Receptkontroll, Verifiering och Error Capture — Artificiell intelligens i apotek

Vinster:

Förmåga att förskanna dosering, indikation, dubbelarbete och interaktionsrisker i receptet med artificiell intelligens och flagga misstänkta föremål
Förmåga att hantera risken för falska positiva/negativa genom att bekräfta varje varning som fångas upp av artificiell intelligens med produktresumén, guiden och läkaren
Receptgodkännande är den behöriga farmaceutens ansvar och i tveksamma fall förmågan att tillämpa konsultationskedjan på läkaren.

Receptet är den brygga som överför läkarens beslut till farmaceutens verksamhet; Men apotekaren kontrollerar varje bräda på denna bro separat. Fel dos, upprepad medicinering, en förbisedd interaktion, en indikation som inte passar patienten; Allt detta fångas upp i receptkontrollen. Denna uppgift upprepas dussintals gånger i timmen på ett hektiskt apotek, och uppmärksamhetströtthet är en verklig risk. Artificiell intelligens är värdefullt här som ett andra öga: den flaggar misstänkta föremål, lyfter fram en risk som kan förbises, påminner dig om checklistan. But AI can produce a false positive (unnecessary alarm) or false negative (miss); så varje varning från honom måste också verifieras. In this unit, you will learn how to make artificial intelligence a safe second eye in prescription control.

Mått på receptkontroll

A good prescription check asks these questions:

Is it the right medicine? Är indikationen (anledning) lämplig för patienten? Is there confusion due to similarity of names (e.g. two similar drug names)?
Är det rätt dos? Är dosen lämplig efter ålder, vikt, njure/leverfunktion? Has the maximum dose been exceeded?
Is there any duplication? Förskrivs två produkter som innehåller samma aktiva ingrediens tillsammans?
Finns det interaktion? Interaktion med ordinerade mediciner eller andra patienten tar?
Are there any contraindications? Är medicinen skadlig på grund av patientens tillstånd (graviditet, allergi, sjukdom)?
Are the duration and amount consistent? Är antalet skrivna kartonger förenligt med dosen och varaktigheten?

AI can pre-screen each of these dimensions; Men varje fynd bekräftas med produktresumén, guiden och, vid behov, läkaren.

Bland dessa dimensioner är den mest lömska förvirringen som orsakas av likheten mellan namn (LASA i internationell litteratur: droger med liknande stavning eller uttal). Två olika aktiva ingredienser som liknar varandra med bara några bokstäver kan förväxlas på grund av handstil eller snabbt urval, och ett sådant fel leder till en helt annan behandling. AI can remind you if the drug name in a prescription has a known “miscible pair”; But the decision of which one is actually meant is made by the patient's diagnosis and clarification with the physician when necessary. The artificial intelligence's warning that "it may be mixed with that medicine" is a beginning, not an end.

Caution: AI may incorrectly decipher an abbreviation in the prescription or calculate a dose from a different form. Just because he says "no problem" doesn't prove that the prescription is correct; He only gives a sign based on what he sees.

False positive and false negative

Det finns två typer av fel vid receptkontroll. Ett falskt positivt är att larma när det faktiskt inte finns några problem; Om det händer för ofta skapar det "larmtrötthet" och riktiga varningar ignoreras. Ett falskt negativt saknar ett verkligt problem; Detta är farligare eftersom det passerar tyst. AI kan producera båda. Det är därför du inte kan göra AI till det enda kontrollskiktet; det är ett komplement till farmaceutens kontroll, inte en ersättning.

tre minifodral

Fall 1 — Duplicera aktiv ingrediens. Ett recept innehöll ett smärtstillande medel som innehöll samma aktiva ingrediens under två olika handelsnamn; Om patienten tog båda samtidigt skulle dosen fördubblas. Artificiell intelligens flaggade för "möjlig dubblett av aktiv ingrediens" i förundersökningen. Apotekaren verifierade innehållet i de två produkterna på produktresumén, bekräftade dubbelarbetet och avbröt en av dem i samråd med läkaren. Artificiell intelligens lyfte fram en risk som kunde ha förbisetts.

Fall 2 — Falsk positiv interaktion. AI varnade för "seriös interaktion" i ett recept. När farmaceuten tittade på den aktuella interaktionsdatabasen såg han att detta var en teoretiskt och kliniskt obetydlig interaktion; Dosen och övervakningen av patienten var redan säker. Apotekaren registrerade varningen som "utvärderad, inget ingripande krävs". Om artificiell intelligens följdes blint skulle det bli onödigt sökande efter en läkare och patientoro.

Fall 3 — Avvikelse mellan dos och varaktighet. I sirapen som ordinerats till ett barn gavs den dagliga dosen och behandlingens varaktighet, men antalet ordinerade flaskor räckte inte till för att fullfölja behandlingen. Artificiell intelligens gav en varning om att "beloppet kanske inte täcker behandlingsperioden". Apoteket verifierade kontot, bekräftade bristen och korrigerade mängden med läkaren. Artificiell intelligens fångade en aritmetisk diskrepans.

