Nyereség:
- Képes értékelni a bizonyítékok minőségét és a kimenet határát a kábítószer-gyógyszer, gyógyszer-élelmiszer és gyógyszer-betegség kölcsönhatások mesterséges intelligenciával történő előszűrése során
- Képes a mesterséges intelligencia kimenetének keresztellenőrzésére független számítással és SmPC-vel a dózis-, egység- és alkalmazási gyakoriság számításokban
- Képes megérteni, hogy a kölcsönhatások és az adagolási döntések végső felelőssége az illetékes gyógyszerészé, és hogy a klinikai jelentőségét a beteggel összefüggésben kell értékelni.
A gyógyszerészet középpontjában két kérdés áll: "Biztonságosak ezek a gyógyszerek együtt?" és "Ez az adag megfelelő ennek a betegnek?" Ezt a két kérdést naponta több százszor teszik fel, és mindegyik közvetlenül érinti a betegek biztonságát. A mesterséges intelligencia felgyorsíthatja ezeknek a kérdéseknek az előszűrését; Felsorolja a lehetséges kölcsönhatásokat egy listában, emlékezteti az adagolási logikára, és rámutat egy pontra, amelyet elfelejtett. De a „lehetséges interakció” és a „klinikailag értelmes interakció ennél a páciensnél” közötti különbség az Ön szakmájának lényege, és ezt a különbséget Ön hozza létre, nem az AI. Ebben az egységben megtudhatja, hogyan teheti a mesterséges intelligenciát biztonságos előszűrési eszközzé az interakcióhoz és a dózisszabályozáshoz.
Háromféle gyógyszerkölcsönhatás
A kölcsönhatás az, amikor egy anyag megváltoztatja egy másik anyag hatását. Három fő típusa van:
- Gyógyszer-gyógyszer kölcsönhatás: Két gyógyszer fokozza vagy csökkenti egymás hatását. Példa: Warfarin (vérhígító) és egyes antibiotikumok egyidejű alkalmazása növelheti a vérzés kockázatát.
- Gyógyszer-tápanyag kölcsönhatás: Egy élelmiszer megváltoztatja a gyógyszer felszívódását vagy metabolizmusát. Példa: a grapefruitlé megemelheti egyes gyógyszerek vérszintjét.
- Gyógyszer-betegség kölcsönhatás: A gyógyszer ronthatja a beteg meglévő betegségét. Példa: egyes fájdalomcsillapítók károsak lehetnek szívelégtelenség vagy vesebetegség esetén.
A mesterséges intelligencia mindhárom típust képes kiszűrni, de a gyógyszerész feladata, hogy értékelje az egyes riasztások klinikai jelentőségét (akár ténylegesen szükséges-e beavatkozás) a pácienssel összefüggésben.
Vigyázat: Még az interakciós adatbázisok is megkülönböztetnek „elméleti” és „klinikailag értelmes” interakciót. Az AI mindkettőt egyforma komolysággal fel tudja sorolni. Mérje meg az egyes riasztásokat az aktuális forráshoz képest, hogy elkerülje a riasztási fáradtságot (túl sok riasztás és az igazi hiánya).
Hol segít a mesterséges intelligencia a dózisszabályozásban
A dózisszabályozás három lépésből áll: a helyes dózis ismerete, a pácienshez való igazítás és a számítás helyes elvégzése. Mesterséges intelligencia:
- Emlékeztet: "Veseelégtelenség esetén szükség van ennek a gyógyszernek az adagolás módosítására?" Ilyen kérdésekre ad választ előzetes szűrésként.
- Számítási vázlatok: Gyorsan kiadja a rutin számításokat, mint például a mg/kg számítás, ml konverzió, alkalmazási gyakoriság.
- Ellenőrzőlistát hoz létre: Felsorolja azokat a dolgokat, amelyekre figyelni kell az adag megerősítése előtt.
