การทบทวนวรรณกรรมและเภสัชกรรมตามหลักฐาน

กำไร:

• ความสามารถในการจัดโครงสร้างคำถามทางคลินิกและดำเนินการทบทวนวรรณกรรม สรุป และรวบรวมหลักฐานด้วยปัญญาประดิษฐ์
• ความสามารถในการจัดการความเสี่ยงของการอ้างอิงที่ปลอมแปลง (ภาพหลอน) โดยการยืนยันแต่ละแหล่งที่มาที่ได้รับจากปัญญาประดิษฐ์ด้วย DOI และบทความต้นฉบับ
• ความสามารถในการอ่านบทคัดย่อของ AI อย่างมีวิจารณญาณ ประเมินระดับของหลักฐาน ความขัดแย้งทางผลประโยชน์ และความทันเวลา

เภสัชศาสตร์เป็นอาชีพที่มีการต่ออายุความรู้อย่างต่อเนื่อง ขนาดยาหรือคำแนะนำที่ทราบอย่างถูกต้องเมื่อวานนี้อาจเปลี่ยนแปลงเมื่อมีการศึกษาใหม่ ร้านขายยาที่อิงหลักฐานหมายถึงการตอบคำถามด้วยหลักฐานทางวิทยาศาสตร์ที่เป็นปัจจุบันและเชื่อถือได้ที่สุด แต่วรรณกรรมทางวิทยาศาสตร์มีขนาดใหญ่และกระจัดกระจาย เป็นเรื่องง่ายที่จะถูกครอบงำด้วยบทความหลายร้อยบทความเมื่อค้นหาคำตอบสำหรับคำถาม ปัญญาประดิษฐ์เป็นเครื่องมือสแกนและสรุปที่มีประสิทธิภาพ โดยจะช่วยจัดโครงสร้างคำถาม สร้างข้อความค้นหา และสรุปข้อความขนาดยาว แต่ข้อผิดพลาดที่อันตรายที่สุดของปัญญาประดิษฐ์นั้นอยู่ตรงบริเวณนี้: มันสามารถสร้างบทความและ DOI ที่ไม่มีอยู่จริงได้ ในหน่วยนี้ คุณจะได้เรียนรู้การใช้ปัญญาประดิษฐ์เป็นเครื่องมือที่ปลอดภัยและผ่านการตรวจสอบแล้วในการทบทวนวรรณกรรม

ขั้นตอนของแนวทางตามหลักฐานเชิงประจักษ์

คำถามตามหลักฐานจะได้รับคำตอบตามขั้นตอนเหล่านี้:

1. จัดโครงสร้างคำถาม. คำถามทางคลินิกที่ดีมักอยู่ภายใต้กรอบการทำงานของ PICO ได้แก่ ผู้ป่วย/ประชากร (ผู้ป่วย) การแทรกแซง การเปรียบเทียบ ผลลัพธ์ ตัวอย่าง: “ยา X (I) ส่งผลต่อความเสี่ยงของภาวะน้ำตาลในเลือดต่ำ (O) อย่างไรเมื่อเทียบกับยา Y (C) ในผู้สูงอายุที่เป็นเบาหวานชนิดที่ 2 (P)”
2. มองหาหลักฐาน. ค้นหาฐานข้อมูลและทรัพยากรที่เหมาะสม
3. ประเมินหลักฐาน ประเภทของการศึกษา คุณภาพ ขนาดตัวอย่าง และความเสี่ยงของการมีอคติ
4. สมัครและติดตาม ปรับสิ่งที่ค้นพบให้เข้ากับบริบทของผู้ป่วย

AI รวดเร็วเป็นพิเศษในขั้นตอนที่ 1 และ 3 (จัดโครงสร้างคำถามและช่วยประเมินข้อความ) แต่ขั้นตอนที่ 2 (การจัดหา) ต้องมีการตรวจสอบที่สำคัญ

ลำดับชั้นของหลักฐาน

หลักฐานทั้งหมดไม่เท่ากัน ลำดับชั้นทั่วไป:

ระดับของหลักฐาน

ตัวอย่าง

อำนาจ

สูงสุด

การทบทวนอย่างเป็นระบบ การวิเคราะห์เมตา

การรวมกันของการศึกษาหลายรายการ

สูง

การทดลองแบบสุ่มที่มีกลุ่มควบคุม (RCT)

