Kawalan Resipi, Pengesahan dan Tangkapan Ralat — Kecerdasan Buatan dalam Farmasi

Keuntungan:

Keupayaan untuk pra-imbasan dos, petunjuk, penduaan dan risiko interaksi dalam preskripsi dengan kecerdasan buatan dan menandakan item yang mencurigakan
Keupayaan untuk menguruskan risiko positif/negatif palsu dengan mengesahkan setiap amaran yang ditangkap oleh kecerdasan buatan dengan SmPC, panduan dan doktor
Kelulusan preskripsi adalah tanggungjawab ahli farmasi yang kompeten dan sekiranya terdapat keraguan, keupayaan untuk menggunakan rantaian perundingan kepada doktor.

Preskripsi adalah jambatan yang memindahkan keputusan doktor kepada amalan ahli farmasi; Tetapi ahli farmasi memeriksa setiap papan jambatan ini secara berasingan. Dos yang salah, ubat berulang, interaksi yang diabaikan, petunjuk yang tidak sesuai dengan pesakit; Semua ini terperangkap dalam pemeriksaan preskripsi. Tugas ini diulang berpuluh-puluh kali sejam di farmasi yang sibuk, dan keletihan perhatian adalah risiko sebenar. Kecerdasan buatan adalah berharga di sini sebagai mata kedua: ia menandakan item yang mencurigakan, menyerlahkan risiko yang mungkin diabaikan, mengingatkan anda tentang senarai semak. Tetapi AI boleh menghasilkan positif palsu (penggera yang tidak perlu) atau negatif palsu (miss); jadi setiap amarannya juga mesti disahkan. Dalam unit ini, anda akan belajar cara menjadikan kecerdasan buatan sebagai mata kedua yang selamat dalam kawalan preskripsi.

Dimensi kawalan preskripsi

Semakan preskripsi yang baik menanyakan soalan ini:

Adakah ia ubat yang betul? Adakah petunjuk (sebab penggunaan) sesuai untuk pesakit? Adakah terdapat kekeliruan kerana persamaan nama (cth. dua nama ubat yang serupa)?
Adakah dos yang betul? Adakah dos yang sesuai mengikut umur, berat, fungsi buah pinggang/hati? Adakah dos maksimum telah melebihi?
Adakah terdapat sebarang pertindihan? Adakah dua produk yang mengandungi bahan aktif yang sama ditetapkan bersama?
Adakah terdapat interaksi? Interaksi dengan ubat yang ditetapkan atau ubat lain yang diambil oleh pesakit?
Adakah terdapat sebarang kontraindikasi? Adakah ubat tersebut berbahaya disebabkan oleh keadaan pesakit (kehamilan, alahan, penyakit)?
Adakah tempoh dan jumlahnya konsisten? Adakah bilangan kotak yang ditulis serasi dengan dos dan tempoh?

AI boleh pra-menyaring setiap dimensi ini; Tetapi setiap penemuan disahkan dengan SmPC, panduan dan, apabila perlu, doktor.

Di antara dimensi ini, yang paling berbahaya ialah kekeliruan yang disebabkan oleh persamaan nama (LASA dalam kesusasteraan antarabangsa: ubat dengan ejaan atau sebutan yang serupa). Dua bahan aktif berbeza yang menyerupai satu sama lain dengan hanya beberapa huruf boleh dikelirukan disebabkan oleh tulisan tangan atau pemilihan pantas, dan ralat sedemikian membawa kepada rawatan yang sama sekali berbeza. AI boleh mengingatkan anda jika nama ubat dalam preskripsi mempunyai "pasangan boleh larut" yang diketahui; Tetapi keputusan yang mana satu sebenarnya yang dimaksudkan adalah dibuat oleh diagnosis pesakit dan penjelasan dengan doktor apabila perlu. Amaran kecerdasan buatan bahawa "ia mungkin bercampur dengan ubat itu" adalah permulaan, bukan penamat.

Awas: AI mungkin tersalah mentafsir singkatan dalam preskripsi atau mengira dos daripada bentuk yang berbeza. Hanya kerana dia berkata "tiada masalah" tidak membuktikan bahawa preskripsi itu betul; Dia hanya memberi isyarat berdasarkan apa yang dilihatnya.

