Kasu:
- Oskus kasutada tehisintellekti ravimi kõrvaltoimete (kõrvaltoimete) äratundmisel, põhjusliku seose hindamisel ja TÜFAMi teatise eelnõu koostamisel
- Võimalus teatise teksti ohutult täita, kontrollides selle täielikkust, konfidentsiaalsust ja ametlikku vormingut
- Võime mõista, et põhjusliku seose hindamine ravimiohutuse järelevalve aruandluses nõuab eksperdihinnangut ja tehisintellekt koostab ainult mustandi
Kui ravim jõuab turule, ei lõpe selle lugu; Tegelik ohutusteave koguneb siis, kui tõelised patsiendid hakkavad ravimit kasutama. Ravimiohutuse järelevalve (ravimiohutuse monitooring) on teadus, mis käsitleb ravimite kõrvaltoimete (soovimatute kahjulike mõjude) kogumist, hindamist ja ennetamist. Apteeker on selle süsteemi üks esisilmadest: tema muudab patsiendi lause "Mul tekkis pärast seda ravimit lööve" tervisesignaaliks. Selle protsessi käigus säästab tehisintellekt aega dokumenteerimisel, koostamisel ja kontrollnimekirjade koostamisel. Kuid põhjusliku seose hindamine (kas mõju on tõesti tingitud ravimist) on kliiniline hinnang ja seda ei saa AI-le delegeerida. Selles üksuses saate teada, kuidas tehisintellekti toega ohutult läbi viia kahjulike mõjude jälgimist ja aruandlust.
Kahjulikud mõjud ja aruandluse tähtsus
Ravimi kõrvaltoime (ADR) on kahjulik ja soovimatu toime, mille põhjustab tavalistes annustes kasutatud ravim. Need võivad olla kerged (lööve, iiveldus) või rasked (haiglaravi, püsivad kahjustused, surm). Türkiye linnas edastatakse need teated TÜFAMile (Türgi ravimiohutuse keskus). Märguanded:
- See jälgib reaalses maailmas turul olevate ravimite ohutusprofiili.
- Sellel on haruldased kõrvaltoimed (need, mida kliinilistes uuringutes ei tuvastatud).
- Vajadusel on see aluseks hoiatus-, piiramis- või tühistamisotsustele.
Apteekri jaoks ei ole aruandlus mitte ainult seaduslik kohustus, vaid ka otsene panus patsiendi turvalisusesse. Kuid selleks, et teatis oleks tõhus, peab see olema täielik, täpne ja konfidentsiaalne; Siin aitab tehisintellekt.
Peamine põhimõte, millistest olukordadest tuleks teatada, on järgmine: kahtluse korral teatage. Igasugune reaktsioon, eriti tõsiste (haiglaravi, püsivate kahjustuste, eluohtlike), ootamatute (ei sisaldu ravimi omaduste kokkuvõttes) ja äsja turule toodud ravimite puhul, on väärtuslik signaal. Üksik avaldus üksi ei kujuta endast tõendit; Kui aga tuhandete apteekrite ja arstide aruanded kokku saavad, tekib “signaal” (statistiline märk võimalikust ohutusprobleemist). AI aitab teil kiiresti hinnata, kas juhtum vastab teatamiskriteeriumidele; Kuid jättes tehisintellekti otsustada, et see ei ole teatamist väärt, võib oluline signaal kaotsi minna.
Näpunäide. Hea kõrvaltoimete aruanne sisaldab nelja põhielementi: tuvastatav patsient (nt vanus/sugu, mitte identiteet), kahtlustatav(ad) ravim(id), reaktsiooni kirjeldus ja teataja. AI on hea meeldetuletus nende nelja elemendi täielikkuse kontrollimiseks.
