રેસીપી નિયંત્રણ, ચકાસણી અને ભૂલ કેપ્ચર

નફો:

• કૃત્રિમ બુદ્ધિ અને ફ્લેગ શંકાસ્પદ વસ્તુઓ સાથે પ્રિસ્ક્રિપ્શનમાં ડોઝ, સંકેત, ડુપ્લિકેશન અને ક્રિયાપ્રતિક્રિયાના જોખમોને પ્રી-સ્કેન કરવાની ક્ષમતા
• SmPC, માર્ગદર્શક અને ચિકિત્સક સાથે કૃત્રિમ બુદ્ધિ દ્વારા કેપ્ચર કરાયેલ દરેક ચેતવણીની પુષ્ટિ કરીને ખોટા હકારાત્મક/નકારાત્મક જોખમોનું સંચાલન કરવાની ક્ષમતા
• પ્રિસ્ક્રિપ્શનની મંજૂરી એ સક્ષમ ફાર્માસિસ્ટની જવાબદારી છે અને શંકાના કિસ્સામાં, ચિકિત્સકને પરામર્શની સાંકળ લાગુ કરવાની ક્ષમતા.

પ્રિસ્ક્રિપ્શન એ એક પુલ છે જે ચિકિત્સકના નિર્ણયને ફાર્માસિસ્ટની પ્રેક્ટિસમાં સ્થાનાંતરિત કરે છે; પરંતુ ફાર્માસિસ્ટ આ બ્રિજના દરેક બોર્ડને અલગથી ચેક કરે છે. ખોટી માત્રા, પુનરાવર્તિત દવાઓ, અવગણવામાં આવતી ક્રિયાપ્રતિક્રિયા, દર્દીને અનુકૂળ ન હોય તેવા સંકેત; આ બધું પ્રિસ્ક્રિપ્શન ચેકમાં પકડાયું છે. આ કાર્ય વ્યસ્ત ફાર્મસીમાં કલાક દીઠ ડઝનેક વખત પુનરાવર્તિત થાય છે, અને ધ્યાન થાક એ વાસ્તવિક જોખમ છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ અહીં બીજી આંખ તરીકે મૂલ્યવાન છે: તે શંકાસ્પદ વસ્તુઓને ફ્લેગ કરે છે, અવગણના કરી શકાય તેવા જોખમને હાઇલાઇટ કરે છે, તમને ચેકલિસ્ટની યાદ અપાવે છે. પરંતુ AI ખોટા હકારાત્મક (બિનજરૂરી એલાર્મ) અથવા ખોટા નકારાત્મક (ચૂકી) પેદા કરી શકે છે; તેથી તેની દરેક ચેતવણી પણ ચકાસવી જોઈએ. આ એકમમાં, તમે પ્રિસ્ક્રિપ્શન નિયંત્રણમાં કૃત્રિમ બુદ્ધિને સુરક્ષિત બીજી આંખ કેવી રીતે બનાવવી તે શીખીશું.

પ્રિસ્ક્રિપ્શન નિયંત્રણના પરિમાણો

સારી પ્રિસ્ક્રિપ્શન તપાસ આ પ્રશ્નો પૂછે છે:

• શું તે યોગ્ય દવા છે? શું સંકેત (ઉપયોગ માટેનું કારણ) દર્દી માટે યોગ્ય છે? શું નામોની સમાનતાને કારણે મૂંઝવણ છે (દા.ત. બે સમાન દવાના નામ)?
• શું તે યોગ્ય માત્રા છે? શું ડોઝ ઉંમર, વજન, કિડની/લિવરના કાર્ય પ્રમાણે યોગ્ય છે? શું મહત્તમ માત્રા ઓળંગાઈ ગઈ છે?
• શું કોઈ ડુપ્લિકેશન છે? શું સમાન સક્રિય ઘટક ધરાવતી બે પ્રોડક્ટ એકસાથે સૂચવવામાં આવી છે?
• ત્યાં ક્રિયાપ્રતિક્રિયા છે? નિયત દવાઓ અથવા દર્દી જે અન્ય દવાઓ લે છે તેની સાથે ક્રિયાપ્રતિક્રિયા?
• શું ત્યાં કોઈ વિરોધાભાસ છે? શું દર્દીની સ્થિતિ (ગર્ભાવસ્થા, એલર્જી, રોગ)ને કારણે દવા હાનિકારક છે?
• શું સમયગાળો અને રકમ સુસંગત છે? શું લખેલા બોક્સની સંખ્યા ડોઝ અને અવધિ સાથે સુસંગત છે?