De mindhárom lépésben a végső szó az SmPC-ben (Summary Product Information; a gyógyszer hivatalosan jóváhagyott információs szövege) és a független fiókban van. A mesterséges intelligencia rosszul emlékszik egy adagra, összetévesztheti az egységeket (mg és mcg), vagy más indikációra adja meg az adagot.
három mini tok
1. eset – Warfarin és antibiotikumok. Az orvos új antibiotikumot írt fel egy 72 éves, warfarint szedő betegnek. A mesterséges intelligencia a "vérzés fokozott kockázatára, az INR szoros monitorozása javasolt" figyelmeztetett az előszűrés során. A gyógyszerész megerősítette ezt a figyelmeztetést az aktuális interakciós adatbázissal és az alkalmazási előírással, tájékoztatta az orvost, és emlékeztette a beteget az INR (véralvadási teszt) ellenőrzési dátumára. Az AI biztonsági hálóvá vált itt; A döntés gyógyszerész-orvos egyeztetéssel született.
2. eset – Gyermekgyógyászati adagolás. A szirupot 4 éves, 16 kg súlyú gyermeknek írták fel. Adag 15 mg/ttkg/nap, napi 2 adagban. Az AI kiszámítása „16 × 15 = 240 mg/nap, 120 mg adagonként”. A gyógyszerész függetlenül ellenőrizte a számítást, megkapta a szirup koncentrációját (pl. 250 mg/5 ml) az alkalmazási előírásból, és adagonként 2,4 ml-re számolta. Az AI nem tudott ml-t adni, mert nem ismerte a koncentrációt; A gyógyszerész maga végezte el ezt a lépést.
3. eset – Vesefunkció. Egy 25 ml/perc becsült kreatinin-clearance-ű betegnek olyan gyógyszert írtak fel, amelyet általában teljes dózisban adtak be. A mesterséges intelligencia azt mondta: "Ez a gyógyszer dózismódosítást igényelhet veseelégtelenség esetén, erősítse meg az alkalmazási előírásból." A gyógyszerész az alkalmazási előírásban látta, hogy az adagot felére kell csökkenteni, ha a clearance 30 ml/perc alatt van, és felvette a kapcsolatot az orvossal. A mesterséges intelligencia a megfelelő ajtón kopogtatott, de az SPC pontos arányt adott.
Lépésről lépésre interakció és dózisszabályozás
- Állítson be névtelen kontextust. Készítse elő a beteg életkorát, testsúlyát, vese/máj állapotát és a teljes gyógyszerlistát (azonosítás nélkül).
- Kérjen előszűrést. Kérje meg az AI-t, hogy sorolja fel a kölcsönhatásokat és az adagolási kockázatokat.
- Szűrje a klinikai jelentőségét. Mérje meg az egyes riasztásokat az aktuális adatbázissal/SmPC-vel; Elméleti vagy értelmes?
- A számítást önállóan végezze el. Oldja meg újra a dózisszámítást egységanalízissel.
- Szükség esetén forduljon orvoshoz. Ha kétségei vannak, lépjen kapcsolatba velünk; Rögzítse a döntést és az indoklást.
Gyenge felszólítás / Erős felszólítás
Gyenge: „Kölcsönhatásba lépnek ezek a gyógyszerek?”
Erős: "Sorozza fel a lehetséges gyógyszer-gyógyszer és gyógyszer-betegség kölcsönhatásokat a beteg előzetes szűréseként a következő gyógyszerek listáját használva. Beteg: 68 éves, szívelégtelenség, kreatinin-clearance ~35 ml/perc. Gyógyszerek: [lista]. Minden interakcióhoz írja be a mechanizmust, a valószínű klinikai eredményt, és vegye figyelembe, hogy "SmPC/adatbázis-ellenőrzési lista csak döntéshozatal szükséges".
A hatékony felszólításban világos a betegkörnyezet, a gyógyszerlista és a limit; A kimenet nem döntés, hanem egy ellenőrző lista.
Négy másolható sablon
Feladat: Interakciós előszűrés (NEM DÖNTÉS).Beteg (névtelen): életkor [...], testsúly [...], vese/máj [...], diagnózisok [...].Gyógyszerlista: [...].Kimenet: | Drogpár | Mechanizmus | Lehetséges eredmény | Prioritás (magas/közepes/alacsony) | Megerősítés forrása |Megjegyzés: Minden sorhoz adja hozzá az "SPC/adatbázis megerősítése szükséges" kifejezést.
Feladat: Készítsen adagolási ellenőrzőlistát. Gyógyszer: [...], indikáció: [...], beteg életkora/súlya/funkciója: [...].Rendezés: 1) Ismert-e a standard adagolási tartomány? 2) Szükséges-e a vese/máj módosítása? 3) Maximális a túladagolás kockázata? 4) Alkalmazási gyakoriság/időtartam? Minden tételhez írja be, hogy „megerősítés az SmPC-től”. Ne adjon meg pontos számot, vonja le az ellenőrizendő pontot.