Positif palsu dan negatif palsu

Terdapat dua jenis ralat dalam kawalan preskripsi. Positif palsu menimbulkan penggera apabila sebenarnya tiada masalah; Jika ia berlaku terlalu kerap, ia mewujudkan "keletihan penggera" dan amaran sebenar diabaikan. Negatif palsu kehilangan masalah sebenar; Ini lebih berbahaya kerana ia berlalu secara senyap. AI boleh menghasilkan kedua-duanya. Itulah sebabnya anda tidak boleh menjadikan AI satu-satunya lapisan kawalan; ia adalah pelengkap kepada kawalan ahli farmasi, bukan pengganti.

tiga kes mini

Kes 1 — Bahan aktif pendua. Satu preskripsi mengandungi ubat penahan sakit yang mengandungi bahan aktif yang sama di bawah dua nama dagangan yang berbeza; Sekiranya pesakit mengambil kedua-duanya bersama-sama, dos akan meningkat dua kali ganda. Kecerdasan buatan menandakan "bahan aktif pendua yang mungkin" dalam pra-penyaringan. Ahli farmasi mengesahkan kandungan kedua-dua produk pada SmPC, mengesahkan pertindihan, dan membatalkan salah satu daripadanya dengan berunding dengan doktor. Kecerdasan buatan menyerlahkan risiko yang mungkin diabaikan.

Kes 2 — Interaksi positif palsu. AI memberi amaran tentang "interaksi serius" dalam satu preskripsi. Apabila ahli farmasi melihat pangkalan data interaksi semasa, dia melihat bahawa ini adalah interaksi secara teori dan klinikal yang tidak penting; Dos dan pemantauan pesakit sudah selamat. Ahli farmasi merekodkan amaran itu sebagai "dinilai, tiada campur tangan diperlukan". Jika kecerdasan buatan diikuti secara membuta tuli, akan ada pencarian yang tidak perlu untuk doktor dan kebimbangan pesakit.

Kes 3 — Percanggahan tempoh dos. Dalam sirap yang ditetapkan untuk kanak-kanak, dos harian dan tempoh rawatan diberikan, tetapi bilangan botol yang ditetapkan tidak mencukupi untuk melengkapkan rawatan. Kepintaran buatan memberi amaran bahawa "jumlah itu mungkin tidak meliputi tempoh rawatan". Ahli farmasi mengesahkan akaun, mengesahkan kekurangan, dan membetulkan jumlahnya dengan doktor. Kecerdasan buatan menangkap percanggahan aritmetik.

Kawalan resipi langkah demi langkah (kecerdasan buatan disokong)

anonimkan. Kosongkan ID pesakit; apatah lagi konteks klinikal.
Buat pemeriksaan sendiri. Sebagai ahli farmasi, anda menilai preskripsi terlebih dahulu.
Minta mata kedua. Minta pra-pemeriksaan AI untuk dos, penduaan, interaksi dan konsistensi.
Tapis makluman. Timbang setiap makluman terhadap SmPC/pangkalan data; Buang positif palsu.
Jika anda berisiko sebenar, dapatkan nasihat doktor anda. Selesaikan masalah yang disahkan dengan doktor.
Catatkan keputusan dan justifikasi. Jadikan kedua-dua makluman yang ditangkap dan dihapuskan boleh dikesan.

Gesaan lemah / Gesaan kuat

Lemah: "Adakah preskripsi ini betul?"

Strong: "Prapis preskripsi berikut sebagai mata kedua ahli farmasi. Pesakit (tanpa nama): 70 tahun, pelepasan kreatinin ~30 mL/min, alahan diketahui [...]. Preskripsi: [senarai ubat/dos/jangka masa]. Tandakan item yang mencurigakan di bawah tajuk berikut: kesesuaian dos, bahan aktif pendua, peneguhan konsisten. Untuk setiap peneguhan kontraindikasi, amaun kontraindikasi. SmPC/pangkalan data 'et' dan berikan keputusan tahap kepentingan (tinggi/sederhana/rendah).

Konteks pesakit, tajuk kawalan dan keadaan pengesahan adalah jelas dalam gesaan yang berkuasa.