AI આ દરેક પરિમાણોને પ્રી-સ્ક્રીન કરી શકે છે; પરંતુ દરેક તારણની પુષ્ટિ SmPC, માર્ગદર્શિકા અને જ્યારે જરૂરી હોય ત્યારે ચિકિત્સક દ્વારા કરવામાં આવે છે.

આ પરિમાણો પૈકી, સૌથી કપટી એ નામોની સમાનતાને કારણે થતી મૂંઝવણ છે (આંતરરાષ્ટ્રીય સાહિત્યમાં LASA: સમાન જોડણી અથવા ઉચ્ચારણ સાથેની દવાઓ). બે અલગ-અલગ સક્રિય ઘટકો કે જે ફક્ત થોડા અક્ષરો દ્વારા એકબીજાને મળતા આવે છે તે હસ્તલેખન અથવા ઝડપી પસંદગીને કારણે મૂંઝવણમાં આવી શકે છે, અને આવી ભૂલ સંપૂર્ણપણે અલગ સારવાર તરફ દોરી જાય છે. જો પ્રિસ્ક્રિપ્શનમાં દવાના નામમાં જાણીતી "મિસાઇબલ જોડી" હોય તો AI તમને યાદ અપાવી શકે છે; પરંતુ વાસ્તવમાં જેનો અર્થ છે તે નિર્ણય દર્દીના નિદાન અને જ્યારે જરૂરી હોય ત્યારે ચિકિત્સક સાથે સ્પષ્ટતા દ્વારા લેવામાં આવે છે. કૃત્રિમ બુદ્ધિની ચેતવણી કે "તે દવા સાથે મિશ્રિત થઈ શકે છે" એ શરૂઆત છે, અંત નથી.

સાવધાન: AI પ્રિસ્ક્રિપ્શનમાં સંક્ષિપ્ત શબ્દને ખોટી રીતે સમજાવી શકે છે અથવા અલગ ફોર્મમાંથી ડોઝની ગણતરી કરી શકે છે. માત્ર કારણ કે તે કહે છે કે "કોઈ વાંધો નથી" એ સાબિત કરતું નથી કે પ્રિસ્ક્રિપ્શન સાચું છે; તે જે જુએ છે તેના આધારે તે માત્ર સંકેત આપે છે.

ખોટા હકારાત્મક અને ખોટા નકારાત્મક

પ્રિસ્ક્રિપ્શન નિયંત્રણમાં બે પ્રકારની ભૂલો છે. જ્યારે વાસ્તવમાં કોઈ સમસ્યા ન હોય ત્યારે ખોટા હકારાત્મક એ એલાર્મ વગાડે છે; જો તે ખૂબ વારંવાર થાય છે, તો તે "એલાર્મ થાક" બનાવે છે અને વાસ્તવિક ચેતવણીઓને અવગણવામાં આવે છે. ખોટી નકારાત્મક વાસ્તવિક સમસ્યા ખૂટે છે; આ વધુ ખતરનાક છે કારણ કે તે શાંતિથી પસાર થાય છે. AI બંનેનું ઉત્પાદન કરી શકે છે. તેથી જ તમે AI ને એકમાત્ર નિયંત્રણ સ્તર બનાવી શકતા નથી; તે ફાર્માસિસ્ટના નિયંત્રણ માટે પૂરક છે, રિપ્લેસમેન્ટ નથી.

ત્રણ નાના કેસો

કેસ 1 - ડુપ્લિકેટ સક્રિય ઘટક. એક પ્રિસ્ક્રિપ્શનમાં બે અલગ અલગ વેપાર નામો હેઠળ સમાન સક્રિય ઘટક ધરાવતી પેઇનકિલર હતી; જો દર્દી બંને એકસાથે લે છે, તો ડોઝ બમણી થઈ જશે. કૃત્રિમ બુદ્ધિમત્તાએ પ્રી-સ્ક્રીનિંગમાં "સંભવિત ડુપ્લિકેટ સક્રિય ઘટક" ફ્લેગ કર્યું. ફાર્માસિસ્ટે SmPC પર બે ઉત્પાદનોની સામગ્રીની ચકાસણી કરી, ડુપ્લિકેશનની પુષ્ટિ કરી, અને ચિકિત્સક સાથે પરામર્શ કરીને તેમાંથી એકને રદ કરી. આર્ટિફિશિયલ ઇન્ટેલિજન્સે એવા જોખમને પ્રકાશિત કર્યું છે જેને અવગણવામાં આવી શકે છે.

