Kontrol Resep, Verifikasi dan Pengambilan Kesalahan — Kecerdasan Buatan di Farmasi

Keuntungan:

Kemampuan untuk melakukan pra-scan dosis, indikasi, duplikasi dan risiko interaksi dalam resep dengan kecerdasan buatan dan menandai item yang mencurigakan
Kemampuan untuk mengelola risiko positif/negatif palsu dengan mengonfirmasi setiap peringatan yang ditangkap oleh kecerdasan buatan dengan SmPC, pemandu, dan dokter
Persetujuan resep adalah tanggung jawab apoteker yang kompeten dan jika ada keraguan, kemampuan untuk menerapkan rantai konsultasi dengan dokter.

Resep merupakan jembatan yang mengalihkan keputusan dokter ke praktik apoteker; Namun apoteker memeriksa setiap papan jembatan ini secara terpisah. Dosis yang salah, pengobatan yang berulang, interaksi yang terabaikan, indikasi yang tidak sesuai dengan pasien; Semua ini tercakup dalam pemeriksaan resep. Tugas ini diulangi puluhan kali per jam di apotek yang sibuk, dan kelelahan akibat perhatian adalah risiko yang nyata. Kecerdasan buatan berguna di sini sebagai mata kedua: ia menandai item yang mencurigakan, menyoroti risiko yang mungkin diabaikan, mengingatkan Anda pada daftar periksa. Namun AI dapat menghasilkan positif palsu (alarm yang tidak diperlukan) atau negatif palsu (melewatkan); jadi setiap peringatannya juga harus diverifikasi. Dalam unit ini, Anda akan mempelajari cara menjadikan kecerdasan buatan sebagai mata kedua yang aman dalam pengendalian resep.

Dimensi pengendalian resep

Pemeriksaan resep yang baik menanyakan pertanyaan-pertanyaan berikut:

Apakah itu obat yang tepat? Apakah indikasi (alasan penggunaan) sesuai untuk pasien? Apakah ada kebingungan karena kesamaan nama (misalnya dua nama obat serupa)?
Apakah dosisnya tepat? Apakah dosisnya sesuai dengan usia, berat badan, fungsi ginjal/hati? Apakah dosis maksimum telah terlampaui?
Apakah ada duplikasi? Apakah dua produk yang mengandung bahan aktif yang sama diresepkan bersamaan?
Apakah ada interaksi? Interaksi dengan obat yang diresepkan atau obat lain yang dikonsumsi pasien?
Apakah ada kontraindikasi? Apakah obat tersebut berbahaya karena kondisi pasien (kehamilan, alergi, penyakit)?
Apakah durasi dan jumlahnya konsisten? Apakah jumlah kotak yang tertulis sesuai dengan dosis dan durasinya?

AI dapat menyaring masing-masing dimensi ini terlebih dahulu; Namun setiap temuan dikonfirmasi oleh SmPC, pemandu, dan bila perlu, dokter.

Di antara dimensi-dimensi tersebut, yang paling berbahaya adalah kebingungan yang disebabkan oleh kesamaan nama (LASA dalam literatur internasional: obat-obatan dengan ejaan atau pengucapan yang mirip). Dua bahan aktif berbeda yang mirip satu sama lain hanya dengan beberapa huruf dapat tertukar karena tulisan tangan atau pemilihan yang cepat, dan kesalahan seperti itu menyebabkan penanganan yang sangat berbeda. AI dapat mengingatkan Anda jika nama obat dalam resep diketahui memiliki “pasangan yang dapat larut”; Namun keputusan mana yang sebenarnya dimaksud diambil berdasarkan diagnosis pasien dan klarifikasi dengan dokter bila diperlukan. Peringatan kecerdasan buatan bahwa "mungkin dicampur dengan obat itu" adalah sebuah awal, bukan akhir.

Perhatian: AI mungkin salah mengartikan singkatan dalam resep atau menghitung dosis dari bentuk yang berbeda. Hanya karena dia mengatakan "tidak masalah" tidak membuktikan bahwa resepnya benar; Ia hanya memberi tanda berdasarkan apa yang dilihatnya.