Empat templat yang boleh disalin

Tugas: Saringan bahan aktif pendua.Senarai ubat (nama dagangan): [...].Output: Tandakan pendua yang mungkin mengandungi bahan aktif yang sama; tambah nota "kandungan mesti disahkan daripada SmPC". Jika anda tidak pasti, tulis [UNCERTAIN].

Tugas: Semakan ketekalan dos-amaun-tempoh.Input: dos [...], kekerapan [...], tempoh [...] hari, kuantiti preskripsi [...].Kira: jumlah unit yang diperlukan dsb. amaun preskripsi. Tandakan sebarang percanggahan. Tunjukkan pengiraan langkah demi langkah; Ahli farmasi akan mengesahkan secara bebas.

Tugas: Senarai semak kontraindikasi. Keadaan pesakit: [kehamilan/alahan/penyakit]. Dadah: [...].Output: Untuk setiap ubat "bolehkah ini bercanggah dengan keadaan?" Tandakan soalan; jangan membuat penghakiman muktamad, tulis "sahkan di bahagian kontraindikasi SmPC".

Jadual lapisan kawalan resipi

lapisan

Siapa/apa yang buat

Tujuan

1. Ahli farmasi bacaan pertama

Ahli farmasi

Logik klinikal dan integriti

2. Pra-penyaringan kecerdasan buatan

kecerdasan buatan

Tandakan apa yang anda terlepas

3. Pengesahan sumber

Ahli Farmasi + SPC/pangkalan data

bukti ketepatan

4. Komunikasi doktor

Ahli Farmasi ↔ Pakar Perubatan

Menyelesaikan masalah sebenar

5. Pendaftaran

Ahli farmasi

kebolehkesanan

Kesilapan biasa

Santai kerana kecerdasan buatan berkata 'tiada masalah'. Terdapat risiko negatif palsu; Kawalan ahli farmasi adalah penting.
Mematuhi setiap amaran secara membuta tuli. Positif palsu harus dihapuskan dan carian doktor yang tidak perlu harus dicegah.
Menyahkod singkatan oleh kecerdasan buatan. Jika singkatan preskripsi tidak jelas, doktor harus ditanya.
Melangkau pengiraan tempoh kuantiti. Ketidakkonsistenan aritmetik mudah mengganggu pematuhan pesakit.
Tidak merekod keputusan. Makluman yang dihapuskan dan ditangkap mesti dapat dikesan.

Secara ringkasnya

Kecerdasan buatan adalah mata kedua yang berharga dalam kawalan preskripsi; Ia mewujudkan jaring keselamatan terhadap keletihan perhatian dengan menandakan risiko dos, pertindihan, interaksi dan konsistensi. Tetapi ia tidak boleh menjadi satu-satunya lapisan kawalan kerana ia boleh menghasilkan kedua-dua positif palsu dan negatif palsu. Ahli farmasi mula-mula membuat penilaian sendiri, menapis amaran kecerdasan buatan dengan SmPC dan pangkalan data, menyelesaikan masalah sebenar dengan doktor dan merekodkan keputusan. Tanggungjawab untuk kelulusan preskripsi sentiasa terletak pada ahli farmasi yang kompeten.

Tugasan permohonan

Sediakan senario preskripsi tanpa nama (konteks pesakit + 4-5 item, termasuk duplikasi yang disengajakan dan percanggahan dos-masa). Minta AI untuk pra-imbasan mata kedua. Senaraikan masalah yang ditangkap dan terlepas; Tunjukkan dengan SmPC/pangkalan data yang mana makluman yang dihasilkannya adalah positif palsu. Akhir sekali, tuliskan komunikasi doktor yang akan anda gunakan untuk menyelesaikan masalah sebenar yang ditangkap dan bagaimana anda akan merekodkannya.

senarai semak

[ ] Saya menilai preskripsi sendiri dahulu.
[ ] Saya memberikan konteks pesakit secara tanpa nama dan sepenuhnya.
[ ] Saya menerima pra-imbasan berstruktur daripada AI.
[ ] Saya mengesahkan setiap makluman dengan SmPC/pangkalan data.
[ ] Saya menghapuskan positif palsu dengan justifikasi.
[ ] Saya menyelesaikan masalah sebenar dengan doktor.
[ ] Saya merekodkan makluman yang ditangkap dan dihapuskan.