Прибуток:
- Можливість використовувати штучний інтелект для розпізнавання побічних реакцій на ліки (побічних ефектів), оцінки причинно-наслідкового зв’язку та підготовки проекту повідомлення TÜFAM
- Можливість безпечного заповнення тексту повідомлення шляхом перевірки його повноти, конфіденційності та офіційного формату
- Здатність розуміти, що оцінка причинно-наслідкових зв’язків у звітах про фармаконагляд потребує експертної оцінки, а штучний інтелект створює лише чернетку.
Як тільки препарат потрапляє на ринок, його історія не закінчується; Реальна інформація про безпеку накопичується, коли реальні пацієнти починають використовувати препарат. Фармаконагляд (моніторинг безпеки ліків) — це наука про збір, оцінку та попередження побічних реакцій на ліки (небажаних, шкідливих ефектів ліків). Фармацевт є одним із перших очей цієї системи: саме він перетворює фразу пацієнта «у мене після цього препарату висип» на сигнал здоров’я. У цьому процесі штучний інтелект економить час на документуванні, складанні та створенні контрольних списків. Але судження про причинно-наслідковий зв’язок (чи справді ефект викликаний препаратом) є клінічною оцінкою і не може бути делеговано ШІ. У цьому розділі ви дізнаєтеся, як безпечно проводити моніторинг несприятливих наслідків і звітувати за допомогою штучного інтелекту.
Побічні ефекти та важливість звітності
Побічна реакція на лікарський засіб (ПЛР) — це шкідливий і небажаний ефект, спричинений лікарським засобом, що використовується у нормальних дозах. Вони можуть бути легкими (висип, нудота) або важкими (госпіталізація, незворотні пошкодження, смерть). У Туреччині ці повідомлення надсилаються в TÜFAM (Турецький центр фармаконагляду). Сповіщення:
- Він відстежує профіль безпеки ліків на ринку в реальному світі.
- Він виявляє рідкісні побічні ефекти (ті, що не були виявлені в клінічних дослідженнях).
- У разі необхідності він є основою для рішень про попередження, обмеження або вилучення.
Для фармацевта звітність є не лише юридичним обов’язком, а й прямим внеском у безпеку пацієнтів. Але щоб бути ефективним, повідомлення має бути повним, точним і конфіденційним; Тут на допомогу приходить штучний інтелект.
Основний принцип стосовно того, про які ситуації слід повідомляти, такий: якщо є сумніви, повідомляйте. Будь-яка реакція, особливо на серйозні (госпіталізація, незворотні пошкодження, загроза життю), несподівані (не включені в SmPC) і нещодавно випущені препарати, є цінним сигналом. Одна лише заява не є доказом; Але коли звіти тисяч фармацевтів і лікарів об’єднуються, з’являється «сигнал» (статистична ознака можливої проблеми з безпекою). AI може допомогти вам швидко оцінити, чи відповідає інцидент критеріям звітності; Але якщо ШІ вирішувати, що «про це не варто повідомляти», це може призвести до втрати важливого сигналу.
Порада. Хороший звіт про побічну реакцію включає чотири основні елементи: пацієнта, який можна ідентифікувати (наприклад, вік/стать, а не особистість), підозрюваний(і) препарат(и), опис реакції та повідомлення. AI є гарним нагадуванням про перевірку повноти цих чотирьох елементів.
Причина: де штучний інтелект зупиниться
Оцінка причинно-наслідкового зв’язку така: «Чи справді цей ефект викликаний цим препаратом?» Це відповідь на запитання та враховує наступне: часовий зв’язок (часова гармонія між препаратом та його ефектом), альтернативні причини (інший препарат, хвороба), скасування провокації, коли препарат припиняється, одужання при повторному застосуванні (повторне провокування) та інформацію в літературі. Це клінічне судження; Штучний інтелект може перерахувати ці елементи в рамках, але точне рішення про причинно-наслідковий зв’язок приймає експерт. Твердження штучного інтелекту, що "це точно пов'язано з наркотиками", не є доказом.
три міні-чохла
Випадок 1 — Шкірний висип. 45-річний пацієнт повідомив про поширену висипку через 3 дні після початку прийому антибіотика. Фармацевт попросив у ШІ чернетку сповіщення та контрольний список відсутньої інформації. Штучний інтелект запитував про такі моменти, як вік пацієнта, дата початку прийому ліків і початок висипу. Фармацевт доповнив інформацію, самостійно оцінив причинно-наслідковий зв’язок (сильна часова відповідність, немає інших нових препаратів) і надіслав повідомлення у форматі TÜFAM. Штучний інтелект подбав про те, щоб жодне поле не залишалося порожнім.
Випадок 2 — Два сумнівних препарати. В одного пацієнта після початку прийому двох нових ліків спостерігалося підвищення показників печінки. Штучний інтелект зазначив: «Обидва препарати є підозрілими, слід розрізнити, хто відповідальний». Фармацевт назвав обидва препарати підозрілими та залишив визначення причинного зв’язку для клінічної оцінки лікаря. ШІ не став поспішно звинувачувати один препарат; Це точно відображало невизначеність.
