Ieguvumi:
- Spēja izmantot mākslīgo intelektu zāļu blakusparādību (blakusparādību) atpazīšanā, cēloņsakarības novērtēšanā un TÜFAM paziņojuma projekta sagatavošanā
- Iespēja droši aizpildīt paziņojuma tekstu, pārbaudot tā pilnīgumu, konfidencialitāti un oficiālo formātu
- Spēja saprast, ka cēloņsakarības spriedumam farmakovigilances ziņojumos ir nepieciešams ekspertu novērtējums un ka mākslīgais intelekts veido tikai projektu
Kad narkotika nonāk tirgū, tās stāsts nebeidzas; Reālā informācija par drošību tiek uzkrāta, tiklīdz reāli pacienti sāk lietot šīs zāles. Farmakovigilance (zāļu drošības uzraudzība) ir zinātne par zāļu blakusparādību (nevēlamu, kaitīgu zāļu iedarbību) apkopošanu, novērtēšanu un novēršanu. Farmaceits ir viena no šīs sistēmas priekšējām acīm: viņš ir tas, kurš pacienta frāzi "Man bija izsitumi pēc šīm zālēm" pārvērš veselības signālā. Šajā procesā mākslīgais intelekts ietaupa laiku, dokumentējot, izstrādājot un veidojot kontrolsarakstus. Taču spriedums par cēloņsakarību (vai efekts patiešām ir saistīts ar zālēm) ir klīnisks novērtējums, un to nevar deleģēt AI. Šajā nodaļā jūs uzzināsiet, kā droši veikt nelabvēlīgas ietekmes uzraudzību un ziņošanu ar mākslīgā intelekta atbalstu.
Negatīvā ietekme un ziņošanas nozīme
Zāļu nevēlamā reakcija (ADR) ir kaitīga un nevēlama iedarbība, ko izraisa zāles, ko lieto parastās devās. Tās var būt vieglas (izsitumi, slikta dūša) vai smagas (hospitalizācija, neatgriezeniski bojājumi, nāve). Tirkijā šie paziņojumi tiek nosūtīti TÜFAM (Turcijas farmakovigilances centram). Paziņojumi:
- Tas pārrauga tirgū esošo zāļu drošības profilu reālajā pasaulē.
- Tas atklāj retas blakusparādības (tās, kas nav atklātas klīniskajos pētījumos).
- Ja nepieciešams, tas ir par pamatu brīdinājuma, ierobežojuma vai atsaukšanas lēmumiem.
Farmaceitam ziņošana ir ne tikai juridisks pienākums, bet arī tiešs ieguldījums pacientu drošībā. Taču, lai paziņojums būtu efektīvs, tam jābūt pilnīgam, precīzam un konfidenciālam; Šeit palīdz mākslīgais intelekts.
Pamatprincips, kādām situācijām jāziņo, ir šāds: ja rodas šaubas, ziņojiet. Jebkura reakcija, īpaši nopietna (hospitalizācija, neatgriezenisks bojājums, dzīvībai bīstams), negaidīts (nav iekļauts zāļu aprakstā) un nesen laistām zālēm, ir vērtīgs signāls. Viens pats paziņojums nav pierādījums; Bet, kad tiek apkopoti tūkstošiem farmaceitu un ārstu ziņojumi, parādās “signāls” (statistikas pazīme par iespējamu drošības problēmu). AI var palīdzēt ātri novērtēt, vai incidents atbilst ziņošanas kritērijiem; Taču, ja AI lemt par to, ka par to nav vērts ziņot, var tikt zaudēts svarīgs signāls.
Padoms. Labā ziņojumā par blakusparādībām ir iekļauti četri pamatelementi: identificējams pacients (piemēram, vecums/dzimums, nevis identitāte), aizdomīgās zāles(-es), reakcijas apraksts un ziņotājs. AI ir labs atgādinājums, lai pārbaudītu šo četru elementu pilnīgumu.
