ಫಾರ್ಮಾಕೋವಿಜಿಲೆನ್ಸ್: ಪ್ರತಿಕೂಲ ಪರಿಣಾಮದ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಸೂಚನೆ

ಲಾಭಗಳು:

• ಪ್ರತಿಕೂಲ ಔಷಧ ಪ್ರತಿಕ್ರಿಯೆಗಳು (ಅಡ್ಡಪರಿಣಾಮಗಳು), ಕಾರಣದ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು TÜFAM ಅಧಿಸೂಚನೆ ಕರಡು ಸಿದ್ಧಪಡಿಸುವಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯ
• ಸಂಪೂರ್ಣತೆ, ಗೌಪ್ಯತೆ ಮತ್ತು ಅಧಿಕೃತ ಸ್ವರೂಪದಲ್ಲಿ ಅದನ್ನು ಪರಿಶೀಲಿಸುವ ಮೂಲಕ ಅಧಿಸೂಚನೆ ಪಠ್ಯವನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಫಾರ್ಮಾಕವಿಜಿಲೆನ್ಸ್ ವರದಿಯಲ್ಲಿನ ಕಾರಣ ನಿರ್ಣಯಕ್ಕೆ ತಜ್ಞರ ಮೌಲ್ಯಮಾಪನದ ಅಗತ್ಯವಿದೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಕರಡನ್ನು ಮಾತ್ರ ಉತ್ಪಾದಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ

ಒಮ್ಮೆ ಔಷಧ ಮಾರುಕಟ್ಟೆಗೆ ಬಂದರೆ ಅದರ ಕಥೆ ಮುಗಿಯುವುದಿಲ್ಲ; ನಿಜವಾದ ರೋಗಿಗಳು ಔಷಧವನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಿದ ನಂತರ ನಿಜವಾದ ಸುರಕ್ಷತೆಯ ಮಾಹಿತಿಯು ಸಂಗ್ರಹಗೊಳ್ಳುತ್ತದೆ. ಫಾರ್ಮಾಕೊವಿಜಿಲೆನ್ಸ್ (ಔಷಧ ಸುರಕ್ಷತೆಯ ಮೇಲ್ವಿಚಾರಣೆ) ಪ್ರತಿಕೂಲ ಔಷಧ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು (ಅನಗತ್ಯ, ಹಾನಿಕಾರಕ ಔಷಧ ಪರಿಣಾಮಗಳು) ಸಂಗ್ರಹಿಸುವ, ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಮತ್ತು ತಡೆಗಟ್ಟುವ ವಿಜ್ಞಾನವಾಗಿದೆ. ಔಷಧಿಕಾರರು ಈ ವ್ಯವಸ್ಥೆಯ ಮುಂಚೂಣಿಯ ಕಣ್ಣುಗಳಲ್ಲಿ ಒಬ್ಬರು: ಅವರು ರೋಗಿಯ ಪದಗುಚ್ಛವನ್ನು "ನಾನು ಈ ಔಷಧಿಯ ನಂತರ ರಾಶ್ ಹೊಂದಿದ್ದೇನೆ" ಅನ್ನು ಆರೋಗ್ಯ ಸಂಕೇತವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತಾನೆ. ಈ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಚೆಕ್‌ಲಿಸ್ಟ್‌ಗಳನ್ನು ದಾಖಲಿಸುವುದು, ಕರಡು ರಚಿಸುವುದು ಮತ್ತು ಉತ್ಪಾದಿಸುವಲ್ಲಿ AI ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ. ಆದರೆ ಕಾರಣದ ತೀರ್ಪು (ಪರಿಣಾಮವು ನಿಜವಾಗಿಯೂ ಔಷಧದ ಕಾರಣದಿಂದಾಗಿರಬಹುದು) ವೈದ್ಯಕೀಯ ಮೌಲ್ಯಮಾಪನವಾಗಿದೆ ಮತ್ತು AI ಗೆ ನಿಯೋಜಿಸಲಾಗುವುದಿಲ್ಲ. ಈ ಘಟಕದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ ಪ್ರತಿಕೂಲ ಪರಿಣಾಮದ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ವರದಿ ಮಾಡುವಿಕೆಯನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಹೇಗೆ ನಡೆಸುವುದು ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ.