ควบคุมได้ มีอคติต่ำ

ปานกลาง

กลุ่มประชากรตามรุ่น การควบคุมกรณีและปัญหา

การสังเกต ความเสี่ยงของปัจจัยรบกวน

ต่ำ

ซีรีส์เคส ความเห็นของผู้เชี่ยวชาญ

ลักษณะทั่วไปที่จำกัด

ต่ำสุด

เนื้อหาเว็บโดยสรุปและไม่ได้รับการยืนยัน

มูลค่าหลักฐานต่ำ

เมื่อสรุปการค้นพบ AI อาจทำให้ระดับของหลักฐานสับสนหรือนำเสนอแหล่งที่มาที่อ่อนแอว่าแข็งแกร่ง คุณสามารถควบคุมระดับได้เสมอ

นอกจากนี้อาจมีการศึกษาที่ขัดแย้งกันในเรื่องเดียวกัน บางครั้ง AI สามารถเน้นได้เพียงด้านเดียวและเพิกเฉยต่ออีกด้าน สิ่งนี้เรียกว่า "การนำเสนอแบบเลือกสรร" การประเมินหลักฐานที่ชัดเจนจะมองหาแนวโน้มทั่วไปในหัวข้อ (สิ่งที่การศึกษาจำนวนมากมีเหมือนกัน) และการทบทวนอย่างเป็นระบบในปัจจุบัน หากมี การเปลี่ยนแปลงการปฏิบัติโดยอาศัยการศึกษาเดี่ยวๆ โดยเฉพาะการศึกษาตัวอย่างขนาดเล็กหรือการศึกษาแบบศูนย์เดียวถือเป็นความเสี่ยง การถาม AI “มีข้อค้นพบที่ขัดแย้งกันในประเด็นนี้หรือไม่ ซึ่งฝ่ายใดมีหลักฐานที่ชัดเจนกว่า” เป็นวิธีที่ดีในการสร้างสมดุลของการสรุปด้านเดียว แต่การชั่งน้ำหนักขั้นสุดท้ายจะกระทำโดยคุณโดยการอ่านแหล่งข้อมูลต้นฉบับ

ข้อควรระวัง: AI อาจสร้างข้อมูลอ้างอิงที่ประดิษฐ์ขึ้นมาทั้งหมดโดยมีชื่อ ชื่อผู้แต่ง วารสาร และ DOI ที่สมจริง สิ่งนี้เรียกว่า "ภาพหลอนอ้างอิง" ห้ามอ้างอิงแหล่งที่มาโดยไม่เปิด DOI ในฐานข้อมูล/วารสารต้นฉบับ และดูเนื้อหาในนั้น

มินิเคสสามอัน

กรณีที่ 1 — DOI ที่สร้างขึ้น เภสัชกรถาม AI เกี่ยวกับแหล่งที่มาเกี่ยวกับประสิทธิผลของยา ปัญญาประดิษฐ์ให้ผล 3 บทความและ DOI เมื่อเภสัชกรพยายามเปิด DOI เขาพบว่ามีสองรายการที่ไม่สอดคล้องกับบันทึกใดๆ อันหนึ่งเป็นของจริงแต่รายงานผลลัพธ์ที่ต่างออกไป เภสัชกรใช้เฉพาะผลิตภัณฑ์จริงที่เขาตรวจสอบแล้วเท่านั้น หากไม่มีการตรวจสอบ แหล่งที่มาที่สมมติขึ้นสองแห่งจะถูกรวมไว้ในรายงานเดียว

กรณีที่ 2 — ค้นหาด้วย PICO เภสัชกรคนหนึ่งกำลังศึกษาการเปรียบเทียบความปลอดภัยของยาแก้ปวด 2 ชนิดในผู้สูงอายุ เขาขอให้ AI ทิ้งคำถามลงใน PICO และสร้างคำค้นหา AI ให้คำศัพท์และคำพ้องความหมายที่ชัดเจน เภสัชกรเองก็ทำการค้นหาจริงในฐานข้อมูลที่มีชื่อเสียงและประเมินผลลัพธ์ ปัญญาประดิษฐ์ได้เร่งการค้นหา เภสัชกรพบแหล่งที่มาและอ่าน

