Nadzor receptov, preverjanje in zajem napak — Umetna inteligenca v farmaciji

Dobički:

Sposobnost predhodnega skeniranja odmerka, indikacije, podvajanja in tveganj medsebojnega delovanja v receptu z umetno inteligenco in označevanje sumljivih predmetov
Sposobnost obvladovanja tveganja lažno pozitivnih/negativnih rezultatov s potrditvijo vsakega opozorila, ki ga zajame umetna inteligenca, s povzetkom glavnih značilnosti zdravila, vodnikom in zdravnikom
Za odobritev recepta je odgovoren pristojni farmacevt, v primeru dvoma pa možnost uporabe verige posvetovanja z zdravnikom.

Recept je most, ki prenaša zdravnikovo odločitev v farmacevtovo ordinacijo; Lekarnar pa pregleda vsako desko tega mostu posebej. Napačen odmerek, ponavljajoče se zdravilo, spregledana interakcija, indikacija, ki bolniku ne ustreza; Vse to se ujame pri pregledu receptov. To opravilo se v polni lekarni ponovi več desetkrat na uro in utrujenost pozornosti je resnično tveganje. Umetna inteligenca je tu dragocena kot drugo oko: označuje sumljive predmete, poudarja tveganje, ki bi ga lahko spregledali, vas opomni na kontrolni seznam. Toda AI lahko proizvede lažno pozitivno (nepotreben alarm) ali lažno negativno (zmota); zato je treba vsako njegovo opozorilo tudi preveriti. V tej enoti se boste naučili, kako narediti umetno inteligenco varno drugo oko pri nadzoru predpisovanja.

Razsežnosti kontrole predpisovanja

Dober pregled receptov zastavlja ta vprašanja:

Ali je to pravo zdravilo? Ali je indikacija (razlog za uporabo) primerna za bolnika? Ali prihaja do zmede zaradi podobnosti imen (npr. dve podobni imeni zdravil)?
Ali je pravi odmerek? Ali je odmerek primeren glede na starost, težo, delovanje ledvic/jeter? Ali je bil največji odmerek presežen?
Ali obstaja podvajanje? Ali se dva izdelka, ki vsebujeta isto učinkovino, predpisujeta skupaj?
Ali obstaja interakcija? Interakcija s predpisanimi zdravili ali drugimi, ki jih bolnik jemlje?
Ali obstajajo kakšne kontraindikacije? Ali je zdravilo škodljivo zaradi bolnikovega stanja (nosečnost, alergija, bolezen)?
Ali sta trajanje in količina dosledna? Ali je število napisanih polj združljivo z odmerkom in trajanjem?

AI lahko vnaprej pregleda vsako od teh dimenzij; Vsaka ugotovitev pa je potrjena s SmPC, vodnikom in po potrebi zdravnikom.

Med temi dimenzijami je najbolj zahrbtna zmeda, ki jo povzroča podobnost imen (LASA v mednarodni literaturi: zdravila s podobnim črkovanjem ali izgovorjavo). Dve različni učinkovini, ki sta si podobni le z nekaj črkami, lahko zaradi rokopisa ali hitre izbire zamenjamo in taka napaka privede do popolnoma drugačnega zdravljenja. AI vas lahko opomni, če ima ime zdravila na receptu znan "par, ki se meša"; Toda odločitev o tem, katera je dejansko mišljena, sprejme bolnikova diagnoza in pojasnilo z zdravnikom, kadar je to potrebno. Opozorilo umetne inteligence, da "se lahko meša s tem zdravilom", je začetek in ne konec.

Pozor: AI lahko napačno dešifrira okrajšavo v receptu ali izračuna odmerek iz drugega obrazca. Samo zato, ker pravi "ni problema", še ne dokazuje, da je recept pravilen; Da znak le na podlagi tega, kar vidi.

