του ασθενούς δεν πήγαν σε κανένα σύννεφο. Η εμπιστευτικότητα προστατεύτηκε χωρίς να διακυβεύεται η ποιότητα των αποτελεσμάτων.
Περίπτωση 3 — Επιτάχυνση στην πράσινη ζώνη. Το ίδιο φαρμακείο θα έγραφε μια διαδικασία παράδοσης με κρύα αλυσίδα για το προσωπικό. Αυτή η αποστολή ήταν χαμηλού κινδύνου (πράσινη ζώνη). Ο φαρμακοποιός πήρε ένα προσχέδιο από την τεχνητή νοημοσύνη και το προσάρμοσε στην πραγματική ροή, μειώνοντας την ωριαία εργασία σε μισή ώρα. Επειδή ήξερε τη σωστή χωροθέτηση, επιτάχυνε εδώ, ενώ σε μια κλινική απόφαση, επιβράδυνε και επαλήθευε.
Βήμα προς βήμα: Εισαγωγή της τεχνητής νοημοσύνης με ασφάλεια σε μια εργασία
- Τοποθετήστε την εργασία στην περιοχή. Πράσινο, κίτρινο ή κόκκινο;
- Ανωνυμοποίηση περιβάλλοντος. Διαγράψτε το πραγματικό όνομα, ταυτότητα, ταυτότητα και προσωπικά στοιχεία.
- Δώστε μια σαφή σύντομη. Γράψτε ξεκάθαρα τα χαρακτηριστικά του ασθενούς (ηλικία, βάρος, λειτουργία), στόχο και μορφή.
- Θεωρήστε το αποτέλεσμα ως προσχέδιο. Μην το χρησιμοποιείτε ποτέ όπως το τελικό προϊόν.
- Εφαρμόστε επίπεδα επαλήθευσης. Πηγή, λογαριασμός, πλαίσιο ασθενούς, ειδικός, ίχνος.
- Καταγράψτε την απόφαση και το σκεπτικό της.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
Ρόλος: Είστε βοηθός φαρμακείου (ΔΕΝ λαμβάνετε κλινικές αποφάσεις). Εργασία: Δημιουργήστε ένα ΣΧΕΔΙΟ για [εργασία]. Πλαίσιο: Ηλικία ασθενούς [...], βάρος [...], κατάσταση νεφρού/ήπατος [...], άλλα φάρμακα [...]. (ΧΩΡΙΣ πραγματικές πληροφορίες ταυτοποίησης.) Κανόνας: Επισήμανση "ΑΠΑΙΤΕΙΤΑΙ ΕΠΙΒΕΒΑΙΩΣΗ SmPC/ΠΗΓΗ" για κάθε δόση/αλληλεπίδραση/κατάσταση για την οποία δεν είστε σίγουροι. Μορφή: Σε κουκκίδες, με αιτιολόγηση.
Εργασία: ΑΝΑΦΟΡΑ ιατρικούς ισχυρισμούς, τιμές δοσολογίας και ρυθμιστικές αναφορές στο παρακάτω κείμενο. Προσθέστε μια σημείωση "η πηγή πρέπει να επαληθευτεί" για καθένα. Μην το επαληθεύσετε μόνοι σας, απλώς σημειώστε το. Κείμενο: [...]
Εργασία: Ταξινόμηση αυτής της παραγωγής τεχνητής νοημοσύνης σύμφωνα με το επίπεδο κινδύνου μέσα από τα μάτια ενός φαρμακοποιού. Για κάθε στοιχείο: πράσινο / κίτρινο / κόκκινο και αιτιολογήστε μία μόνο πρόταση. Γράψτε "Απαιτείται έγκριση ειδικευμένου φαρμακοποιού/ιατρού" στα κόκκινα σημεία. Έξοδος: [...]
Εργασία: Ανωνυμοποιήστε το παρακάτω κείμενο ασθενούς/συνταγής. Αντικαταστήστε το πραγματικό όνομα, ταυτότητα, διεύθυνση, τηλέφωνο και αναγνωριστικό με [TAGET]. διατηρούν την κλινική σημασία.Κείμενο: [...]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμος: "Ποιο φάρμακο να δώσω σε αυτόν τον ασθενή;"
Güçlü: "Για έναν ασθενή 65 ετών με εκτιμώμενη κάθαρση κρεατινίνης 40 mL/min, που χρησιμοποιεί βαρφαρίνη και μετφορμίνη, αναφέρετε τις πιθανές αλληλεπιδράσεις ενός νέου αντιβιοτικού που έχει συνταγογραφηθεί από τον γιατρό και την ανάγκη προσαρμογής της δόσης ως προκαταρκτικός έλεγχος. Δηλώστε ότι κάθε στοιχείο πρέπει να επιβεβαιωθεί από το Sm".