ಪ್ರತಿಕೂಲ ಪರಿಣಾಮಗಳು ಮತ್ತು ವರದಿಯ ಪ್ರಾಮುಖ್ಯತೆ

ಪ್ರತಿಕೂಲ ಔಷಧ ಪ್ರತಿಕ್ರಿಯೆ (ADR) ಸಾಮಾನ್ಯ ಪ್ರಮಾಣದಲ್ಲಿ ಬಳಸುವ ಔಷಧದಿಂದ ಉಂಟಾಗುವ ಹಾನಿಕಾರಕ ಮತ್ತು ಅನಪೇಕ್ಷಿತ ಪರಿಣಾಮವಾಗಿದೆ. ಇವು ಸೌಮ್ಯವಾಗಿರಬಹುದು (ದದ್ದು, ವಾಕರಿಕೆ) ಅಥವಾ ತೀವ್ರವಾಗಿರಬಹುದು (ಆಸ್ಪತ್ರೆ, ಶಾಶ್ವತ ಹಾನಿ, ಸಾವು). Türkiye ನಲ್ಲಿ, ಈ ಅಧಿಸೂಚನೆಗಳನ್ನು TÜFAM (ಟರ್ಕಿಶ್ ಫಾರ್ಮಾಕೋವಿಜಿಲೆನ್ಸ್ ಸೆಂಟರ್) ಗೆ ಮಾಡಲಾಗಿದೆ. ಅಧಿಸೂಚನೆಗಳು:

• ಇದು ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿನ ಔಷಧಿಗಳ ಸುರಕ್ಷತೆಯ ಪ್ರೊಫೈಲ್ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುತ್ತದೆ.
• ಇದು ಅಪರೂಪದ ಅಡ್ಡಪರಿಣಾಮಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ (ಕ್ಲಿನಿಕಲ್ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಪತ್ತೆಯಾಗಿಲ್ಲ).
• ಅಗತ್ಯವಿದ್ದಾಗ, ಇದು ಎಚ್ಚರಿಕೆ, ನಿರ್ಬಂಧ ಅಥವಾ ವಾಪಸಾತಿ ನಿರ್ಧಾರಗಳಿಗೆ ಆಧಾರವಾಗಿದೆ.

ಔಷಧಿಕಾರರಿಗೆ, ವರದಿ ಮಾಡುವುದು ಕೇವಲ ಕಾನೂನು ಕರ್ತವ್ಯವಲ್ಲ ಆದರೆ ರೋಗಿಗಳ ಸುರಕ್ಷತೆಗೆ ನೇರ ಕೊಡುಗೆಯಾಗಿದೆ. ಆದರೆ ಪರಿಣಾಮಕಾರಿಯಾಗಲು, ಅಧಿಸೂಚನೆಯು ಸಂಪೂರ್ಣ, ನಿಖರ ಮತ್ತು ಗೌಪ್ಯವಾಗಿರಬೇಕು; ಇಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಯಾವ ಸಂದರ್ಭಗಳಲ್ಲಿ ವರದಿ ಮಾಡಬೇಕು ಎಂಬುದರ ಕುರಿತು ಮೂಲಭೂತ ತತ್ವವೆಂದರೆ: ಸಂದೇಹವಿದ್ದಲ್ಲಿ, ವರದಿ ಮಾಡಿ. ಯಾವುದೇ ಪ್ರತಿಕ್ರಿಯೆ, ವಿಶೇಷವಾಗಿ ಗಂಭೀರ (ಆಸ್ಪತ್ರೆ, ಶಾಶ್ವತ ಹಾನಿ, ಮಾರಣಾಂತಿಕ), ಅನಿರೀಕ್ಷಿತ (SmPC ಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿಲ್ಲ) ಮತ್ತು ಹೊಸದಾಗಿ ಬಿಡುಗಡೆಯಾದ ಔಷಧಿಗಳೊಂದಿಗೆ, ಮೌಲ್ಯಯುತವಾದ ಸಂಕೇತವಾಗಿದೆ. ಒಂದೇ ಒಂದು ಹೇಳಿಕೆಯು ಸಾಕ್ಷ್ಯವನ್ನು ರೂಪಿಸುವುದಿಲ್ಲ; ಆದರೆ ಸಾವಿರಾರು ಔಷಧಿಕಾರರು ಮತ್ತು ವೈದ್ಯರ ವರದಿಗಳು ಒಟ್ಟಾಗಿ ಬಂದಾಗ, "ಸಿಗ್ನಲ್" (ಸಂಭವನೀಯ ಸುರಕ್ಷತಾ ಸಮಸ್ಯೆಯ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಚಿಹ್ನೆ) ಹೊರಹೊಮ್ಮುತ್ತದೆ. ಘಟನೆಯು ವರದಿ ಮಾಡುವ ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸುತ್ತದೆಯೇ ಎಂದು ತ್ವರಿತವಾಗಿ ನಿರ್ಣಯಿಸಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ; ಆದರೆ "ಇದು ವರದಿ ಮಾಡಲು ಯೋಗ್ಯವಾಗಿಲ್ಲ" ಎಂದು ನಿರ್ಧರಿಸಲು AI ಗೆ ಬಿಡುವುದು ಪ್ರಮುಖ ಸಂಕೇತವನ್ನು ಕಳೆದುಕೊಳ್ಳಲು ಕಾರಣವಾಗಬಹುದು.

