Umetna inteligenca pri interakcijah z zdravili in nadzoru odmerkov — Umetna inteligenca v farmaciji

Dobički:

Sposobnost ovrednotenja kakovosti dokazov in omejitev izhoda pri predhodnem pregledovanju interakcij med zdravilom, zdravilom in hrano ter zdravilom in boleznijo z umetno inteligenco
Sposobnost navzkrižne validacije izhoda umetne inteligence z neodvisnim izračunom in SmPC v izračunih odmerka, enote in pogostosti uporabe
Sposobnost razumevanja, da je končna odgovornost za odločitve o medsebojnem delovanju in odmerjanju na strani pristojnega farmacevta in da je treba klinični pomen oceniti v kontekstu bolnika.

V središču farmacije sta dve vprašanji: "Ali sta ti zdravili skupaj varni?" in "Ali je ta odmerek primeren za tega bolnika?" Ti dve vprašanji se postavljata vsak dan na stotine krat in vsako se neposredno dotika varnosti bolnikov. Umetna inteligenca lahko pospeši predhodno preverjanje teh vprašanj; Možne interakcije postavi pred vas na seznam, vas opomni na logiko odmerjanja in pokaže na točko, ki ste jo pozabili. Toda razlika med "možno interakcijo" in "klinično pomembno interakcijo za tega bolnika" je bistvo vašega poklica in to razliko naredite vi, ne umetna inteligenca. V tej enoti se boste naučili, kako narediti umetno inteligenco varno orodje za predhodni pregled za interakcijo in nadzor odmerka.

Tri vrste interakcij zdravil

Interakcija je, ko ena snov spremeni učinek druge snovi. Obstajajo tri glavne vrste:

Interakcija med zdravili: Dve zdravili povečata ali zmanjšata učinek drug drugega. Primer: Sočasna uporaba varfarina (redčilo za kri) in nekaterih antibiotikov lahko poveča tveganje za krvavitev.
Interakcija med zdravilom in hranilom: hrana spremeni absorpcijo ali presnovo zdravila. Primer: sok grenivke lahko poveča koncentracijo nekaterih zdravil v krvi.
Medsebojno delovanje zdravila in bolezni: zdravilo lahko poslabša bolnikovo obstoječo bolezen. Primer: nekatera zdravila proti bolečinam so lahko škodljiva pri srčnem popuščanju ali boleznih ledvic.

Umetna inteligenca lahko pregleda vse tri vrste, vendar je naloga farmacevta, da oceni klinični pomen vsakega opozorila (ali dejansko zahteva posredovanje) v kontekstu bolnika.

Pozor: Celo baze podatkov o interakcijah razlikujejo med "teoretično" in "klinično pomembno" interakcijo. AI lahko enako resno našteje oboje. Vsako opozorilo pretehtajte glede na trenutni vir, da se izognete utrujenosti opozoril (preveč opozoril in manjkajoče pravo).

Kje umetna inteligenca pomaga pri nadzoru doze

Nadzor odmerka je sestavljen iz treh korakov: poznavanje pravilnega odmerka, prilagoditev za bolnika in pravilen izračun. Umetna inteligenca:

Opomi: "Ali to zdravilo zahteva prilagoditev odmerka pri odpovedi ledvic?" Zagotavlja odgovore na takšna vprašanja kot predhodni pregled.
Osnutki izračunov: Hitro izpiše rutinske izračune, kot so izračun v mg/kg, pretvorba v ml, pogostost nanašanja.
Ustvari kontrolni seznam: seznam stvari, na katere morate biti pozorni, preden potrdite odmerek.

