Winst:
- Vermogen om de klinische vraag te structureren en literatuuronderzoek, samenvattingen en bewijscompilatie uit te voeren met kunstmatige intelligentie
- Mogelijkheid om het risico van verzonnen referenties (hallucinaties) te beheersen door elke door kunstmatige intelligentie gegeven bron te bevestigen met DOI en het originele artikel
- Vermogen om de AI-samenvatting kritisch te lezen, waarbij het bewijsniveau, belangenconflicten en tijdigheid worden beoordeeld
Apotheek is een beroep waarvan de kennis voortdurend wordt vernieuwd; Een dosis of aanbeveling die gisteren correct bekend was, kan bij een nieuw onderzoek veranderen. Evidence-based farmacie betekent het beantwoorden van een vraag met het meest actuele en betrouwbare wetenschappelijke bewijs. Maar de wetenschappelijke literatuur is enorm en verspreid; Het is gemakkelijk om overweldigd te raken door honderden artikelen wanneer u op zoek bent naar een antwoord op een vraag. Kunstmatige intelligentie is hierbij een krachtig hulpmiddel bij het scannen en samenvatten: het helpt een vraag te structureren, zoektermen te genereren, een lange tekst samen te vatten. Maar de gevaarlijkste fout van kunstmatige intelligentie ligt juist op dit gebied: het kan artikelen en DOI’s verzinnen die niet bestaan. In deze unit leer je kunstmatige intelligentie te gebruiken als een veilig, gevalideerd hulpmiddel bij literatuuronderzoek.
Stappen van de evidence-based aanpak
Een op bewijs gebaseerde vraag wordt met de volgende stappen beantwoord:
- Structureer de vraag. Een goede klinische vraag wordt vaak geformuleerd met het PICO-raamwerk: patiënt/populatie (patiënt), interventie, vergelijking, resultaat. Voorbeeld: “Hoe beïnvloedt medicijn X (I) het risico op hypoglykemie (O) in vergelijking met medicijn Y (C) bij ouderen met diabetes type 2 (P)?”
- Zoek naar bewijs. Zoek naar geschikte databases en bronnen.
- Evalueer het bewijsmateriaal. Type onderzoek, kwaliteit, steekproefomvang en risico op bias.
- Toepassen en monitoren. Pas de bevinding aan de context van de patiënt aan.
De AI is bijzonder snel bij stap 1 en 3 (het structureren van de vraag en het helpen beoordelen van een tekst); maar stap 2 (sourcing) vereist kritische verificatie.
hiërarchie van bewijsmateriaal
Niet al het bewijsmateriaal is gelijk. Een algemene hiërarchie:
Niveau van bewijs
voorbeeld
kracht
hoogste
Systematische review, meta-analyse
Combinatie van meerdere onderzoeken
hoog
Gerandomiseerde gecontroleerde studie (RCT)
Gecontroleerde, lage bias
middelmatig
Cohort, case-control
Observationeel, risico op verstorende factoren
laag
Casusreeksen, deskundig advies
Beperkte generaliseerbaarheid
laagste
Anekdotische, niet-geverifieerde webinhoud
Slechte bewijskracht
Bij het samenvatten van een bevinding kan AI het bewijsniveau verwarren of een zwakke bron als sterk presenteren. Jij bepaalt altijd het niveau.
Bovendien kunnen er tegenstrijdige onderzoeken zijn over hetzelfde onderwerp. AI kan soms slechts één kant benadrukken en de andere negeren; dit wordt "selectieve presentatie" genoemd. Een robuuste bewijsbeoordeling zoekt naar de algemene trend in het onderwerp (wat veel onderzoeken gemeen hebben) en een actuele systematische review, indien beschikbaar. Het veranderen van de praktijk op basis van één onderzoek, vooral als het om een kleine steekproef of een onderzoek in één centrum gaat, is riskant. De AI vragen “zijn er tegenstrijdige bevindingen over deze kwestie, welke kant sterker bewijs heeft” is een goede manier om een eenzijdige samenvatting in evenwicht te brengen; Maar de uiteindelijke afweging doet u zelf door de originele bronnen te lezen.