Cēloņsakarība: kur mākslīgais intelekts apstāsies
Cēloņsakarības novērtējums ir "vai šī ietekme patiešām ir saistīta ar šo narkotiku?" Tā ir atbilde uz jautājumu un nosver sekojošo: laika attiecības (laika harmonija starp narkotiku un to iedarbību), alternatīvie cēloņi (cita narkotika, slimība), izsīkums, kad zāles tiek pārtrauktas, atveseļošanās, kad zāles tiek ievadītas atkārtoti (atkārtota izaicinājums) un informācija literatūrā. Tas ir klīnisks spriedums; Mākslīgais intelekts var uzskaitīt šos elementus sistēmā, bet precīzu lēmumu par cēloņsakarību pieņem eksperts. AI teiciens "tas noteikti ir saistīts ar narkotikām" nav pierādījums.
trīs mini futrāļi
1. gadījums — izsitumi uz ādas. 45 gadus vecs pacients ziņoja par plaši izplatītiem izsitumiem 3 dienas pēc tam, kad tikko sāka lietot antibiotiku. Farmaceits lūdza AI paziņojuma uzmetumu un trūkstošās informācijas kontrolsarakstu. Mākslīgais intelekts jautāja par tādām jomām kā pacienta vecums, zāļu lietošanas sākuma datums un izsitumu parādīšanās. Farmaceits aizpildīja informāciju, paši novērtēja cēloņsakarību (spēcīga laika saskaņa, nav citu jaunu zāļu) un nosūtīja paziņojumu TÜFAM formātā. Mākslīgais intelekts nodrošināja, ka neviens lauks nepaliek tukšs.
2. gadījums — divas apšaubāmas narkotikas. Vienam pacientam pēc divu jaunu zāļu lietošanas uzsākšanas novēroja paaugstinātu aknu darbību. Mākslīgais intelekts atzīmēja: "Abas narkotikas ir aizdomīgas, ir jānošķir, kura ir atbildīga." Farmaceits ziņoja gan par aizdomīgām zālēm, gan atstāja cēloņsakarības noteikšanu ārsta klīniskajam novērtējumam. AI steigā nevainoja nevienu narkotiku; Tas precīzi atspoguļoja nenoteiktību.
3. gadījums — konfidencialitātes kļūmju novēršana. Farmaceits, sagatavojot paziņojumu, nejauši ierakstīja tekstā pacienta vārdu. Anonimizēšanas uzvednē tika atzīmēta atlikušā melnraksta identificējošā informācija un brīdināts: "pietiekams vecums/dzimums, vārds nav nepieciešams". Farmaceits izvilka savu identifikācijas informāciju. Mākslīgais intelekts novērsa privātuma pārkāpumu.
Soli pa solim ziņošana par nelabvēlīgu ietekmi (atbalstīts mākslīgais intelekts)
- Noķer notikumu. Iegūstiet reakciju un laiku no pacienta/ieraksta.
- Iestatiet anonīmu kontekstu. Vecums, dzimums, attiecīgā klīniskā informācija, nevis identitāte.
- Pieprasiet izklāstu un kontrolsarakstu. Saņemiet paziņojumu melnrakstu un trūkstošo lauku sarakstu no AI.
- Izvērtējiet cēloņsakarību paši. Laika attiecības, alternatīvas, izaicinājums; nepieciešamības gadījumā ar ārstu.
- Pārbaudiet pilnīgumu un konfidencialitāti. Vai obligātie lauki ir aizpildīti, vai ID ir skaidrs?
- Sūtīt oficiālā formātā. Pārsūtiet un saglabājiet TÜFAM/attiecīgajā sistēmā.
Vāja uzvedne / spēcīga uzvedne
Vāji: "Ziņojiet par šo blakusparādību."
Spēcīgs: "Sagatavojiet paziņojuma melnrakstu un obligāto lauku kontrolsarakstu par šādu blakusparādību. Pacients (anonīms): 45 gadus vecs, sieviete. Aizdomīgs medikaments: [vārds], sākums [datums]. Reakcija: [apraksts], sākums [datums]. Citas zāles: [..]. Iesniedziet melnrakstu elementu SEKĀRTĪBĀ, kas jāveic cēloņsakarība; atstājiet to eksperta ziņā.
Spēcīgā uzvednē anonīmā kontekstā obligātie lauki un cēloņsakarības robeža ir skaidra.
Četras kopējamas veidnes
Uzdevums: Ziņošanas par negatīvajām sekām izklāsts (spriedums par cēloņsakarību).Pacients (anonīms): vecums [..], dzimums [..]. Aizdomīgās zāles: [nosaukums, deva, sākuma datums]. Reakcija: [apraksts, sākums, kurss, smaguma pakāpe]. Citas zāles/nosacījumi: [..]. Rezultāts: strukturēts izklāsts + brīdinājums par trūkstošo/tukšo vietu.