Toda v vseh treh korakih imata zadnjo besedo SmPC (povzetek informacij o zdravilu; uradno odobreno besedilo z informacijami o zdravilu) in neodvisni račun. AI si lahko napačno zapomni odmerek, zamenja enote (mg z mcg) ali da odmerek za drugo indikacijo.

trije mini kovčki

Primer 1 – Varfarin in antibiotiki. Zdravnik je 72-letnemu bolniku, ki je jemal varfarin, predpisal nov antibiotik. Umetna inteligenca je med predhodnim pregledom opozorila na "povečano tveganje za krvavitev, priporočljivo je natančno spremljanje INR". Farmacevt je to opozorilo potrdil s trenutno zbirko podatkov o interakcijah in povzetkom glavnih značilnosti zdravila, obvestil zdravnika in bolnika spomnil na datum kontrole INR (test strjevanja krvi). AI je tu postal varnostna mreža; Odločitev je bila sprejeta v usklajevanju farmacevta in zdravnika.

Primer 2 – Pediatrični odmerek. Sirup je bil predpisan otroku, staremu 4 leta, težkemu 16 kg. Odmerek 15 mg/kg/dan v 2 odmerkih na dan. AI je izračunal "16 × 15 = 240 mg/dan, 120 mg na odmerek." Farmacevt je neodvisno preveril izračun, iz povzetka glavnih značilnosti zdravila pridobil koncentracijo sirupa (npr. 250 mg/5 ml) in jo izračunal kot 2,4 ml na odmerek. AI ni mogel dati mL, ker ni poznal koncentracije; Ta korak je farmacevt opravil sam.

Primer 3 – Delovanje ledvic. Bolniku z ocenjenim očistkom kreatinina 25 ml/min so predpisali zdravilo, ki se običajno daje v polnem odmerku. Umetna inteligenca je rekla: "To zdravilo bo morda zahtevalo prilagoditev odmerka pri ledvični odpovedi, potrjuje povzetek glavnih značilnosti zdravila." Farmacevt je v povzetku glavnih značilnosti zdravila videl, da je treba odmerek prepoloviti, če je očistek nižji od 30 ml/min, in se obrnil na zdravnika. Umetna inteligenca je potrkala na prava vrata, vendar je SPC dal natančno stopnjo.

Interakcija po korakih in nadzor odmerka

Nastavite anonimni kontekst. Pripravite bolnikovo starost, težo, stanje ledvic/jeter in celoten seznam zdravil (brez identifikacije).
Zahtevajte predhodni pregled. Prosite AI, da navede tveganja interakcij in odmerkov.
Filter za klinični pomen. Vsako opozorilo pretehtajte glede na trenutno zbirko podatkov/povzetek glavnih značilnosti zdravila; Je teoretično ali smiselno?
Izračun opravite neodvisno. Ponovno rešite izračun doze z analizo enote.
Po potrebi se posvetujte z zdravnikom. Če ste v dvomih, nas kontaktirajte; Zapišite odločitev in obrazložitev.

Šibek poziv/močan poziv

Slabo: "Ali ta zdravila medsebojno delujejo?"

Strong: "Navedite možne interakcije med zdravili in med zdravili in boleznimi kot predhodni pregled za bolnika z uporabo naslednjega seznama zdravil. Bolnik: 68 let, srčno popuščanje, očistek kreatinina ~35 ml/min. Zdravila: [seznam]. Za vsako interakcijo napišite mehanizem, verjeten klinični izid in zabeležite 'potrebna je potrditev SmPC/zbirke podatkov'. Klinično odločanje; samo kontrolni seznam."

V močnem pozivu so kontekst bolnika, seznam zdravil in omejitev jasni; Rezultat ni odločitev, ampak kontrolni seznam za preverjanje.

Štiri predloge za kopiranje

Naloga: Predhodni pregled interakcij (NE ODLOČITEV). Pacient (anonimno): starost [...], teža [...], ledvice/jetra [...], diagnoze [...]. Seznam zdravil: [...]. Rezultat: | Par zdravil | Mehanizem | Možen izid | Prednost (visoka/srednja/nizka) | Vir potrditve | Opomba: v vsako vrstico dodajte »Potrebna je potrditev SPC/baze podatkov«.