กรณีที่ 3 — การบิดเบือนสรุป เภสัชกรมีบทความจริงที่สรุปโดยปัญญาประดิษฐ์ บทคัดย่ออ้างว่าการศึกษานี้แสดงให้เห็นถึง “ความเหนือกว่าที่ชัดเจน”; แต่บทความเองก็ระบุว่าผลลัพธ์ "ไม่มีนัยสำคัญทางสถิติ" เภสัชกรอ่านข้อความต้นฉบับ สังเกตเห็นการบิดเบือน และแก้ไขบทสรุป สรุป AI พูดเกินจริง; การกลับมาสู่แหล่งข่าวเผยให้เห็นความจริง

กรณีที่ 4 — ขาดหัวข้อ เภสัชกรได้รับข้อมูลจากปัญญาประดิษฐ์เกี่ยวกับการใช้ยาที่แนะนำ คำตอบดูเหมือนสมเหตุสมผล แต่อิงตามคำแนะนำเมื่อไม่กี่ปีก่อน อย่างไรก็ตาม คำแนะนำดังกล่าวได้รับการอัปเดตแล้ว เมื่อเภสัชกรเปิดคู่มือฉบับปรับปรุงก็เห็นความแตกต่างจึงนำคำแนะนำใหม่มาเป็นพื้นฐาน เนื่องจากความรู้ของ AI ถูกแช่แข็งในวันที่กำหนด จึงไม่สามารถทราบการเปลี่ยนแปลงล่าสุดได้ การตรวจสอบที่ทันสมัยช่วยปิดช่องว่างนี้

การคัดกรองตามหลักฐานทีละขั้นตอน

1. ตั้งกรอบคำถามด้วย PICO ประชากร การแทรกแซง การเปรียบเทียบ ผลลัพธ์
2. สร้างคำค้นหา รับคำสำคัญและคำพ้องความหมายจากปัญญาประดิษฐ์
3. คุณทำการโทรจริง ค้นหาฐานข้อมูล/แหล่งที่มาที่มีชื่อเสียง "การสร้าง" ทรัพยากรให้กับ AI
4. ตรวจสอบทุกแหล่ง Open DOI ผู้เขียน/วารสาร/ปี จริงหรือไม่ เนื้อหาสนับสนุนคำกล่าวอ้างหรือไม่?
5. ประเมินระดับของหลักฐาน ประเภทของงาน คุณภาพ ผลประโยชน์ทับซ้อน ความทันเวลา
6. ตามบริบทและบันทึก เชื่อมโยงการค้นหาไปยังผู้ป่วย/คำถาม แหล่งบันทึก

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

อ่อนแอ: "ยาตัวนี้ได้ผลหรือเปล่าช่วยบอกแหล่งหน่อย"

ชัดเจน: "วางโครงสร้างคำถามทางคลินิกต่อไปนี้ในกรอบงาน PICO: [คำถาม] จากนั้นสร้างคำค้นหาและคำพ้องความหมายที่มีประสิทธิภาพสำหรับคำถามนั้น อย่าสร้างแหล่งที่มา/บทความ บอกฉันว่าการศึกษาประเภทใด (RCT, การวิเคราะห์เมตา) และฐานข้อมูลใดที่ฉันควรมองหาแทน หากคุณตั้งชื่อแหล่งที่มา แท็ก 'ไม่ได้รับการยืนยัน ต้องได้รับการยืนยันด้วย DOI'"

ในทันที กรอบการทำงาน ขอบเขต และเงื่อนไขการตรวจสอบมีความชัดเจน AI ไม่ได้ถูกบังคับให้สร้างทรัพยากร

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

ภารกิจ: เขียนคำถามทางคลินิกลงใน PICO คำถาม: [...] ผลลัพธ์: P (ประชากร), I (การรบกวน), C (การเปรียบเทียบ), O (ผลลัพธ์) และคำถามวิจัยที่มีโครงสร้างหนึ่งประโยค

งาน: สร้างคำค้นหา (FITTING source) หัวเรื่อง: [...] ผลลัพธ์: คำหลัก + คำพ้องความหมาย + ประเภทการศึกษาที่แนะนำ เครดิต/ดอย; แค่บอกฉันว่าจะโทรยังไง