Lažno pozitivno in lažno negativno

Pri nadzoru predpisovanja obstajata dve vrsti napak. Lažno pozitiven rezultat sproži alarm, ko dejansko ni problema; Če se to zgodi prepogosto, povzroči "utrujenost od alarma" in prava opozorila se prezrejo. Lažno negativen izostane pravi problem; To je bolj nevarno, ker mine tiho. AI lahko ustvari oboje. Zato AI ne morete narediti za edino kontrolno plast; je dopolnilo farmacevtove kontrole, ne nadomestilo.

trije mini kovčki

Primer 1 – podvojena učinkovina. En recept je vseboval zdravilo proti bolečinam z isto učinkovino pod dvema različnima trgovskima imenoma; Če bi bolnik vzel oboje skupaj, bi se odmerek podvojil. Umetna inteligenca je v predhodnem pregledu označila "možno podvojeno učinkovino". Farmacevt je preveril vsebino obeh izdelkov v SmPC, potrdil podvajanje in enega od njiju po posvetu z zdravnikom preklical. Umetna inteligenca je izpostavila tveganje, ki bi ga lahko spregledali.

Primer 2 – Lažno pozitivna interakcija. Umetna inteligenca je v enem receptu opozorila na "resno interakcijo". Ko je farmacevt pogledal trenutno bazo podatkov o interakcijah, je videl, da gre za teoretično in klinično nepomembno interakcijo; Odmerek in spremljanje bolnika sta bila že varna. Farmacevt je opozorilo zabeležil kot "ocenjeno, poseg ni potreben". Če bi slepo sledili umetni inteligenci, bi prišlo do nepotrebnega iskanja zdravnika in tesnobe bolnikov.

Primer 3 – Razlika med odmerkom in trajanjem. V sirupu, ki je bil predpisan otroku, sta bila navedena dnevni odmerek in trajanje zdravljenja, vendar število predpisanih stekleničk ni zadostovalo za dokončanje zdravljenja. Umetna inteligenca je opozorila, da "znesek morda ne bo pokril obdobja zdravljenja". Farmacevt je preveril račun, potrdil pomanjkljivost in z zdravnikom popravil znesek. Umetna inteligenca je ujela aritmetično neskladje.

Nadzor receptov po korakih (podprto z umetno inteligenco)

Anonimiziraj. Počisti ID bolnika; kaj šele klinični kontekst.
Preverite sami. Kot farmacevt najprej ocenite recept.
Prosite za drugo oko. Zahtevajte predhodno preverjanje umetne inteligence glede odmerka, podvajanja, interakcije in doslednosti.
Filtrirajte opozorila. Vsako opozorilo pretehtajte glede na SmPC/zbirko podatkov; Izločite lažne pozitivne rezultate.
Če ste resnično ogroženi, se posvetujte s svojim zdravnikom. Potrjeno težavo rešite z zdravnikom.
Zapišite odločitev in utemeljitev. Omogočite sledljivost zajetih in izločenih opozoril.

Šibek poziv/močan poziv

Slab: "Ali je ta recept pravilen?"

Strong: "Vnaprej preverite naslednji recept kot farmacevtovo drugo oko. Pacient (anonimno): 70 let, očistek kreatinina ~30 ml/min, znana alergija [...]. Recept: [seznam zdravil/odmerkov/trajanja]. Označite sumljive predmete pod naslednjimi naslovi: ustreznost odmerka, podvojena učinkovina, interakcija, kontraindikacija, doslednost med količino in trajanjem. Za vsako oznako "Potrdite s SmPC/zbirko podatkov 'et' in podajte odločitev glede stopnje pomembnosti (visoka/srednja/nizka)."

Kontekst pacienta, kontrolni naslovi in pogoj preverjanja so jasni v zmogljivem pozivu.

Štiri predloge za kopiranje

Naloga: Preverjanje podvojenih učinkovin. Seznam zdravil (trgovska imena): [...]. Rezultat: Označite dvojnike, ki bi lahko vsebovali isto učinkovino; dodaj opombo "vsebina mora biti preverjena iz SmPC". Če niste prepričani, napišite [NEGOTOVO].

