Kontrola recepata, provjera i snimanje pogrešaka

Dobici:

• Sposobnost prethodnog skeniranja doziranja, indikacije, dupliciranja i rizika interakcije u receptu s umjetnom inteligencijom i označavanje sumnjivih predmeta
• Sposobnost upravljanja rizikom od lažno pozitivnih/negativnih rezultata potvrđivanjem svakog upozorenja koje je uhvatila umjetna inteligencija sa SmPC-om, vodičem i liječnikom
• Odobrenje recepta odgovornost je nadležnog ljekarnika, au slučaju sumnje, mogućnost primjene lanca konzultacija s liječnikom.

Recept je most koji prenosi odluku liječnika u ordinaciju ljekarnika; Ali farmaceut provjerava svaku dasku ovog mosta posebno. Netočna doza, ponovljeno uzimanje lijeka, previđena interakcija, indikacija koja ne odgovara pacijentu; Sve je to uhvaćeno u provjeri recepata. Ovaj se zadatak ponavlja desetke puta na sat u užurbanoj ljekarni, a zamor pozornosti predstavlja pravi rizik. Umjetna inteligencija ovdje je vrijedna kao drugo oko: ona označava sumnjive predmete, naglašava rizik koji bi se mogao zanemariti, podsjeća vas na kontrolni popis. Ali AI može proizvesti lažno pozitivan (nepotreban alarm) ili lažno negativan (promašaj); pa se mora i provjeriti svako njegovo upozorenje. U ovoj ćete jedinici naučiti kako umjetnu inteligenciju učiniti sigurnim drugim okom u kontroli recepata.

Dimenzije kontrole propisivanja

Dobra provjera recepata postavlja ova pitanja:

• Je li to pravi lijek? Je li indikacija (razlog primjene) prikladna za pacijenta? Postoji li zabuna zbog sličnosti naziva (npr. dva slična naziva lijeka)?
• Je li to prava doza? Je li doza primjerena dobi, težini, funkciji bubrega/jetre? Je li prekoračena maksimalna doza?
• Ima li dupliciranja? Propisuju li se zajedno dva proizvoda koji sadrže istu djelatnu tvar?
• Postoji li interakcija? Interakcija s propisanim lijekovima ili drugima koje pacijent uzima?
• Postoje li kontraindikacije? Je li lijek štetan zbog stanja pacijentice (trudnoća, alergija, bolest)?
• Jesu li trajanje i količina dosljedni? Je li broj napisanih kutija kompatibilan s dozom i trajanjem?

AI može unaprijed pregledati svaku od ovih dimenzija; Ali svaki se nalaz potvrđuje SmPC-om, vodičem i po potrebi liječnikom.

Među tim dimenzijama, najpodmuklija je zbrka uzrokovana sličnošću naziva (LASA u međunarodnoj literaturi: lijekovi sa sličnim pravopisom ili izgovorom). Dvije različite djelatne tvari koje sliče jedna drugoj samo po nekoliko slova mogu se zamijeniti zbog rukopisa ili brzog odabira, a takva pogreška dovodi do potpuno drugačijeg tretmana. AI vas može podsjetiti ako naziv lijeka u receptu ima poznati "par koji se može miješati"; No odluka o tome na koji se zapravo misli donosi pacijentova dijagnoza i pojašnjenje s liječnikom kada je to potrebno. Upozorenje umjetne inteligencije da se "može pomiješati s tim lijekom" je početak, a ne kraj.

Oprez: AI može netočno dešifrirati kraticu u receptu ili izračunati dozu iz drugog obrasca. Samo zato što on kaže "nema problema" ne dokazuje da je recept točan; On samo daje znak na temelju onoga što vidi.