Uzdevums: Izstrādāt cēloņsakarības NOVĒRTĒJUMA SISTĒMU (nevis lēmumu). Kārtot: 1) Laika attiecības 2) Alternatīvi cēloņi 3) Kurss pēc zāļu lietošanas pārtraukšanas (izsaukuma) 4) Atkārtotas ievadīšanas statuss 5) Atzīšana literatūrā. Uzrakstiet katru vienumu kā jautājumu; Eksperts aizpildīs rezultātu.
Uzdevums: Pārskata pilnīguma kontrolsaraksts. Pārbaudiet: identificējamu pacientu (nevis ID), aizdomas par zālēm, reakcijas aprakstu, ziņotāja informāciju, datumus, smagumu, iznākumu. Uzskaitiet trūkstošos laukus.
Uzdevums: Skenējiet paziņojuma tekstu, lai nodrošinātu konfidencialitāti. Teksts: [...]. Ja ir identifikācijas informācija (vārds, ID, adrese, tālrunis), atzīmējiet to un iesakiet "aizstāt ar anonīmu ekvivalentu". Saglabāt klīnisko nozīmi.
Reakcijas smaguma un prioritāšu tabula
nopietnību
piemērs
Paziņojumu prioritāte
Mākslīgā intelekta loma
viegls
Īslaicīga slikta dūša, viegli izsitumi
Standarta
Kontūra + kontrolsaraksts
vidējs
Darba spēka zudums, tāpēc nepieciešama devas maiņa
prioritāte
Melnraksts + pilnība
nopietni
Hospitalizācija, neatgriezeniski bojājumi
steidzami
Ātra melnraksts; cēloņsakarība ekspertam
negaidīts/jauns
Reakcija nav norādīta zāļu aprakstā
augsts
Literatūras priekšskatījums + apstiprinājums
Biežas kļūdas
- Ļaujiet mākslīgajam intelektam noteikt cēloņsakarību. Cēloņsakarība ir klīnisks spriedums; AI nodrošina tikai ietvaru.
- Atstājot identifikācijas informāciju. Paziņojumā nav jānorāda vārds/TC; Pietiek ar anonīmo ekvivalentu.
- Sūtīt ar trūkstošu lauku. Ja obligātie lauki nav aizpildīti, paziņojums zaudē savu vērtību.
- Neziņojot par to kā vieglu. Negaidītas reakcijas, kaut arī nelielas, nes signāla vērtību.
- Vairāku aizdomīgu narkotiku samazināšana līdz vienai. Ja nav skaidrs, tiek ziņots par visiem aizdomās turamajiem.
Rezumējot
Farmakovigilance ir neredzams, bet būtisks pacientu drošības slānis, un farmaceits ir šīs sistēmas galvenā acs. Mākslīgā intelekta paziņojumu sastādīšana paātrina šo uzdevumu un samazina kļūdu robežu, veicot pilnīguma pārbaudi un privātuma skenēšanu. Tomēr cēloņsakarības novērtējums ir klīnisks spriedums, un tas pieder ekspertam; AI nodrošina tikai novērtēšanas sistēmu. Farmaceits ir atbildīgs par paziņojuma pilnīgu, anonīmu un oficiālajā formātā aizpildīšanu.
Lietojumprogrammas uzdevums
Iestatiet anonimizētu nelabvēlīgas ietekmes scenāriju no savas faktiskās prakses (vecums, dzimums, iespējamās zāles, reakcija, datumi). Pieprasiet AI paziņojumu izklāstu, cēloņsakarības novērtējuma sistēmu un pilnīguma kontrolsarakstu. Izvērtējiet cēloņsakarību pats (ja nepieciešams, sazinieties ar ārstu) un ierakstiet to projektā. Visbeidzot palaidiet privātuma skenēšanas uzvedni un pārbaudiet, vai melnrakstā nav palikusi identificējoša informācija.
kontrolsaraksts
- [ ] Es sapratu pareizo reakciju un laiku.
- [ ] Es anonīmu kontekstu (nav ID, tikai vecums/dzimums).
- [ ] Es sagatavoju melnrakstu un trūkstošo lauku sarakstu.
- [ ] Cēloņsakarību izvērtēju pats/ar ekspertu, neatstāju to mākslīgā intelekta ziņā.
- [ ] Es pārbaudīju obligāto lauku pilnīgumu.
- [ ] Es notīrīju akreditācijas datus, izmantojot privātuma skenēšanu.
- [ ] Es to nosūtīju oficiālā formātā un saglabāju.