Feladat: mutasson mg/kg dózisszámítást LÉPÉSRE LÉPÉSRE és írjon egységanalízist.Input: tömeg [...] kg, dózis [...] mg/kg/nap, adagok száma [...]/nap, termékkoncentráció [...] mg/mL.Kimenet: mg / nap, mg / adag, ml / adag. Minden lépésnél mutasson egységet.Figyelmeztetés: A gyógyszerésznek önállóan kell ellenőriznie ezt a számítást.
Feladat: Sorolja fel a gyógyszer-tápanyag kölcsönhatásokat.Drogok: [...].Kimenet: | Orvostudomány | Kölcsönhatásba lépő étel/ital | Hatás | Javaslat a betegnek | Megerősítő megjegyzés | Csak ismert, forrásból származó interakciókat írjon; Ha nem biztos benne, jelölje be a „bizonytalan-megerősített” lehetőséget.
Adagolás-ellenőrzési figyelmeztető táblázat a gyógyszer típusától függően
Állapot
A mesterséges intelligencia szerepe
Kötelező ellenőrzés
Normál felnőtt adag
Emlékeztető/ellenőrző lista
SPC dózistartomány
Vese/májelégtelenség
Jelzi, hogy kiigazításokra van szükség
Pontos arány + clearance számítás az SmPC-ből
Gyermekgyógyászati (mg/kg)
számlatervezet
Független számla + koncentráció
Szűk terápiás indexű gyógyszer (például warfarin, digoxin)
Figyelmeztetés kiemelése
SmPC + monitorozási paraméter + orvos
Gyakori hibák
- Vegyünk minden figyelmeztetést egyformán komolyan. Az elméleti és a klinikailag szignifikáns kölcsönhatást el kell különíteni.
- Lekerül a fókusz a mesterséges intelligenciáról. A termék koncentrációja mindig az alkalmazási előírásból/címkéből származik.
- Egységzavar átugrása. A számításnál pontosítani kell az olyan mértékegységeket, mint a mg/mcg, mg/mL, %.
- Pihenés a szűk terápiás indexű gyógyszeres kezelésen. Ezekben a gyógyszerekben egy kis hiba nagy kockázatot jelent; nyomon követés szükséges.
- Az orvossal való konzultáció késleltetése. A kommunikációt nem szabad késleltetni az értelmes interakció/adagolás kérdésével kapcsolatban.
Összefoglalva
A mesterséges intelligencia hatékony előszűrési és emlékeztető eszköz az interakcióban és a dózisszabályozásban; Felfedi a lehetséges kockázatokat és felgyorsítja a rutint. De a gyógyszerész kötelessége különbséget tenni a „valószínű” és a „jelentős az ennél a betegnél” között, a koncentrációt és a pontos arányt az alkalmazási előírásból megállapítani, a számítást függetlenül ellenőrizni, és kétség esetén orvoshoz fordulni. A döntés és a felelősség az illetékes gyógyszerészé marad.
Pályázati feladat
Anonim betegprofil készítése (életkor, testsúly, vesefunkció, 4-5 gyógyszer). Kérje az AI-t az interakció előtti szűréshez és az adagolási ellenőrző listához. Hasonlítsa össze az egyes riasztásokat a kimenetben az aktuális interakciós forrással és az SmPC-vel; Jelölje meg, hogy melyik figyelmeztetés klinikailag jelentős, és melyik elméleti. Függetlenül végezzen dózisszámítást, és hasonlítsa össze az AI-eredménnyel, és vegye figyelembe a különbséget.
ellenőrző lista
- [ ] A páciens kontextusát névtelenül és teljes mértékben megadtam.
- [ ] Az előzetes interakciós szűrést klinikai jelentőségre szűrtem.
- [ ] Minden figyelmeztetést megerősítettem az aktuális adatbázissal/SmPC-vel.
- [ ] A dózisszámítást független és egységanalízissel igazoltam.
- [ ] A koncentráció/pontos arányt az SPC-től kaptam.
- [ ] További óvatossággal jártam el a szűk terápiás indexű gyógyszereknél.
- [ ] Kétség esetén konzultáltam az orvossal, és rögzítettem a döntést.