Lažno pozitivno i lažno negativno

U kontroli propisivanja postoje dvije vrste grešaka. Lažno pozitivno je podizanje alarma kada zapravo nema problema; Ako se događa prečesto, stvara se "umor od alarma" i stvarna upozorenja se ignoriraju. Lažno negativan nedostatak znači pravi problem; Ovo je opasnije jer prolazi tiho. AI može proizvesti oboje. Zato AI ne možete učiniti jedinim kontrolnim slojem; to je dopuna farmaceutskoj kontroli, a ne zamjena.

tri mini kućišta

Slučaj 1 — Duplicirani aktivni sastojak. Jedan je recept sadržavao lijek protiv bolova koji je sadržavao isti aktivni sastojak pod dva različita trgovačka naziva; Kad bi pacijent uzimao oboje zajedno, doza bi se udvostručila. Umjetna inteligencija označila je "mogući duplikat aktivnog sastojka" u prethodnom pregledu. Ljekarnik je provjerio sadržaj dvaju proizvoda u SmPC-u, potvrdio dupliciranje i poništio jedan od njih u dogovoru s liječnikom. Umjetna inteligencija istaknula je rizik koji se mogao previdjeti.

Slučaj 2 — Lažno pozitivna interakcija. AI je upozorio na "ozbiljnu interakciju" u jednom receptu. Kad je ljekarnik pogledao trenutnu bazu podataka o interakcijama, vidio je da je to teoretski i klinički beznačajna interakcija; Doza i praćenje pacijenta već su bili sigurni. Ljekarnik je upozorenje zabilježio kao "procijenjeno, nije potrebna nikakva intervencija". Kad bi se umjetna inteligencija slijepo slijedila, nastala bi nepotrebna potraga za liječnikom i tjeskoba pacijenata.

Slučaj 3 — Neusklađenost doza-trajanje. U sirupu propisanom za dijete navedena je dnevna doza i trajanje liječenja, ali broj propisanih bočica nije bio dovoljan za završetak liječenja. Umjetna inteligencija je upozorila da "iznos možda neće pokriti razdoblje liječenja". Ljekarnik je ovjerio račun, potvrdio manjak i ispravio iznos s liječnikom. Umjetna inteligencija uhvatila je aritmetičku nepodudarnost.

Kontrola recepta korak po korak (podržana umjetna inteligencija)

1. Anonimiziraj. Obriši ID pacijenta; a kamoli klinički kontekst.
2. Napravite vlastitu provjeru. Kao ljekarnik, prvo procjenjujete recept.
3. Zatražite drugo oko. Zatražite prethodnu provjeru AI za dozu, dupliciranje, interakciju i dosljednost.
4. Filtrirajte upozorenja. Odvažite svako upozorenje u odnosu na SmPC/bazu podataka; Uklonite lažne pozitivne rezultate.
5. Ako ste pod stvarnim rizikom, obratite se svom liječniku. Utvrđeni problem riješite s liječnikom.
6. Zabilježite odluku i obrazloženje. Omogućite praćenje i snimljenih i eliminiranih upozorenja.

Slab upit / Jak upit

Slab: "Je li ovaj recept točan?"

Strong: "Prethodno provjerite sljedeći recept kao ljekarnikovo drugo oko. Pacijent (anonimno): 70 godina, klirens kreatinina ~30 mL/min, poznata alergija [...]. Recept: [lijek/doza/popis trajanja]. Označite sumnjive stavke pod sljedećim naslovima: prikladnost doze, duplikat aktivnog sastojka, interakcija, kontraindikacija, dosljednost količine i trajanja. Za svaku oznaku "Potvrdite s SmPC-om/bazom podataka 'et' i dajte odluku o razini važnosti (visoka/srednja/niska)."

Kontekst pacijenta, kontrolni naslovi i uvjeti verifikacije jasni su u snažnom upitu.

Četiri predloška za kopiranje

Zadatak: Preliminarni pregled na recept (DRUGO OKO, ne odluka). Pacijent (anonimno): dob [...], funkcija [...], alergija [...], drugi lijekovi [...]. Recept: [lijek | doza | učestalost doze | trajanje | količina].Izlaz: | Olovka | Vrsta sumnje | Opis | Važnost | Izvor potvrde |Dodajte "Potrebna potvrda SmPC-a/smjernice" u svaki redak.