Naloga: Pripravite kontrolni seznam odmerkov. Zdravilo: [...], indikacija: [...], bolnikova starost/teža/delovanje: [...]. Razvrsti: 1) Ali je standardno območje odmerjanja znano? 2) Ali je potrebna prilagoditev delovanja ledvic/jeter? 3) Največje tveganje za preveliko odmerjanje? 4) Pogostost/trajanje uporabe? Za vsako postavko napišite "potrdi iz SmPC". Ne navedite točne številke, odštejte točko, ki jo želite preveriti.

Naloga: KORAK ZA KORAKOM prikaži izračun odmerka mg/kg in napiši analizo enot. Vnos: teža [...] kg, odmerek [...] mg/kg/dan, število odmerkov [...]/dan, koncentracija izdelka [...] mg/mL. Izhod: mg na dan, mg na odmerek, mL na odmerek. Pokaži enoto na vsakem koraku. Opozorilo: Farmacevt mora neodvisno preveriti ta izračun.

Tabela opozoril za nadzor odmerjanja glede na vrsto zdravila

Stanje

Vloga umetne inteligence

Obvezno preverjanje

Standardni odmerek za odrasle

Opomnik/kontrolni seznam

razpon odmerka SPC

Okvara ledvic/jeter

Sporočilo, da so potrebne prilagoditve

Natančna stopnja + izračun očistka iz SmPC

Pediatrični (mg/kg)

osnutek računa

Samostojni račun + koncentracija

Zdravilo z ozkim terapevtskim indeksom (npr. varfarin, digoksin)

Poudarek opozorila

Povzetek glavnih značilnosti zdravila + parameter spremljanja + zdravnik

Pogoste napake

Vsako opozorilo jemljite enako resno. Teoretično in klinično pomembno interakcijo je treba ločiti.
Odvračanje pozornosti od umetne inteligence. Koncentracija izdelka je vedno vzeta iz SmPC/nalepke.
Zmeda preskočne enote. V izračunu je treba pojasniti enote, kot so mg/mcg, mg/mL, %.
Sprostitev ob zdravilih z ozkim terapevtskim indeksom. Pri teh zdravilih je majhna napaka veliko tveganje; potrebno je spremljanje.
Odlašanje posvetovanja z zdravnikom. Komunikacija v zvezi s pomembno interakcijo/odmerkom se ne sme odlašati.

Če povzamem

Umetna inteligenca je močno orodje za predhodni pregled in opomin pri interakciji in nadzoru odmerka; Odkriva morebitna tveganja in pospešuje rutino. Toda dolžnost farmacevta je, da loči med "verjetno" in "pomembno za tega bolnika", pridobi koncentracijo in natančno razmerje iz povzetka glavnih značilnosti zdravila, neodvisno preveri izračun in se v dvomih posvetuje z zdravnikom. Odločitev in odgovornost ostaja na pristojnem farmacevtu.

Aplikacijska naloga

Ustvarite anonimni profil bolnika (starost, teža, delovanje ledvic, 4-5 zdravil). Prosite umetno inteligenco za predhodni pregled interakcij in kontrolni seznam odmerkov. Primerjajte vsako opozorilo v izhodu s trenutnim virom interakcije in povzetkom glavnih značilnosti izdelka; Navedite, katero opozorilo je klinično pomembno in katero teoretično. Samostojno izračunajte odmerek in ga primerjajte z rezultatom AI in opazite razliko.

kontrolni seznam

[ ] Pacientu sem podal kontekst anonimno in v celoti.
[ ] Predhodni pregled medsebojnega delovanja sem filtriral glede na klinični pomen.
[ ] Vsako opozorilo sem potrdil s trenutno zbirko podatkov/povzetkom glavnih značilnosti zdravila.
[ ] Izračun doze sem preveril z neodvisno analizo in analizo enot.
[ ] Dobil sem koncentracijo/točno razmerje od SPC.
[ ] Pri zdravilih z ozkim terapevtskim indeksom sem bil dodatno previden.
[ ] Ko sem bil v dvomih, sem se posvetoval z zdravnikom in odločitev zabeležil.