Põhjuslik seos: kus tehisintellekt peatub
Põhjusliku seose hinnang on "kas see mõju on tõesti tingitud sellest ravimist?" See on vastus küsimusele ja kaalub järgmist: ajaline suhe (ajaline harmoonia ravimi ja selle toime vahel), alternatiivsed põhjused (teine ravim, haigus), väljakutsumine ravimi kasutamise lõpetamisel, taastumine uuesti manustamisel (rechallenge) ja teave kirjanduses. See on kliiniline hinnang; Tehisintellekt suudab need elemendid raamistikus loetleda, kuid täpse põhjusliku seose otsuse teeb ekspert. AI ütlemine "see on kindlasti narkootikumidega seotud" ei ole tõend.
kolm minikarpi
Juhtum 1 – nahalööve. 45-aastane patsient teatas laialt levinud lööbest 3 päeva pärast antibiootikumravi alustamist. Apteeker küsis AI-lt teatise mustandit ja puuduva teabe kontrollnimekirja. Tehisintellekt küsis selliste valdkondade kohta nagu patsiendi vanus, ravimi alustamise kuupäev ja lööbe tekkimine. Apteeker täiendas teavet, hindas ise põhjuslikku seost (tugev ajaline vastavus, muid uusi ravimeid ei olnud) ja saatis teatise TÜFAM-vormingus. Tehisintellekt tagas, et ükski väli ei jääks tühjaks.
Juhtum 2 – kaks küsitavat ravimit. Ühel patsiendil tekkis pärast kahe uue ravimi alustamist maksaväärtuste tõus. Tehisintellekt märkis: "Mõlemad ravimid on kahtlased, tuleks vahet teha, kumb vastutab." Apteeker teatas mõlemast kui kahtlastest ravimitest ja jättis põhjusliku seose kindlakstegemise arsti kliinilisele hinnangule. AI ei süüdistanud kiirustades ühtki ravimit; See peegeldas täpselt ebakindlust.
Juhtum 3 – konfidentsiaalsustõrke vältimine. Apteeker kirjutas teatise koostamise ajal kogemata teksti sisse patsiendi nime. Anonüümseks muutmise viipa märgistas mustandi ülejäänud identifitseerimisandmed ja hoiatas "vanus/sugu piisav, nime pole vaja". Apteeker tõmbas välja oma isikuandmed. Tehisintellekt hoidis ära privaatsuse rikkumise.
Samm-sammuline kahjulike mõjude teatamine (toetatud tehisintellekt)
- Jälgige sündmust. Hankige patsiendilt/salvestiselt reaktsioon ja ajastus.
- Seadistage anonüümne kontekst. Identiteedi asemel vanus, sugu, asjakohane kliiniline teave.
- Küsige ülevaadet ja kontrollnimekirja. Hankige tehisintellektilt teavituste mustand ja puuduvate väljade loend.
- Hinnake põhjuslikku seost ise. Ajaline suhe, alternatiivid, väljakutsumine; vajadusel arstiga.
- Kontrollige täielikkust ja konfidentsiaalsust. Kas nõutud väljad on täidetud, kas ID on selge?
- Saada ametlikus vormingus. Edastage ja salvestage TÜFAM-i / vastavasse süsteemi.
Nõrk viip / Tugev viip
Nõrk: "Teatage sellest kõrvalmõjust."
Tugev: "Valmistage ette teatise mustand ja kohustusliku välja kontrollnimekiri järgmise kõrvaltoime kohta. Patsient (anonüümne): 45-aastane, naine. Kahtlustatav ravim: [nimi], algus [kuupäev]. Reaktsioon: [kirjeldus], algus [kuupäev]. Muud ravimid: [...]. Esitage mustand elementide JÄRJEST, mida tuleb teha, kuid alternatiivne seos (tempo, dochallellenge) põhjuslikkus; jätke see eksperdi hooleks.
Tugevas viipas on anonüümses kontekstis kohustuslikud väljad ja põhjuslikkuse piir selged.
Neli kopeeritavat malli
Ülesanne: Kõrvaltoimete teatamise ülevaade (otsuse tegemine põhjusliku seose kohta).Patsient (anonüümne): vanus [...], sugu [...]. Kahtlustatav(ad) ravim(ed): [nimi, annus, alguskuupäev].Reaktsioon: [kirjeldus, algus, kulg, raskusaste].Muud ravimid/seisundid: [...].Väljund: struktureeritud ülevaade + puuduva ruumi hoiatus.