ಸಲಹೆ: ಉತ್ತಮ ಪ್ರತಿಕೂಲ ಪ್ರತಿಕ್ರಿಯೆಯ ವರದಿಯು ನಾಲ್ಕು ಮೂಲಭೂತ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ಗುರುತಿಸಬಹುದಾದ ರೋಗಿಯು (ವಯಸ್ಸು/ಲಿಂಗ, ಗುರುತಲ್ಲ), ಶಂಕಿತ ಔಷಧ(ಗಳು), ಪ್ರತಿಕ್ರಿಯೆಯ ವಿವರಣೆ ಮತ್ತು ವರದಿಗಾರ. ಈ ನಾಲ್ಕು ಅಂಶಗಳ ಸಂಪೂರ್ಣತೆಯನ್ನು ಪರಿಶೀಲಿಸಲು AI ಉತ್ತಮ ಜ್ಞಾಪನೆಯಾಗಿದೆ.

ಕಾರಣ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಲ್ಲಿ ನಿಲ್ಲುತ್ತದೆ

ಕಾರಣದ ಮೌಲ್ಯಮಾಪನವು "ಈ ಪರಿಣಾಮವು ನಿಜವಾಗಿಯೂ ಈ ಔಷಧದಿಂದಾಗಿಯೇ?" ಇದು ಪ್ರಶ್ನೆಗೆ ಉತ್ತರವಾಗಿದೆ ಮತ್ತು ಕೆಳಗಿನವುಗಳನ್ನು ತೂಗುತ್ತದೆ: ತಾತ್ಕಾಲಿಕ ಸಂಬಂಧ (ಔಷಧ ಮತ್ತು ಅದರ ಪರಿಣಾಮದ ನಡುವಿನ ಸಮಯದ ಸಾಮರಸ್ಯ), ಪರ್ಯಾಯ ಕಾರಣಗಳು (ಮತ್ತೊಂದು ಔಷಧ, ರೋಗ), ಔಷಧವನ್ನು ನಿಲ್ಲಿಸಿದಾಗ ಡಿಚಾಲೆಂಜ್, ಮತ್ತೊಮ್ಮೆ ನೀಡಿದಾಗ ಚೇತರಿಕೆ (ಮರುಚಾಲೆಂಜ್) ಮತ್ತು ಸಾಹಿತ್ಯದಲ್ಲಿ ಮಾಹಿತಿ. ಇದು ವೈದ್ಯಕೀಯ ತೀರ್ಪು; ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಈ ಅಂಶಗಳನ್ನು ಚೌಕಟ್ಟಿನಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಬಹುದು, ಆದರೆ ನಿಖರವಾದ ಕಾರಣ ನಿರ್ಧಾರವನ್ನು ತಜ್ಞರು ಮಾಡುತ್ತಾರೆ. AI ಹೇಳುವುದು "ಇದು ಖಂಡಿತವಾಗಿಯೂ ಔಷಧಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ" ಎಂಬುದು ಪುರಾವೆಯಲ್ಲ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಚರ್ಮದ ದದ್ದು. 45 ವರ್ಷ ವಯಸ್ಸಿನ ರೋಗಿಯೊಬ್ಬರು ಪ್ರತಿಜೀವಕವನ್ನು ಪ್ರಾರಂಭಿಸಿದ 3 ದಿನಗಳ ನಂತರ ವ್ಯಾಪಕವಾದ ರಾಶ್ ಅನ್ನು ವರದಿ ಮಾಡಿದ್ದಾರೆ. ಔಷಧಿಕಾರರು ಅಧಿಸೂಚನೆಯ ಕರಡು ಮತ್ತು ಕಾಣೆಯಾದ-ಮಾಹಿತಿ ಪರಿಶೀಲನಾಪಟ್ಟಿಗಾಗಿ AI ಅನ್ನು ಕೇಳಿದರು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ರೋಗಿಯ ವಯಸ್ಸು, ಔಷಧಿಯ ಪ್ರಾರಂಭದ ದಿನಾಂಕ ಮತ್ತು