งาน: สรุปข้อความนี้อย่างเป็นกลาง (ไม่มีการพูดเกินจริง) ข้อความ: [บทความ] ผลลัพธ์: วัตถุประสงค์ วิธีการ ตัวอย่าง การค้นพบหลัก ข้อจำกัด ข้อสรุป การแสดงผลลัพธ์ แข็งแกร่งกว่าที่ข้อความกล่าวไว้ เก็บความไม่แน่นอนไว้

งาน: สร้างรายการตรวจสอบการตรวจสอบการอ้างอิง ข้อมูลอ้างอิง: [...] เรียงตาม: DOI เปิด? ผู้เขียน/วารสาร/ปี ถือหรือไม่? เนื้อหาสนับสนุนการกล่าวอ้างหรือไม่ หลักฐานมีระดับไหน? มีความขัดแย้งทางผลประโยชน์หรือไม่?

ข้อผิดพลาดทั่วไป

• การอ้างอิง DOI ที่ได้รับจากปัญญาประดิษฐ์โดยไม่ต้องเปิด ความเสี่ยงต่อการเกิดภาพหลอนอ้างอิงคืออันตรายที่ยิ่งใหญ่ที่สุด
• แทนที่บทสรุปสำหรับแหล่งที่มา สำหรับการกล่าวอ้างเชิงวิพากษ์วิจารณ์ ควรกลับไปที่ข้อความต้นฉบับ
• ทำให้ระดับหลักฐานสับสน ความคิดเห็นของผู้เชี่ยวชาญและการวิเคราะห์เมตาไม่ได้มีน้ำหนักเท่ากัน
• ข้ามการอัปเดต การศึกษาเก่าอาจขัดแย้งกับคำแนะนำในปัจจุบัน ควรตรวจสอบวันที่
• มองข้ามความขัดแย้งทางผลประโยชน์ การระดมทุนและการประกาศการตีความอิทธิพลของผลประโยชน์

โดยสรุป

ปัญญาประดิษฐ์เป็นตัวเร่งอันทรงพลังในการจัดโครงสร้างคำถาม สร้างคำค้นหา และสรุปข้อความขนาดยาวในการค้นหาวรรณกรรม แต่ข้อผิดพลาดที่อันตรายที่สุด นั่นคือ ภาพหลอนอ้างอิง เกิดขึ้นในบริเวณนี้: สามารถสร้างแหล่งที่มาที่ดูสมจริงแต่ไม่มีอยู่จริง ดังนั้น ให้ค้นหาด้วยตนเอง ตรวจสอบแหล่งที่มาแต่ละแห่งด้วย DOI เปรียบเทียบบทคัดย่อกับข้อความต้นฉบับ และประเมินระดับหลักฐานอย่างมีวิจารณญาณ การตีความหลักฐานขั้นสุดท้ายและการปรับตัวให้เข้ากับผู้ป่วยจะขึ้นอยู่กับเภสัชกร

งานสมัคร

เลือกคำถามทางคลินิกจากการปฏิบัติของคุณเองและให้ AI แปลเป็น PICO ใช้คำค้นหาและทำการค้นหาจริงด้วยตนเองในฐานข้อมูลที่เป็นที่รู้จัก ขอ "แหล่งที่มา" สองสามรายการจาก AI ในหัวข้อแล้วลองเปิด DOI ของแต่ละรายการ สังเกตว่ามีกี่อันที่เป็นของจริงและประกอบขึ้นเป็นจำนวนเท่าใด สุดท้ายให้ AI สรุปบทความจริง เปรียบเทียบสรุปกับผลลัพธ์ต้นฉบับ และแจ้งความบิดเบือนใดๆ

รายการตรวจสอบ

• [ ] ฉันจัดโครงสร้างคำถามเกี่ยวกับ PICO
• [ ] ฉันเอาคำค้นหาไปค้นหาจริงด้วยตัวเอง
• [ ] ฉันเปิดแต่ละแหล่งด้วย DOI และตรวจสอบความถูกต้อง
• [ ] ฉันเปรียบเทียบบทสรุปกับข้อความต้นฉบับ
• [ ] ฉันประเมินระดับหลักฐานและความทันเวลา
• [ ] ฉันได้พิจารณาถึงความขัดแย้งทางผลประโยชน์แล้ว
• [ ] ฉันได้บันทึกแหล่งที่มาที่ได้รับการยืนยันแล้ว