Ülesanne: Koostage põhjuslikkuse HINDAMISE RAAMISTIK (mitte otsus). Sorteeri: 1) Ajaline suhe 2) Alternatiivsed põhjused 3) Kulg pärast ravimi kasutamise lõpetamist (väljakutse)4) Kordusmanustamise staatus 5) Tunnustamine kirjanduses. Kirjutage iga üksus küsimusena; Ekspert täidab tulemuse.
Ülesanne: Aruande täielikkuse kontrollnimekiri. Kontrollige: tuvastatav patsient (mitte ID), kahtlustatav ravim, reaktsiooni kirjeldus, reporteri teave, kuupäevad, raskusaste, tulemus. Loetlege puuduvad väljad.
Ülesanne: Kontrollige teavitusteksti privaatsuse tagamiseks. Tekst: [...]. Kui on olemas identifitseerimisandmed (nimi, ID, aadress, telefon), märkige see ja tehke ettepanek "asenda anonüümse vastega". Säilitage kliiniline tähtsus.
Reaktsiooni raskusaste ja prioriteetide tabel
tõsidus
näide
Teavitamise prioriteet
Tehisintellekti roll
kergekaaluline
Ajutine iiveldus, kerge lööve
Standardne
Ülevaade + kontrollnimekiri
keskmine
Tööjõu kaotus, mis nõuab annuse muutmist
prioriteet
Mustand + täielikkus
tõsine
Haiglaravi, püsivad kahjustused
kiireloomuline
Kiire mustand; põhjuslik seos eksperdi jaoks
ootamatu/uus
Reaktsioon ei ole ravimi omaduste kokkuvõttes
kõrge
Kirjanduse eelsõel + kinnitus
Levinud vead
- Lase tehisintellektil otsustada põhjuslikkuse üle. Põhjuslik seos on kliiniline hinnang; AI pakub ainult raamistikku.
- Identifitseerimisandmete jätmine. Teatises ei nõuta nime/TC-d; Anonüümne vaste on piisav.
- Saada puuduva väljaga. Kui kohustuslikud väljad pole täidetud, kaotab teatis oma väärtuse.
- Ei teata seda kergeks. Ootamatud reaktsioonid, kuigi väikesed, kannavad signaali väärtust.
- Mitme kahtlustatava ravimi vähendamine ühele. Kui see on ebaselge, teatatakse kõigist kahtlusalustest.
Kokkuvõttes
Ravimiohutuse järelevalve on patsiendi ohutuse nähtamatu, kuid oluline kiht ja apteeker on selle süsteemi esirinnas. Tehisintellekti teavituste koostamine kiirendab seda ülesannet ja vähendab täielikkuse kontrollimise ja privaatsuse kontrollimise veamarginaali. Põhjusliku seose hindamine on siiski kliiniline hinnang ja see kuulub eksperdile; AI pakub ainult hindamisraamistikku. Apteeker vastutab teatise täieliku, anonüümse ja ametliku vormingu järgimise eest.
Rakenduse ülesanne
Seadistage oma tegeliku praktika põhjal anonüümseks muudetud kõrvalmõju stsenaarium (vanus, sugu, kahtlustatav ravim, reaktsioon, kuupäevad). Küsige tehisintellektilt teatise ülevaadet, põhjusliku seose hindamise raamistikku ja täielikkuse kontrollnimekirja. Hinnake põhjuslikku seost ise (vajadusel koos arstiga) ja fikseerige see eelnõusse. Lõpuks käivitage privaatsuskontrolli viip ja veenduge, et mustandis poleks identifitseerivat teavet.
kontrollnimekiri
- [ ] Sain reaktsiooni ja ajastuse õigesti.
- [ ] Tegin konteksti anonüümseks (ilma isikutunnistuseta, ainult vanus/sugu).
- [ ] Koostasin mustandi ja puuduvate väljade loendi.
- [ ] Põhjuslikkust hindasin ise/koos eksperdiga, tehisintellekti hooleks ei jätnud.
- [ ] Kontrollisin nõutavate väljade täitmist.
- [ ] Kustutasin privaatsuskontrolliga mandaadid.
- [ ] Saatsin selle ametlikus vormingus ja salvestasin.