Let op: AI kan volledig verzonnen referenties produceren met een realistische titel, auteursnaam, tijdschrift en DOI; dit wordt een "referentiehallucinatie" genoemd. Citeer nooit een bron zonder de DOI in de originele database/tijdschrift te openen en de inhoud ervan te bekijken.
drie minikoffers
Geval 1 — Verzonnen DOI. Een apotheker vroeg AI om een bron over de effectiviteit van een medicijn; kunstmatige intelligentie leverde drie artikelen en DOI op. Toen de apotheker de DOI's probeerde te openen, ontdekte hij dat er twee niet met enige gegevens overeenkwamen; één was echt, maar rapporteerde een ander resultaat. De apotheker gebruikte alleen het daadwerkelijke artikel dat hij had geverifieerd. Zonder verificatie zouden twee fictieve bronnen in één rapport worden opgenomen.
Geval 2 — Zoeken met PICO. Een apotheker deed onderzoek naar de veiligheidsvergelijking van twee pijnstillers bij ouderen. Hij vroeg de AI om de vraag in PICO te dumpen en zoektermen te genereren. AI gaf duidelijke termen en synoniemen; Hiermee voerde de apotheker zelf de daadwerkelijke zoekopdracht uit in de bekende database en evalueerde de resultaten. Kunstmatige intelligentie heeft het zoeken versneld; De apotheker heeft de bronnen gevonden en gelezen.
Geval 3 — Samenvattende vertekening. Een apotheker had een echt artikel samengevat door kunstmatige intelligentie. Het uittreksel beweerde dat de studie “ondubbelzinnige superioriteit” aantoonde; maar het artikel zelf zei dat het resultaat "geen statistische significantie bereikte". De apotheker las de originele tekst, merkte de verdraaiing op en corrigeerde de samenvatting. De AI-samenvatting was overdreven; Terugkerend naar de bron onthulde de waarheid.
Geval 4 — Het onderwerp ontbreekt. Een apotheker kreeg via kunstmatige intelligentie informatie over het aanbevolen gebruik van een medicijn. Het antwoord leek redelijk, maar was gebaseerd op een gids van een paar jaar geleden; De aanbeveling is inmiddels echter bijgewerkt. Toen de apotheker de vernieuwde handleiding opende, zag hij het verschil en nam hij de nieuwe aanbeveling als basis. Omdat de kennis van de AI op een bepaalde datum bevroren was, kon deze de meest actuele verandering niet kennen; controle op de actualiteit heeft deze leemte gedicht.
Evidence-based screening stap voor stap
- Kadreer de vraag met PICO. Bevolking, interventie, vergelijking, resultaat.
- Zoektermen genereren. Haal trefwoorden en synoniemen uit kunstmatige intelligentie.
- Jij maakt het echte telefoontje. Zoek gereputeerde database/bron; Bronnen "maken" voor AI.
- Controleer elke bron. Open DOI, is de auteur/tijdschrift/jaar echt, ondersteunt de inhoud de claim?
- Beoordeel het bewijsniveau. Soort werk, kwaliteit, belangenverstrengeling, tijdigheid.
- Contextualiseren en opslaan. Bevinding koppelen aan patiënt/vraag, bronnen vastleggen.
Zwakke prompt/sterke prompt
Zwak: "Is dit medicijn effectief, geef een bron."
Strong: "Structureer de volgende klinische vraag in het PICO-framework: [vraag]. Genereer vervolgens effectieve zoektermen en synoniemen voor die vraag. Verzin NIET de bron/artikel; vertel me welk type onderzoeken (RCT, meta-analyse) en naar welke databases ik in plaats daarvan moet zoeken. Als je een bron noemt, tag dan 'niet geverifieerd, moet worden bevestigd met DOI'."