ದದ್ದುಗಳ ಪ್ರಾರಂಭದಂತಹ ಪ್ರದೇಶಗಳ ಬಗ್ಗೆ ಕೇಳಿದೆ. ಔಷಧಿಕಾರರು ಮಾಹಿತಿ, ಸ್ವಯಂ-ಮೌಲ್ಯಮಾಪನದ ಕಾರಣವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ್ದಾರೆ (ಬಲವಾದ ತಾತ್ಕಾಲಿಕ ಹೊಂದಾಣಿಕೆ, ಯಾವುದೇ ಹೊಸ ಔಷಧಿಗಳಿಲ್ಲ) ಮತ್ತು TÜFAM ಸ್ವರೂಪದಲ್ಲಿ ಅಧಿಸೂಚನೆಯನ್ನು ಕಳುಹಿಸಿದ್ದಾರೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಯಾವುದೇ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡದಂತೆ ಖಾತ್ರಿಪಡಿಸಿತು.

ಪ್ರಕರಣ 2 - ಎರಡು ಪ್ರಶ್ನಾರ್ಹ ಔಷಧಗಳು. ಎರಡು ಹೊಸ ಔಷಧಿಗಳನ್ನು ಪ್ರಾರಂಭಿಸಿದ ನಂತರ ಒಬ್ಬ ರೋಗಿಯು ಹೆಚ್ಚಿದ ಯಕೃತ್ತಿನ ಮೌಲ್ಯಗಳನ್ನು ಅನುಭವಿಸಿದನು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಗಮನಿಸಿದೆ, "ಎರಡೂ ಔಷಧಗಳು ಅನುಮಾನಾಸ್ಪದವಾಗಿವೆ, ಇದು ಜವಾಬ್ದಾರನೆಂದು ಗುರುತಿಸಬೇಕು." ಔಷಧಿಕಾರರು ಸಂಶಯಾಸ್ಪದ ಔಷಧಿಗಳೆಂದು ವರದಿ ಮಾಡಿದ್ದಾರೆ ಮತ್ತು ವೈದ್ಯರ ಕ್ಲಿನಿಕಲ್ ಮೌಲ್ಯಮಾಪನಕ್ಕೆ ಕಾರಣದ ನಿರ್ಣಯವನ್ನು ಬಿಟ್ಟರು. AI ಆತುರದಿಂದ ಒಂದೇ ಒಂದು ಔಷಧವನ್ನು ದೂಷಿಸಲಿಲ್ಲ; ಇದು ಅನಿಶ್ಚಿತತೆಯನ್ನು ನಿಖರವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ಗೌಪ್ಯತೆಯ ವೈಫಲ್ಯವನ್ನು ತಡೆಗಟ್ಟುವುದು. ಅಧಿಸೂಚನೆಯನ್ನು ಕರಡುಮಾಡುವಾಗ ಔಷಧಿಕಾರರು ಆಕಸ್ಮಿಕವಾಗಿ ರೋಗಿಯ ಹೆಸರನ್ನು ಪಠ್ಯದಲ್ಲಿ ಬರೆದಿದ್ದಾರೆ. ಅನಾಮಧೇಯತೆಯ ಪ್ರಾಂಪ್ಟ್ ಡ್ರಾಫ್ಟ್‌ನಲ್ಲಿ ಉಳಿದ ಗುರುತಿಸುವ ಮಾಹಿತಿಯನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದೆ ಮತ್ತು "ವಯಸ್ಸು/ಲಿಂಗ ಸಾಕಷ್ಟು, ಹೆಸರು ಅಗತ್ಯವಿಲ್ಲ" ಎಂದು ಎಚ್ಚರಿಸಿದೆ. ಔಷಧಿಕಾರನು ತನ್ನ ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆದನು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಗೌಪ್ಯತೆ ಉಲ್ಲಂಘನೆಯನ್ನು ತಡೆಯುತ್ತದೆ.