Στην ισχυρή προτροπή, το πλαίσιο του ασθενούς, ο αριθμός, ο περιορισμός και το όριο δίνονται ξεκάθαρα. Είναι σαφές πού θα σταθεί η τεχνητή νοημοσύνη και η απόφαση επαφίεται στον φαρμακοποιό.
Συνήθη λάθη
- Παρεξήγηση της παραγωγής τεχνητής νοημοσύνης με τη γνώμη ειδικού. Η τεχνητή νοημοσύνη παράγει περιγράμματα, όχι κλινικές αποφάσεις.
- Ανάθεση κρίσιμων αποφάσεων για την ασφάλεια στην τεχνητή νοημοσύνη. Η δόση, η αλληλεπίδραση και η έγκριση της συνταγής δεν αφήνονται ποτέ στην τεχνητή νοημοσύνη.
- Χρήση πληροφοριών χωρίς επιβεβαίωση του SmPC/πηγή. Κάθε δόση, αλληλεπίδραση και κατάσταση πρέπει να επιβεβαιώνεται από την επίσημη πηγή.
- Άμεση φόρτωση δεδομένων ασθενούς. Η ανωνυμοποίηση και η ασφαλής επιλογή εργαλείου δεν πρέπει να παραμελούνται.
- Μη παρατηρώντας την ψευδαίσθηση. Αν και το AI μπορεί να φαίνεται σίγουρο, μπορεί να είναι λάθος. Μια σίγουρη δήλωση δεν είναι απόδειξη της αλήθειας.
Συνοπτικά
Το AI είναι ένας πραγματικός επιταχυντής στη φαρμακευτική, αλλά δεν αντικαθιστά έναν φαρμακοποιό. Χωρίστε τις εργασίες σε πράσινες, κίτρινες και κόκκινες ζώνες. Να είστε γρήγοροι στο πράσινο, να επιβεβαιώσετε το κίτρινο, να μην δίνετε ποτέ στο AI τον τελευταίο λόγο στο κόκκινο. Θεωρήστε κάθε έξοδο ένα προσχέδιο και περάστε το μέσω επαλήθευσης πέντε επιπέδων. Λάβετε σοβαρά υπόψη το απόρρητο των ασθενών και το KVKK. Η ευθύνη παραμένει πάντα στον αρμόδιο φαρμακοποιό και ιατρό. Η AI δεν μοιράζεται αυτήν την ευθύνη.
Εργασία εφαρμογής
Επιλέξτε τρεις εργασίες από τη δική σας καθημερινή πρακτική (π.χ. κείμενο πληροφοριών ασθενούς, περίληψη κανονισμών, έλεγχος της δόσης του ασθενούς). Ταξινομήστε το καθένα ως πράσινο/κίτρινο/κόκκινο. Σημειώστε ποια επίπεδα επαλήθευσης θα εφαρμόσετε για τις κίτρινες και κόκκινες εργασίες και ποιανού η έγκριση απαιτείται για την κόκκινη εργασία. Επίσης, βρείτε και σημειώστε στην πολιτική απορρήτου ενός εργαλείου τεχνητής νοημοσύνης που χρησιμοποιείτε εάν χρησιμοποιεί δεδομένα ασθενών στην εκπαίδευση.
λίστα ελέγχου
- [ ] Τοποθέτησα την εργασία στη ζώνη κινδύνου.
- [ ] Ανωνυμοποίησα το πλαίσιο (όνομα, ταυτότητα, διάγνωση καθαρά).
- [ ] Έδωσα μια σαφή σύντομη, με βάση τα συμφραζόμενα.
- [ ] Αντιμετώπισα το αποτέλεσμα ως προσχέδιο.
- [ ] Έχω επιβεβαιώσει τη δόση/αλληλεπίδραση/συνθήκες από την τρέχουσα ΠΧΠ/αναφορά.
- [ ] Άφησα την κρίσιμη για την ασφάλεια απόφαση στον αρμόδιο φαρμακοποιό/ιατρό.
- [ ] Αποθήκευσα το ίχνος επαλήθευσης.