Zadatak: Provjera dupliciranih djelatnih tvari. Popis lijekova (trgovački nazivi): [...]. Ishod: Označite duplikate koji bi mogli sadržavati istu djelatnu tvar; dodajte napomenu "sadržaj mora biti potvrđen iz SmPC-a". Ako niste sigurni, napišite [NISIGURNO].

Zadatak: Provjera dosljednosti doza-količina-trajanje. Unos: doza [...], učestalost [...], trajanje [...] dana, količina na recept [...]. Izračunaj: ukupno potrebne jedinice itd. iznos na recept. Označite sve nedosljednosti. Prikažite izračun korak po korak; Ljekarnik će samostalno provjeriti.

Zadatak: Kontrolna lista kontraindikacija. Stanja pacijenta: [trudnoća/alergija/bolest]. Lijekovi: [...].Izlaz: Za svaki lijek "može li ovo biti u sukobu sa situacijom?" Označite pitanje; ne donose konačnu prosudbu, napišite "potvrdite u odjeljku o kontraindikacijama SmPC-a".

Tablica kontrolnih slojeva recepta

sloj

Tko/što radi

Svrha

1. Ljekarnik prvo čitanje

ljekarnik

Klinička logika i integritet

2. Prethodni pregled umjetne inteligencije

umjetna inteligencija

Označite što ste propustili

3. Potvrda izvora

Farmaceut + SPC/baza podataka

dokaz točnosti

4. Komunikacija liječnika

Farmaceut ↔ Liječnik

Rješavanje pravog problema

5. Registracija

ljekarnik

sljedivost

Uobičajene greške

• Opuštajuće jer je umjetna inteligencija rekla 'nema problema'. Postoji rizik od lažno negativnih rezultata; Kontrola farmaceuta je neophodna.
• Slijepo slušanje svakog upozorenja. Treba eliminirati lažne pozitivne rezultate i spriječiti nepotrebne pretrage liječnika.
• Dekodiranje kratica pomoću umjetne inteligencije. Ako su kratice na receptu nejasne, potrebno je pitati liječnika.
• Preskakanje izračuna količine i trajanja. Jednostavne aritmetičke nedosljednosti ometaju suradljivost pacijenata.
• Ne bilježi odluku. Eliminirana i snimljena upozorenja moraju se moći pratiti.

Ukratko

Umjetna inteligencija je dragocjeno drugo oko u kontroli recepata; Uspostavlja sigurnosnu mrežu protiv zamora pozornosti označavanjem rizika od doziranja, dupliciranja, interakcije i dosljednosti. Ali to ne može biti jedini kontrolni sloj jer može proizvesti i lažno pozitivne i lažno negativne rezultate. Ljekarnik prvo napravi vlastitu procjenu, filtrira upozorenja umjetne inteligencije sa SmPC-om i bazom podataka, rješava stvarni problem s liječnikom i bilježi odluku. Odgovornost za odobravanje recepata uvijek je na nadležnom ljekarniku.

Zadatak aplikacije

Postavite anonimni scenarij propisivanja (kontekst pacijenta + 4-5 stavki, uključite namjerno dupliciranje i odstupanje između doze i vremena). Zamolite AI za prethodno skeniranje drugog oka. Navedite probleme koje uhvati i propusti; Pokažite pomoću SmPC-a/baze podataka koja su upozorenja koja proizvodi lažno pozitivna. Na kraju, zapišite komunikaciju s liječnikom kojom ćete riješiti stvarne uočene probleme i kako ćete ih zabilježiti.

popis za provjeru

• [ ] Prvo sam osobno procijenio recept.
• [ ] Pacijentu sam dao kontekst anonimno i potpuno.
• [ ] Dobio sam strukturirano prethodno skeniranje od umjetne inteligencije.
• [ ] Svako upozorenje potvrdio sam SmPC-om/bazom podataka.
• [ ] Eliminirao sam lažne pozitivne rezultate s opravdanjem.
• [ ] S liječnikom sam riješio pravi problem.
• [ ] Zabilježio sam upozorenja koja su uhvaćena i eliminirana.