ಹಂತ-ಹಂತದ ಪ್ರತಿಕೂಲ ಪರಿಣಾಮ ವರದಿ (ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲಿತ)

1. ಈವೆಂಟ್ ಅನ್ನು ಹಿಡಿಯಿರಿ. ರೋಗಿಯ/ರೆಕಾರ್ಡಿಂಗ್‌ನಿಂದ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಸಮಯವನ್ನು ಪಡೆದುಕೊಳ್ಳಿ.
2. ಅನಾಮಧೇಯ ಸಂದರ್ಭವನ್ನು ಹೊಂದಿಸಿ. ಗುರುತಿನ ಬದಲಿಗೆ ವಯಸ್ಸು, ಲಿಂಗ, ಸಂಬಂಧಿತ ವೈದ್ಯಕೀಯ ಮಾಹಿತಿ.
3. ಬಾಹ್ಯರೇಖೆ ಮತ್ತು ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ವಿನಂತಿಸಿ. AI ನಿಂದ ಅಧಿಸೂಚನೆ ಕರಡು ಮತ್ತು ಕಾಣೆಯಾದ ಕ್ಷೇತ್ರ ಪಟ್ಟಿಯನ್ನು ಪಡೆಯಿರಿ.
4. ಕಾರಣವನ್ನು ನೀವೇ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ತಾತ್ಕಾಲಿಕ ಸಂಬಂಧ, ಪರ್ಯಾಯಗಳು, ಡಿಚಾಲೆಂಜ್; ಅಗತ್ಯವಿದ್ದರೆ ವೈದ್ಯರೊಂದಿಗೆ.
5. ಸಂಪೂರ್ಣತೆ ಮತ್ತು ಗೌಪ್ಯತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ. ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳನ್ನು ಭರ್ತಿ ಮಾಡಲಾಗಿದೆಯೇ, ID ಸ್ಪಷ್ಟವಾಗಿದೆಯೇ?
6. ಅಧಿಕೃತ ರೂಪದಲ್ಲಿ ಕಳುಹಿಸಿ. ಫಾರ್ವರ್ಡ್ ಮಾಡಿ ಮತ್ತು TÜFAM/ಸಂಬಂಧಿತ ಸಿಸ್ಟಮ್‌ಗೆ ಉಳಿಸಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಈ ಅಡ್ಡ ಪರಿಣಾಮವನ್ನು ವರದಿ ಮಾಡಿ."

ಪ್ರಬಲ: "ಕೆಳಗಿನ ಪ್ರತಿಕೂಲ ಪ್ರತಿಕ್ರಿಯೆಗಾಗಿ ಅಧಿಸೂಚನೆಯ ಕರಡು ಮತ್ತು ಕಡ್ಡಾಯ-ಕ್ಷೇತ್ರದ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿ. ರೋಗಿ (ಅನಾಮಧೇಯ): 45 ವರ್ಷ, ಮಹಿಳೆ. ಶಂಕಿತ ಔಷಧ: [ಹೆಸರು], ಪ್ರಾರಂಭ [ದಿನಾಂಕ]. ಪ್ರತಿಕ್ರಿಯೆ: [ವಿವರಣೆ], ಪ್ರಾರಂಭ [ದಿನಾಂಕ]. ಇತರ ಔಷಧಿಗಳು: [...]. ಪರ್ಯಾಯ ಕಾರಣಕ್ಕಾಗಿ, ತಾತ್ಕಾಲಿಕ ಸಂಬಂಧದ ಆದೇಶಕ್ಕಾಗಿ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿ. ಡಿಚಾಲೆಂಜ್), ಆದರೆ ಕಾರಣವನ್ನು ನಿರ್ಣಯಿಸಬೇಡಿ; ಇದನ್ನು ಗುರುತಿಸಲು ವಿನಂತಿಸಬೇಡಿ.

ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್‌ನಲ್ಲಿ, ಅನಾಮಧೇಯ ಸಂದರ್ಭ, ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳು ಮತ್ತು ಕಾರಣದ ಗಡಿ ಸ್ಪಷ್ಟವಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಕಾರ್ಯ: ಪ್ರತಿಕೂಲ ಪರಿಣಾಮದ ವರದಿಯ ರೂಪರೇಖೆ (ಕಾರಣವನ್ನು ನಿರ್ಣಯಿಸುವುದು). ರೋಗಿ (ಅನಾಮಧೇಯ): ವಯಸ್ಸು [...], ಲಿಂಗ [...]. ಶಂಕಿತ ಔಷಧ(ಗಳು): [ಹೆಸರು, ಡೋಸ್, ಪ್ರಾರಂಭ ದಿನಾಂಕ]. ಪ್ರತಿಕ್ರಿಯೆ: [ವಿವರಣೆ, ಆರಂಭ, ಕೋರ್ಸ್, ತೀವ್ರತೆ]. ಇತರೆ ಔಷಧಗಳು/ಷರತ್ತುಗಳು: [...].ಔಟ್‌ಪುಟ್: ರಚನಾತ್ಮಕ ಬಾಹ್ಯರೇಖೆಯ ಕೊರತೆ

ಕಾರ್ಯ: ಕಾರಣಿಕತೆಯ ಮೌಲ್ಯಮಾಪನ ಚೌಕಟ್ಟನ್ನು ತಯಾರಿಸಿ (ನಿರ್ಧಾರವಲ್ಲ). ವಿಂಗಡಿಸಿ: 1) ತಾತ್ಕಾಲಿಕ ಸಂಬಂಧ 2) ಪರ್ಯಾಯ ಕಾರಣಗಳು 3) ಔಷಧವನ್ನು ನಿಲ್ಲಿಸಿದ ನಂತರ ಕೋರ್ಸ್ (ಡಿಚಾಲೆಂಜ್) 4) ಮರು-ಆಡಳಿತದ ಸ್ಥಿತಿ 5) ಸಾಹಿತ್ಯದಲ್ಲಿ ಗುರುತಿಸುವಿಕೆ. ಪ್ರತಿ ಐಟಂ ಅನ್ನು ಪ್ರಶ್ನೆಯಾಗಿ ಬರೆಯಿರಿ; ತಜ್ಞರು ಫಲಿತಾಂಶವನ್ನು ತುಂಬುತ್ತಾರೆ.

ಕಾರ್ಯ: ಸಂಪೂರ್ಣತೆಯ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ವರದಿ ಮಾಡಿ. ಇದಕ್ಕಾಗಿ ಪರಿಶೀಲಿಸಿ: ಗುರುತಿಸಬಹುದಾದ ರೋಗಿಯ (ID ಅಲ್ಲ), ಶಂಕಿತ ಔಷಧ, ಪ್ರತಿಕ್ರಿಯೆ ವಿವರಣೆ, ವರದಿಗಾರ ಮಾಹಿತಿ, ದಿನಾಂಕಗಳು, ತೀವ್ರತೆ, ಫಲಿತಾಂಶ. ಕಾಣೆಯಾದ ಕ್ಷೇತ್ರಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.

ಕಾರ್ಯ: ಗೌಪ್ಯತೆಗಾಗಿ ಅಧಿಸೂಚನೆ ಪಠ್ಯವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ.ಪಠ್ಯ: [...]. ಗುರುತಿನ ಮಾಹಿತಿ ಇದ್ದರೆ (ಹೆಸರು, ಐಡಿ, ವಿಳಾಸ, ಫೋನ್), ಅದನ್ನು ಗುರುತಿಸಿ ಮತ್ತು "ಅನಾಮಧೇಯ ಸಮಾನದೊಂದಿಗೆ ಬದಲಾಯಿಸಿ" ಎಂದು ಸೂಚಿಸಿ. ಕ್ಲಿನಿಕಲ್ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಿ.