કેસ 2 - ખોટી હકારાત્મક ક્રિયાપ્રતિક્રિયા. AI એ એક પ્રિસ્ક્રિપ્શનમાં "ગંભીર ક્રિયાપ્રતિક્રિયા" વિશે ચેતવણી આપી હતી. જ્યારે ફાર્માસિસ્ટે વર્તમાન ક્રિયાપ્રતિક્રિયા ડેટાબેઝ પર જોયું, ત્યારે તેણે જોયું કે આ એક સૈદ્ધાંતિક અને તબીબી રીતે નજીવી ક્રિયાપ્રતિક્રિયા હતી; દર્દીની માત્રા અને દેખરેખ પહેલાથી જ સુરક્ષિત હતી. ફાર્માસિસ્ટે ચેતવણીને "મૂલ્યાંકન કરેલ, કોઈ હસ્તક્ષેપ જરૂરી નથી" તરીકે રેકોર્ડ કર્યો. જો આર્ટિફિશિયલ ઇન્ટેલિજન્સનું આંધળું પાલન કરવામાં આવે તો ડૉક્ટર માટે બિનજરૂરી શોધ અને દર્દીની ચિંતા થશે.

કેસ 3 - ડોઝ-અવધિમાં વિસંગતતા. બાળક માટે સૂચવવામાં આવેલી ચાસણીમાં, દૈનિક માત્રા અને સારવારની અવધિ આપવામાં આવી હતી, પરંતુ સૂચિત બોટલની સંખ્યા સારવાર પૂર્ણ કરવા માટે પૂરતી ન હતી. આર્ટિફિશિયલ ઇન્ટેલિજન્સે ચેતવણી આપી હતી કે "આ રકમ સારવારના સમયગાળાને આવરી શકશે નહીં". ફાર્માસિસ્ટે ખાતાની ચકાસણી કરી, ઉણપની પુષ્ટિ કરી અને ચિકિત્સક પાસે રકમ સુધારી. કૃત્રિમ બુદ્ધિમત્તાએ અંકગણિતની વિસંગતતા પકડી.

સ્ટેપ બાય સ્ટેપ રેસીપી કંટ્રોલ (કૃત્રિમ બુદ્ધિ સમર્થિત)

1. અનામી. દર્દી ID સાફ કરો; ક્લિનિકલ સંદર્ભને એકલા દો.
2. તમારી પોતાની તપાસ કરો. ફાર્માસિસ્ટ તરીકે, તમે પહેલા પ્રિસ્ક્રિપ્શનનું મૂલ્યાંકન કરો છો.
3. બીજી આંખ માટે પૂછો. ડોઝ, ડુપ્લિકેશન, ક્રિયાપ્રતિક્રિયા અને સુસંગતતા માટે AI પ્રી-સ્ક્રીનિંગની વિનંતી કરો.
4. ફિલ્ટર ચેતવણીઓ. SmPC/ડેટાબેઝ સામે દરેક ચેતવણીનું વજન કરો; ખોટા હકારાત્મક બહાર નીંદણ.
5. જો તમને ખરેખર જોખમ હોય, તો તમારા ડૉક્ટરની સલાહ લો. ચિકિત્સક સાથે પુષ્ટિ થયેલ સમસ્યાનું નિરાકરણ કરો.
6. નિર્ણય અને સમર્થન રેકોર્ડ કરો. કેપ્ચર કરેલ અને દૂર કરેલ બંને ચેતવણીઓને શોધી શકાય તેવું બનાવો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા: "શું આ પ્રિસ્ક્રિપ્શન સાચું છે?"

મજબૂત: "ફાર્માસિસ્ટની બીજી આંખ તરીકે નીચેના પ્રિસ્ક્રિપ્શનને પ્રી-સ્ક્રીન કરો. દર્દી (અનામી): 70 વર્ષનો, ક્રિએટિનાઇન ક્લિયરન્સ ~30 mL/મિનિટ, જાણીતી એલર્જી [...]. પ્રિસ્ક્રિપ્શન: [દવા/ડોઝ/અવધિની સૂચિ]. નીચેના શીર્ષકો હેઠળ શંકાસ્પદ વસ્તુઓને ફ્લેગ કરો: ડોઝ, ક્રિયાપ્રતિક્રિયા, સંક્રમણ, સંકુચિતતા, સંલગ્નતા, સક્રિયકરણ દરેક ફ્લેગ માટે 'SmPC/ડેટાબેઝ' સાથે પુષ્ટિ કરો અને મહત્વના સ્તર (ઉચ્ચ/મધ્યમ/નીચા) નિર્ણય આપો."

દર્દી સંદર્ભ, નિયંત્રણ હેડિંગ અને ચકાસણી સ્થિતિ શક્તિશાળી પ્રોમ્પ્ટમાં સ્પષ્ટ છે.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

કાર્ય: પ્રિસ્ક્રિપ્શન પ્રી-સ્ક્રીનિંગ (સેકન્ડ આઈ, નિર્ણય નહીં).દર્દી (અનામી): ઉંમર [...], કાર્ય [...], એલર્જી [...], અન્ય દવાઓ [...].પ્રિસ્ક્રિપ્શન: [દવા | માત્રા | ડોઝ ફ્રીક્વન્સી | અવધિ | જથ્થો].આઉટપુટ: | પેન | શંકાનો પ્રકાર | વર્ણન | મહત્વ | પુષ્ટિ સ્ત્રોત |દરેક લાઇનમાં "SmPC/માર્ગદર્શિકા પુષ્ટિ જરૂરી" ઉમેરો.

કાર્ય: ડુપ્લિકેટ સક્રિય ઘટક સ્ક્રીનીંગ. દવાની સૂચિ (વેપારી નામો): [...].આઉટપુટ: ડુપ્લિકેટ્સને ચિહ્નિત કરો જેમાં સમાન સક્રિય ઘટક હોઈ શકે છે; નોંધ ઉમેરો "સામગ્રી SmPC થી ચકાસાયેલ હોવી આવશ્યક છે". જો તમને ખાતરી ન હોય, તો [UnCERTAIN] લખો.

કાર્ય: ડોઝ-રકમ-સમયગાળો સુસંગતતા તપાસો. ઇનપુટ: ડોઝ [...], આવર્તન [...], અવધિ [...] દિવસ, પ્રિસ્ક્રિપ્શન જથ્થો [...]. ગણતરી કરો: જરૂરી કુલ એકમો વગેરે. પ્રિસ્ક્રિપ્શન રકમ. કોઈપણ વિસંગતતાને ચિહ્નિત કરો. પગલું દ્વારા ગણતરી બતાવો; ફાર્માસિસ્ટ સ્વતંત્ર રીતે ચકાસણી કરશે.

કાર્ય: બિનસલાહભર્યું ચેકલિસ્ટ. દર્દીની સ્થિતિ: [ગર્ભાવસ્થા/એલર્જી/બીમારી]. દવાઓ: [...].આઉટપુટ: દરેક દવા માટે "શું આ પરિસ્થિતિ સાથે સંઘર્ષ કરી શકે છે?" પ્રશ્ન ચિહ્નિત કરો; અંતિમ ચુકાદો ન આપો, "SmPC ના વિરોધાભાસ વિભાગમાં પુષ્ટિ કરો" લખો.