Positif palsu dan negatif palsu

Ada dua jenis kesalahan dalam pengendalian resep. Positif palsu menimbulkan alarm padahal sebenarnya tidak ada masalah; Jika hal ini terjadi terlalu sering, hal ini menimbulkan "alarm kelelahan" dan peringatan sebenarnya diabaikan. Negatif palsu berarti tidak ada masalah sebenarnya; Ini lebih berbahaya karena lewat secara diam-diam. AI dapat menghasilkan keduanya. Itu sebabnya Anda tidak bisa menjadikan AI sebagai satu-satunya lapisan kontrol; ini merupakan pelengkap kendali apoteker, bukan pengganti.

tiga kasus mini

Kasus 1 — Bahan aktif duplikat. Satu resep berisi obat penghilang rasa sakit yang mengandung bahan aktif yang sama dengan dua nama dagang berbeda; Jika pasien mengonsumsi keduanya bersamaan, dosisnya akan berlipat ganda. Kecerdasan buatan menandai "kemungkinan duplikat bahan aktif" dalam pra-penyaringan. Apoteker memverifikasi kandungan kedua produk tersebut di SmPC, memastikan duplikasinya, dan membatalkan salah satunya setelah berkonsultasi dengan dokter. Kecerdasan buatan menyoroti risiko yang bisa saja diabaikan.

Kasus 2 — Interaksi positif palsu. AI memperingatkan “interaksi serius” dalam satu resep. Ketika apoteker melihat database interaksi saat ini, dia melihat bahwa ini adalah interaksi yang tidak signifikan secara teoritis dan klinis; Dosis dan pemantauan pasien pun sudah aman. Apoteker mencatat peringatan tersebut sebagai "dievaluasi, tidak diperlukan intervensi". Jika kecerdasan buatan diikuti secara membabi buta, akan terjadi pencarian dokter yang tidak perlu dan kecemasan pasien.

Kasus 3 — Perbedaan durasi dosis. Dalam sirup yang diresepkan untuk anak-anak, dosis harian dan durasi pengobatan diberikan, tetapi jumlah botol yang diresepkan tidak cukup untuk menyelesaikan pengobatan. Kecerdasan buatan memberi peringatan bahwa “jumlah tersebut mungkin tidak mencakup masa pengobatan”. Apoteker memverifikasi akun tersebut, mengkonfirmasi kekurangannya, dan mengoreksi jumlahnya dengan dokter. Kecerdasan buatan menangkap perbedaan aritmatika.

Kontrol resep langkah demi langkah (didukung kecerdasan buatan)

Anonimkan. Hapus ID pasien; apalagi konteks klinisnya.
Lakukan pemeriksaan Anda sendiri. Sebagai apoteker, Anda mengevaluasi resepnya terlebih dahulu.
Mintalah mata kedua. Minta pra-penyaringan AI untuk dosis, duplikasi, interaksi, dan konsistensi.
Filter peringatan. Timbang setiap peringatan terhadap SmPC/database; Singkirkan positif palsu.
Jika Anda benar-benar berisiko, konsultasikan dengan dokter Anda. Selesaikan masalah yang dikonfirmasi dengan dokter.
Catat keputusan dan pembenarannya. Jadikan peringatan yang ditangkap dan dihilangkan dapat dilacak.

Perintah lemah / Perintah kuat

Lemah: "Apakah resep ini benar?"

Kuat: "Skrining terlebih dahulu resep berikut ini sebagai mata kedua apoteker. Pasien (anonim): 70 tahun, bersihan kreatinin ~30 mL/menit, diketahui alergi [...]. Resep: [daftar obat/dosis/durasi]. Tandai item yang mencurigakan di bawah judul berikut: kesesuaian dosis, duplikat bahan aktif, interaksi, kontraindikasi, konsistensi jumlah-durasi. Untuk setiap tanda 'Konfirmasi dengan SmPC/database 'et' dan berikan keputusan tingkat kepentingan (tinggi/sedang/rendah).'

Konteks pasien, judul kontrol, dan kondisi verifikasi jelas dalam prompt yang kuat.