ಪ್ರತಿಕ್ರಿಯೆಯ ತೀವ್ರತೆ ಮತ್ತು ಆದ್ಯತೆಯ ಕೋಷ್ಟಕ

ಗಂಭೀರತೆ

ಉದಾಹರಣೆ

ಅಧಿಸೂಚನೆ ಆದ್ಯತೆ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪಾತ್ರ

ಹಗುರವಾದ

ತಾತ್ಕಾಲಿಕ ವಾಕರಿಕೆ, ಸೌಮ್ಯವಾದ ದದ್ದು

ಪ್ರಮಾಣಿತ

ಔಟ್ಲೈನ್ + ಪರಿಶೀಲನಾಪಟ್ಟಿ

ಮಧ್ಯಮ

ಕೆಲಸದ ಶಕ್ತಿಯ ನಷ್ಟ, ಡೋಸ್ ಬದಲಾವಣೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ

ಆದ್ಯತೆ

ಡ್ರಾಫ್ಟ್ + ಸಂಪೂರ್ಣತೆ

ಗಂಭೀರ

ಆಸ್ಪತ್ರೆಗೆ, ಶಾಶ್ವತ ಹಾನಿ

ತುರ್ತು

ತ್ವರಿತ ಡ್ರಾಫ್ಟ್; ತಜ್ಞರಿಗೆ ಕಾರಣ

ಅನಿರೀಕ್ಷಿತ/ಹೊಸ

ಪ್ರತಿಕ್ರಿಯೆ SmPC ಯಲ್ಲಿಲ್ಲ

ಹೆಚ್ಚು

ಸಾಹಿತ್ಯ ಪೂರ್ವ-ಪ್ರದರ್ಶನ + ದೃಢೀಕರಣ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಕಾರಣವನ್ನು ನಿರ್ಧರಿಸಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ. ಕಾರಣವು ವೈದ್ಯಕೀಯ ತೀರ್ಪು; AI ಚೌಕಟ್ಟನ್ನು ಮಾತ್ರ ಒದಗಿಸುತ್ತದೆ.
• ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು ಬಿಡಲಾಗುತ್ತಿದೆ. ಅಧಿಸೂಚನೆಯಲ್ಲಿ ಯಾವುದೇ ಹೆಸರು/TC ಅಗತ್ಯವಿಲ್ಲ; ಅನಾಮಧೇಯ ಸಮಾನವು ಸಾಕು.
• ಕಳೆದುಹೋದ ಕ್ಷೇತ್ರದೊಂದಿಗೆ ಕಳುಹಿಸಿ. ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳು ಪೂರ್ಣವಾಗಿಲ್ಲದಿದ್ದರೆ, ಅಧಿಸೂಚನೆಯು ಅದರ ಮೌಲ್ಯವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ.
• ಸೌಮ್ಯ ಎಂದು ವರದಿ ಮಾಡುತ್ತಿಲ್ಲ. ಅನಿರೀಕ್ಷಿತ ಪ್ರತಿಕ್ರಿಯೆಗಳು, ಸ್ವಲ್ಪವಾದರೂ, ಸಿಗ್ನಲ್ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿರುತ್ತವೆ.
• ಬಹು ಶಂಕಿತ ಔಷಧಿಗಳನ್ನು ಒಂದಕ್ಕೆ ಕಡಿಮೆ ಮಾಡುವುದು. ಅಸ್ಪಷ್ಟವಾಗಿದ್ದರೆ, ಎಲ್ಲಾ ಶಂಕಿತರನ್ನು ವರದಿ ಮಾಡಲಾಗುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಫಾರ್ಮಾಕೋವಿಜಿಲೆನ್ಸ್ ರೋಗಿಗಳ ಸುರಕ್ಷತೆಯ ಅದೃಶ್ಯ ಆದರೆ ಪ್ರಮುಖ ಪದರವಾಗಿದೆ ಮತ್ತು ಔಷಧಿಕಾರರು ಈ ವ್ಯವಸ್ಥೆಯ ಮುಂಚೂಣಿಯ ಕಣ್ಣು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಧಿಸೂಚನೆಯ ಕರಡು ರಚನೆಯು ಈ ಕಾರ್ಯವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಸಂಪೂರ್ಣತೆ ಪರಿಶೀಲನೆ ಮತ್ತು ಗೌಪ್ಯತೆ ಸ್ಕ್ಯಾನಿಂಗ್‌ನೊಂದಿಗೆ ದೋಷದ ಅಂಚನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಕಾರಣದ ಮೌಲ್ಯಮಾಪನವು ವೈದ್ಯಕೀಯ ತೀರ್ಪು ಮತ್ತು ತಜ್ಞರಿಗೆ ಸೇರಿದೆ; AI ಕೇವಲ ಮೌಲ್ಯಮಾಪನ ಚೌಕಟ್ಟನ್ನು ಒದಗಿಸುತ್ತದೆ. ಅಧಿಸೂಚನೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ, ಅನಾಮಧೇಯವಾಗಿ ಮತ್ತು ಅಧಿಕೃತ ಸ್ವರೂಪಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಪೂರ್ಣಗೊಳಿಸುವುದು ಔಷಧಿಕಾರರ ಜವಾಬ್ದಾರಿಯಾಗಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ನಿಜವಾದ ಅಭ್ಯಾಸದಿಂದ ಅನಾಮಧೇಯ ಪ್ರತಿಕೂಲ ಪರಿಣಾಮದ ಸನ್ನಿವೇಶವನ್ನು ಹೊಂದಿಸಿ (ವಯಸ್ಸು, ಲಿಂಗ, ಶಂಕಿತ ಔಷಧ, ಪ್ರತಿಕ್ರಿಯೆ, ದಿನಾಂಕಗಳು). ಅಧಿಸೂಚನೆ ರೂಪರೇಖೆ, ಕಾರಣದ ಮೌಲ್ಯಮಾಪನ ಚೌಕಟ್ಟು ಮತ್ತು ಸಂಪೂರ್ಣತೆಯ ಪರಿಶೀಲನಾಪಟ್ಟಿಗಾಗಿ AI ಅನ್ನು ಕೇಳಿ. ಕಾರಣವನ್ನು ನೀವೇ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ (ಅಗತ್ಯವಿದ್ದರೆ ವೈದ್ಯರೊಂದಿಗೆ) ಮತ್ತು ಅದನ್ನು ಡ್ರಾಫ್ಟ್‌ನಲ್ಲಿ ದಾಖಲಿಸಿ. ಅಂತಿಮವಾಗಿ, ಗೌಪ್ಯತೆ ಸ್ಕ್ಯಾನ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ಡ್ರಾಫ್ಟ್‌ನಲ್ಲಿ ಯಾವುದೇ ಗುರುತಿಸುವ ಮಾಹಿತಿ ಉಳಿದಿಲ್ಲ ಎಂದು ಪರಿಶೀಲಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಸಮಯ ಸರಿಯಾಗಿದೆ.
• [ ] ನಾನು ಸಂದರ್ಭವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ (ಯಾವುದೇ ID ಇಲ್ಲ, ವಯಸ್ಸು/ಲಿಂಗ ಮಾತ್ರ).
• [ ] ನಾನು ಕರಡು ಮತ್ತು ಕಾಣೆಯಾದ ಕ್ಷೇತ್ರ ಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಕಾರಣವನ್ನು ನಾನೇ/ತಜ್ಞರೊಂದಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ, ನಾನು ಅದನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಬಿಡಲಿಲ್ಲ.
• [ ] ನಾನು ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳ ಸಂಪೂರ್ಣತೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಗೌಪ್ಯತೆ ಸ್ಕ್ಯಾನ್‌ನೊಂದಿಗೆ ರುಜುವಾತುಗಳನ್ನು ತೆರವುಗೊಳಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಅದನ್ನು ಅಧಿಕೃತ ಸ್ವರೂಪದಲ್ಲಿ ಕಳುಹಿಸಿದ್ದೇನೆ ಮತ್ತು ಅದನ್ನು ಉಳಿಸಿದ್ದೇನೆ.