રેસીપી નિયંત્રણ સ્તરો ટેબલ

સ્તર

કોણ/શું કરે છે

હેતુ

1. ફાર્માસિસ્ટ પ્રથમ વાંચન

ફાર્માસિસ્ટ

ક્લિનિકલ તર્ક અને અખંડિતતા

2. આર્ટિફિશિયલ ઇન્ટેલિજન્સ પ્રી-સ્ક્રિનિંગ

કૃત્રિમ બુદ્ધિ

તમે શું ચૂકી ગયા છો તે ચિહ્નિત કરો

3. સ્ત્રોત પુષ્ટિ

ફાર્માસિસ્ટ + SPC/ડેટાબેઝ

ચોકસાઈનો પુરાવો

4. ફિઝિશિયન સંચાર

ફાર્માસિસ્ટ ↔ ચિકિત્સક

વાસ્તવિક સમસ્યાનું નિરાકરણ

5. નોંધણી

ફાર્માસિસ્ટ

શોધી શકાતું નથી

સામાન્ય ભૂલો

• આર્ટિફિશિયલ ઈન્ટેલિજન્સે કહ્યું કે 'કોઈ વાંધો નથી' એટલે આરામ. ખોટા નકારાત્મકનું જોખમ છે; ફાર્માસિસ્ટ નિયંત્રણ જરૂરી છે.
• દરેક ચેતવણીનું આંધળું પાલન કરવું. ખોટા હકારાત્મકને દૂર કરવા જોઈએ અને બિનજરૂરી ચિકિત્સકની શોધ અટકાવવી જોઈએ.
• કૃત્રિમ બુદ્ધિ દ્વારા ડીકોડિંગ સંક્ષિપ્ત શબ્દો. જો પ્રિસ્ક્રિપ્શન સંક્ષિપ્ત શબ્દો અસ્પષ્ટ હોય, તો ચિકિત્સકને પૂછવું જોઈએ.
• જથ્થા-અવધિની ગણતરીને અવગણીને. સરળ અંકગણિતની અસંગતતાઓ દર્દીના અનુપાલનમાં વિક્ષેપ પાડે છે.
• નિર્ણયની નોંધ નથી. દૂર કરેલ અને કેપ્ચર કરેલ ચેતવણીઓ શોધી શકાય તેવી હોવી જોઈએ.

સારાંશમાં

પ્રિસ્ક્રિપ્શન નિયંત્રણમાં કૃત્રિમ બુદ્ધિ એ મૂલ્યવાન બીજી આંખ છે; તે ડોઝ, ડુપ્લિકેશન, ક્રિયાપ્રતિક્રિયા અને સુસંગતતાના જોખમોને ફ્લેગ કરીને ધ્યાન થાક સામે સલામતી જાળ સ્થાપિત કરે છે. પરંતુ તે એકમાત્ર નિયંત્રણ સ્તર હોઈ શકતું નથી કારણ કે તે ખોટા હકારાત્મક અને ખોટા નકારાત્મક બંને પેદા કરી શકે છે. ફાર્માસિસ્ટ પ્રથમ પોતાનું મૂલ્યાંકન કરે છે, SmPC અને ડેટાબેઝ સાથે કૃત્રિમ બુદ્ધિની ચેતવણીઓને ફિલ્ટર કરે છે, ચિકિત્સક સાથેની વાસ્તવિક સમસ્યાનું નિરાકરણ કરે છે અને નિર્ણય રેકોર્ડ કરે છે. પ્રિસ્ક્રિપ્શનની મંજૂરી માટેની જવાબદારી હંમેશા સક્ષમ ફાર્માસિસ્ટની રહે છે.

એપ્લિકેશન કાર્ય

એક અનામી પ્રિસ્ક્રિપ્શન દૃશ્ય સેટ કરો (દર્દી સંદર્ભ + 4-5 વસ્તુઓ, ઇરાદાપૂર્વક ડુપ્લિકેશન અને ડોઝ-ટાઇમ વિસંગતતા શામેલ છે). AI ને બીજી આંખ પ્રી-સ્કેન માટે કહો. તે પકડે છે અને ચૂકી જાય છે તે સમસ્યાઓની સૂચિ બનાવો; SmPC/ડેટાબેઝ સાથે બતાવો કે તે જે ચેતવણીઓ ઉત્પન્ન કરે છે તે ખોટા હકારાત્મક છે. છેલ્લે, ચિકિત્સકના સંદેશાવ્યવહારનો ઉપયોગ તમે પકડેલી વાસ્તવિક સમસ્યાઓને ઉકેલવા માટે કરશો અને તમે તેને કેવી રીતે રેકોર્ડ કરશો તે લખો.

ચેકલિસ્ટ

• [ ] મેં પ્રિસ્ક્રિપ્શનનું પ્રથમ જાતે મૂલ્યાંકન કર્યું.
• [ ] મેં દર્દીનો સંદર્ભ અનામી અને સંપૂર્ણ રીતે આપ્યો.
• [ ] મને AI તરફથી સંરચિત પ્રી-સ્કેન પ્રાપ્ત થયું છે.
• [ ] મેં SmPC/ડેટાબેઝ સાથે દરેક ચેતવણીની પુષ્ટિ કરી છે.
• [ ] મેં વાજબીતા સાથે ખોટા હકારાત્મકને દૂર કર્યા.
• [ ] મેં ડૉક્ટર સાથે વાસ્તવિક સમસ્યા હલ કરી.
• [ ] મેં ચેતવણીઓ રેકોર્ડ કરી કે જે પકડાયા અને કાઢી નાખવામાં આવ્યા.