Empat templat yang dapat disalin

Tugas: Menduplikasi penyaringan bahan aktif.Daftar obat (nama dagang): [...].Keluaran: Menandai duplikat yang mungkin mengandung bahan aktif yang sama; tambahkan catatan "konten harus diverifikasi dari SmPC". Jika Anda tidak yakin, tulislah [TIDAK PASTI].

Tugas: Pemeriksaan konsistensi dosis-jumlah-durasi.Masukan: dosis [...], frekuensi [...], durasi [...] hari, jumlah resep [...].Hitung: total unit yang dibutuhkan, dll. jumlah resep. Tandai setiap perbedaan. Tunjukkan perhitungan langkah demi langkah; Apoteker akan melakukan verifikasi secara independen.

Tugas: Daftar periksa kontraindikasi. Kondisi pasien: [kehamilan/alergi/penyakit]. Narkoba: [...].Keluaran: Untuk setiap obat "dapatkah ini bertentangan dengan situasi?" Tandai pertanyaannya; jangan membuat keputusan akhir, tulis "konfirmasi di bagian kontraindikasi SmPC".

Tabel lapisan kontrol resep

lapisan

Siapa/apa yang melakukan

Tujuan

1. Bacaan pertama apoteker

Apoteker

Logika dan integritas klinis

2. Pra-penyaringan kecerdasan buatan

kecerdasan buatan

Tandai apa yang Anda lewatkan

3. Konfirmasi sumber

Apoteker + SPC/database

bukti keakuratan

4. Komunikasi dokter

Apoteker ↔ Dokter

Memecahkan masalah sebenarnya

5. Pendaftaran

Apoteker

ketertelusuran

Kesalahan umum

Santai karena kecerdasan buatan mengatakan 'tidak masalah'. Ada risiko negatif palsu; Kontrol apoteker sangat penting.
Mematuhi setiap peringatan secara membabi buta. Hasil positif palsu harus dihilangkan dan pencarian dokter yang tidak perlu harus dicegah.
Menguraikan singkatan dengan kecerdasan buatan. Jika singkatan resep tidak jelas, dokter harus ditanyai.
Melewatkan perhitungan kuantitas-durasi. Inkonsistensi aritmatika sederhana mengganggu kepatuhan pasien.
Tidak mencatat keputusan tersebut. Peringatan yang dihilangkan dan ditangkap harus dapat dilacak.

Singkatnya

Kecerdasan buatan adalah mata kedua yang berharga dalam pengendalian resep; Ini menciptakan jaring pengaman terhadap kelelahan perhatian dengan menandai risiko dosis, duplikasi, interaksi, dan konsistensi. Namun lapisan ini tidak bisa menjadi satu-satunya lapisan kontrol karena dapat menghasilkan positif palsu dan negatif palsu. Apoteker pertama-tama membuat evaluasinya sendiri, menyaring peringatan kecerdasan buatan dengan SmPC dan database, memecahkan masalah sebenarnya dengan dokter dan mencatat keputusannya. Tanggung jawab persetujuan resep selalu berada pada apoteker yang kompeten.

Tugas aplikasi

Siapkan skenario resep anonim (konteks pasien + 4-5 item, termasuk duplikasi yang disengaja dan perbedaan dosis-waktu). Minta AI untuk melakukan pra-scan mata kedua. Buat daftar masalah yang tertangkap dan terlewatkan; Tunjukkan dengan SmPC/database peringatan mana yang dihasilkannya yang merupakan positif palsu. Terakhir, tuliskan komunikasi dokter yang akan Anda gunakan untuk memecahkan masalah nyata yang ditemukan dan bagaimana Anda akan mencatatnya.

daftar periksa

[ ] Saya sendiri yang mengevaluasi resepnya.
[ ] Saya memberikan konteks pasien secara anonim dan lengkap.
[ ] Saya menerima pra-pemindaian terstruktur dari AI.
[ ] Saya mengkonfirmasi setiap peringatan dengan SmPC/database.
[] Saya menghilangkan positif palsu dengan pembenaran.
[ ] Saya memecahkan masalah sebenarnya dengan dokter.
[ ] Saya mencatat peringatan yang ditangkap dan dihilangkan.