Naloga: Preverjanje konsistentnosti odmerek-količina-trajanje. Vnos: odmerek [...], pogostnost [...], trajanje [...] dni, količina na recept [...]. Izračunajte: skupne zahtevane enote itd. količina na recept. Označite morebitna neskladja. Prikažite izračun korak za korakom; Farmacevt bo neodvisno preveril.

Naloga: Kontrolni seznam kontraindikacij. Pacientova stanja: [nosečnost/alergija/bolezen]. Droge: [...].Izhod: Za vsako zdravilo "ali je to lahko v nasprotju s situacijo?" Označite vprašanje; ne podajajo dokončne presoje, napišejo "potrdi v razdelku o kontraindikacijah povzetka glavnih značilnosti zdravila".

Tabela kontrolnih plasti receptov

plast

Kdo/kaj dela

Namen

1. Farmacevt prvo branje

farmacevt

Klinična logika in integriteta

2. Predhodni pregled umetne inteligence

umetna inteligenca

Označite, kaj ste zamudili

3. Potrditev vira

Farmacevt + SPC/baza podatkov

dokazilo o točnosti

4. Komunikacija zdravnika

Farmacevt ↔ Zdravnik

Rešitev pravega problema

5. Registracija

farmacevt

sledljivost

Pogoste napake

Sproščujoče, ker je umetna inteligenca rekla "ni problema". Obstaja nevarnost lažno negativnih rezultatov; Farmacevtski nadzor je nujen.
Slepo uboganje vsakega opozorila. Treba je odpraviti lažne pozitivne rezultate in preprečiti nepotrebna iskanja pri zdravniku.
Dekodiranje okrajšav z umetno inteligenco. Če so okrajšave na receptu nejasne, se je treba posvetovati z zdravnikom.
Preskok izračuna količine in trajanja. Enostavne aritmetične nedoslednosti motijo pacientovo skladnost.
Brez beleženja odločitve. Izločena in zajeta opozorila morajo biti sledljiva.

Če povzamem

Umetna inteligenca je dragoceno drugo oko pri nadzoru predpisovanja zdravil; Vzpostavlja varnostno mrežo proti utrujenosti pozornosti z označevanjem tveganj odmerjanja, podvajanja, interakcije in doslednosti. Vendar ne more biti edina kontrolna plast, saj lahko povzroči lažno pozitivne in lažno negativne rezultate. Farmacevt najprej opravi lastno oceno, filtrira opozorila umetne inteligence s SmPC in bazo podatkov, reši pravi problem z zdravnikom in zabeleži odločitev. Za odobritev receptov je vedno odgovoren pristojni farmacevt.

Aplikacijska naloga

Nastavite scenarij anonimnega predpisovanja (kontekst bolnika + 4-5 postavk, vključite namerno podvajanje in neskladje med odmerkom in časom). Prosite AI za predhodno skeniranje drugega očesa. Navedite težave, ki jih ujame in zgreši; S povzetkom glavnih značilnosti zdravila/zbirko podatkov pokažite, katera od opozoril, ki jih ustvari, so lažno pozitivna. Na koncu zapišite komunikacijo z zdravnikom, s katero boste reševali resnične ugotovljene težave in kako jih boste zabeležili.

kontrolni seznam

[ ] Recept sem najprej ocenil sam.
[ ] Pacientu sem podal kontekst anonimno in v celoti.
[ ] Od AI sem prejel strukturirano predhodno skeniranje.
[ ] Vsako opozorilo sem potrdil s povzetkom glavnih značilnosti zdravila/zbirko podatkov.
[ ] Lažne pozitivne rezultate sem izločil z utemeljitvijo.
[ ] Pravi problem sem rešil z zdravnikom.
[ ] Zabeležil sem opozorila, ki so bila ujeta in izločena.