Steg för steg receptkontroll (artificiell intelligens stöds)

Anonymisera. Rensa patient-ID; än mindre det kliniska sammanhanget.
Gör din egen kontroll. As the pharmacist, you evaluate the prescription first.
Be om ett andra öga. Begär AI förhandsscreening för dos, duplicering, interaktion och konsistens.
Filtrera varningar. Väg varje varning mot produktresumén/databasen; Rensa bort falska positiva.
Om du är i verklig risk, kontakta din läkare. Lös det bekräftade problemet med en läkare.
Anteckna beslut och motivering. Gör både fångade och eliminerade varningar spårbara.

Svag prompt / Stark prompt

Svag: "Är detta recept korrekt?"

Stark: "Förkontrollera följande recept som apotekarens andra öga. Patient (anonym): 70 år gammal, kreatininclearance ~30 mL/min, känd allergi [...]. Recept: [läkemedel/dos/varaktighetslista]. Flagga misstänkta föremål under följande rubriker: lämplighet för dos, duplikat av aktiv ingrediens, mängd-dur kontraindikation, konsistens för varje kontraindikation, växelverkan med varaktighet. SmPC/databas 'et' och ange viktnivån (hög/medel/låg) beslut."

Patientens sammanhang, kontrollrubriker och verifieringsvillkor är tydliga i den kraftfulla prompten.

Fyra kopierbara mallar

Uppgift: Duplikatscreening av aktiv ingrediens. Läkemedelslista (handelsnamn): [...].Output: Markera dubbletter som kan innehålla samma aktiva ingrediens; lägg till notering "innehållet måste verifieras från produktresumén". Om du inte är säker, skriv [OSÄKER].

Uppgift: Konsistenskontroll av dos-mängd-varaktighet. Indata: dos [...], frekvens [...], varaktighet [...] dagar, receptbelagd kvantitet [...]. Beräkna: totala enheter som krävs etc. receptbelopp. Markera eventuella avvikelser. Visa beräkningen steg för steg; Apotekaren kommer självständigt att verifiera.

Uppgift: Checklista för kontraindikationer. Patienttillstånd: [graviditet/allergi/sjukdom]. Droger: [...].Output: För varje drog "kan detta komma i konflikt med situationen?" Markera frågan; gör inte en slutgiltig bedömning, skriv "bekräfta i avsnittet om kontraindikationer i produktresumén".

Tabell för receptkontrolllager

lager

Vem/vad gör

Syfte

1. Farmaceut första behandlingen

Farmaceut

Klinisk logik och integritet

2. Artificiell intelligens förundersökning

artificiell intelligens

Markera vad du missat

3. Källbekräftelse

Farmaceut + SPC/databas

bevis på riktighet

4. Läkarkommunikation

Farmaceut ↔ Läkare

Löser det verkliga problemet

5. Registrering

Farmaceut

spårbarhet

Vanliga misstag

Avkopplande eftersom den artificiella intelligensen sa "inga problem". Det finns risk för falska negativ; Apotekarkontroll är viktigt.
Blint lyder varje varning. Falska positiva resultat bör elimineras och onödiga läkarsökningar bör förhindras.
Avkodning av förkortningar med artificiell intelligens. Om receptförkortningar är oklara bör läkaren tillfrågas.
Hoppa över kvantitet-varaktighetsberäkning. Enkla aritmetiska inkonsekvenser stör patientens följsamhet.
Registrerar inte beslutet. Eliminerade och fångade varningar måste kunna spåras.

Sammanfattningsvis

Artificiell intelligens är ett värdefullt andra öga vid receptkontroll; Den etablerar ett skyddsnät mot uppmärksamhetströtthet genom att flagga risker för dosering, dubbelarbete, interaktion och konsistens. Men det kan inte vara det enda kontrollskiktet eftersom det kan producera både falska positiva och falska negativa. Apotekaren gör först sin egen utvärdering, filtrerar varningarna för den artificiella intelligensen med produktresumén och databasen, löser det verkliga problemet med läkaren och registrerar beslutet. Ansvaret för receptgodkännande ligger alltid på behörig apotekare.

Applikationsuppgift

Sätt upp ett anonymt ordinationsscenario (patientsammanhang + 4-5 poster, inklusive avsiktlig dubbelarbete och en avvikelse mellan dos och tid). Be AI om en andra öga förskanning. Lista de problem den fångar och missar; Visa med produktresumén/databasen vilka av varningarna den producerar som är falska positiva. Slutligen, skriv ner läkarmeddelandet du kommer att använda för att lösa de verkliga problemen som fångats och hur du kommer att registrera dem.

checklista

[ ] Jag utvärderade receptet själv först.
[ ] Jag gav patienten sammanhang anonymt och helt.
[ ] Jag fick en strukturerad förskanning från AI.
[ ] I confirmed each alert with the SmPC/database.
[ ] Jag eliminerade falska positiva med motivering.
[ ] Jag löste det verkliga problemet med doktorn.
[ ] Jag spelade in varningarna som fångades och eliminerades.