In de sterke prompt zijn het raamwerk, de grens en de verificatievoorwaarde duidelijk; AI wordt niet gedwongen hulpbronnen te fabriceren.
Vier kopieerbare sjablonen
Taak: Zet de klinische vraag in PICO. Vraag: [...]. Output: P (populatie), I (interferentie), C (vergelijking), O (uitkomst) en een gestructureerde onderzoeksvraag van één zin.
Taak: Zoekterm genereren (FITTING-bron). Onderwerp: [...]. Output: trefwoorden + synoniemen + voorgestelde studietypen. Krediet/DOI; Vertel me gewoon hoe ik moet bellen.
Taak: Vat deze tekst onpartijdig samen (zonder overdrijving). Tekst: [artikel]. Output: doel, methode, steekproef, belangrijkste bevinding, beperkingen, conclusie. Het resultaat STERKER uitdrukken dan wat de tekst zegt; de onzekerheid behouden.
Taak: Opstellen referentieverificatiechecklist. Referentie: [...]. Sorteer op: DOI opening? Houdt de auteur/tijdschrift/jaartal vast? Ondersteunt de inhoud de claim? Wat is het bewijsniveau? Is er sprake van belangenverstrengeling?
Veel voorkomende fouten
- Citaat van de DOI gegeven door kunstmatige intelligentie zonder deze te openen. Het risico op referentiehallucinatie is het grootste gevaar.
- Vervanging van de bron door de samenvatting. Voor een kritische claim moet men terugkeren naar de originele tekst.
- Het niveau van bewijs verwarren. Deskundigenmening en meta-analyse hebben niet hetzelfde gewicht.
- De update overslaan. Een ouder onderzoek kan in strijd zijn met de huidige richtlijnen; De datum moet worden gecontroleerd.
- Belangenverstrengeling over het hoofd zien. Financiering en belangenverklaring beïnvloeden de interpretatie.
Samengevat
Kunstmatige intelligentie is een krachtige versneller voor het structureren van vragen, het genereren van zoektermen en het samenvatten van lange teksten bij literatuuronderzoek. Maar de gevaarlijkste fout, de referentiële hallucinatie, doet zich op dit gebied voor: het kan bronnen opleveren die realistisch lijken maar niet bestaan. Voer dus zelf het eigenlijke onderzoek uit, verifieer elke bron met de DOI, vergelijk de samenvattingen met de originele tekst en evalueer kritisch het niveau van bewijsmateriaal. De uiteindelijke interpretatie van het bewijsmateriaal en de aanpassing ervan aan de patiënt ligt bij de apotheker.
Applicatie taak
Kies een klinische vraag uit je eigen praktijk en laat de AI deze vertalen naar PICO. Neem de zoektermen en voer zelf de daadwerkelijke zoekopdracht uit in een erkende database. Vraag de AI om een paar "bronnen" over het onderwerp en probeer de DOI van elk te openen; Merk op hoeveel echt zijn en hoeveel verzonnen zijn. Laat de AI ten slotte een echt artikel samenvatten, vergelijk de samenvatting met het oorspronkelijke resultaat en signaleer eventuele vertekeningen.
controlelijst
- [ ] Ik heb de vraag opgebouwd rond PICO.
- [ ] Ik heb de zoektermen overgenomen en de daadwerkelijke zoekopdracht zelf uitgevoerd.
- [ ] Ik heb elke bron geopend met DOI en de authenticiteit ervan geverifieerd.
- [ ] Ik heb de samenvattingen vergeleken met de originele tekst.
- [ ] Ik heb het bewijsniveau en de actualiteit geëvalueerd.
- [ ] Ik heb rekening gehouden met belangenverstrengeling.
- [ ] Ik heb geverifieerde bronnen bewaard.