Випадок 3 — Запобігання збою конфіденційності. Фармацевт під час складання повідомлення випадково вписав у тексті ім’я пацієнта. Підказка про анонімізацію позначала решту ідентифікаційної інформації в чернетці та попереджала «вік/стать достатній, ім’я не потрібне». Фармацевт витягнув свою ідентифікаційну інформацію. Штучний інтелект запобіг порушенню конфіденційності.
Покрокове звітування про несприятливі ефекти (підтримується штучний інтелект)
- Слідкуйте за подією. Отримайте реакцію та час від пацієнта/запису.
- Налаштувати анонімний контекст. Вік, стать, відповідна клінічна інформація замість особи.
- Попросіть план і контрольний список. Отримайте чернетку сповіщень і список відсутніх полів від AI.
- Причинно-наслідковий зв'язок оцініть самі. Тимчасовий зв'язок, альтернативи, девиклик; при необхідності з лікарем.
- Перевірте повноту та конфіденційність. Чи заповнені обов'язкові поля, чи зрозумілий ідентифікатор?
- Відправити в офіційному форматі. Переслати та зберегти до TÜFAM/відповідної системи.
Слабка підказка / Сильна підказка
Слабкий: «Повідомте про цей побічний ефект».
Сильно: «Підготуйте чернетку повідомлення та контрольний список обов’язкових полів для такої побічної реакції. Пацієнт (анонімно): 45 років, жінка. Підозрюваний препарат: [ім’я], початок [дата]. Реакція: [опис], початок [дата]. Інші препарати: [...]. Представте проект у ПОРЯДКУ елементів, які потрібно оцінити на причинний зв’язок (часовий зв’язок, альтернативна причина, звільнення), але не судіть про причинність; залиште це експерту. Не вимагайте ідентифікації».
У сильній підказці, анонімному контексті, обов’язкові поля та межа причинно-наслідкового зв’язку чіткі.
Чотири шаблони, які можна копіювати
Завдання: Схема повідомлення про побічні ефекти (винесення СУДЖЕННЯ про причинно-наслідковий зв’язок). Пацієнт (анонімний): вік [...], стать [...]. Підозрювані препарати: [назва, доза, дата початку]. Реакція: [опис, початок, перебіг, тяжкість]. Інші препарати/стани: [...]. Результат: структурований план + попередження про відсутність/пусте місце.
Завдання: Створення причинно-наслідкових зв’язків СХЕМА ОЦІНЮВАННЯ (не рішення). Сортування: 1) Тимчасовий зв’язок 2) Альтернативні причини 3) Перебіг після припинення прийому препарату (депровокація) 4) Статус повторного введення 5) Визнання в літературі. Запишіть кожен пункт як запитання; Експерт заповнить результат.
Завдання: контрольний список повноти звіту. Перевірте: пацієнта, який можна ідентифікувати (не ID), підозрюваний препарат, опис реакції, інформацію про репортера, дати, тяжкість, результат. Список відсутніх полів.
Завдання: Сканувати текст сповіщення на конфіденційність. Текст: [...]. Якщо є ідентифікаційна інформація (ім’я, ідентифікатор, адреса, телефон), позначте її та запропонуйте «замінити на анонімний еквівалент». Зберігати клінічне значення.
Таблиця тяжкості та пріоритетності реакції
серйозність
приклад
Пріоритет сповіщень
Роль штучного інтелекту
легкий
Тимчасова нудота, легкий висип
Стандартний
Схема + контрольний список
середній
Втрата робочої сили, що вимагає зміни дози
пріоритет
Чернетка + комплектність
серйозний
Госпіталізація, незворотні пошкодження
терміновий
Швидкий проект; причинність до експерта
неочікуваний/новий
Реакція відсутня в SmPC
висока
Попередній перегляд літератури + підтвердження
Поширені помилки
- Дозвольте штучному інтелекту визначити причинність. Причинно-наслідковий зв'язок - це клінічне судження; ШІ забезпечує лише основу.
- Залишення ідентифікаційної інформації. У сповіщенні не потрібно вказувати назву/TC; Анонімного еквівалента достатньо.
- Надіслати з відсутнім полем. Якщо обов’язкові поля не заповнені, сповіщення втрачає свою цінність.
- Не повідомляючи про це як про легку. Несподівані реакції, хоча й незначні, мають сигнальне значення.
- Зведення кількох підозрюваних наркотиків до одного. Якщо неясно, повідомляється про всіх підозрюваних.
Підсумовуючи
Фармаконагляд — це невидимий, але життєво важливий рівень безпеки пацієнтів, і фармацевт — головне око цієї системи. Складання сповіщень за допомогою штучного інтелекту пришвидшує це завдання та зменшує межу похибки завдяки перевірці повноти та скануванню конфіденційності. Однак оцінка причинності є клінічним судженням і належить експерту; ШІ забезпечує лише основу оцінки. Фармацевт несе відповідальність за заповнення повідомлення повністю, анонімно та відповідно до офіційного формату.
Аплікаційне завдання
Налаштуйте анонімний сценарій побічних ефектів із вашої фактичної практики (вік, стать, підозрюваний препарат, реакція, дати). Попросіть штучного інтелекту надати схему сповіщень, структуру оцінки причинно-наслідкового зв’язку та контрольний список повноти. Самостійно оцініть причинно-наслідковий зв’язок (при необхідності зверніться до лікаря) і запишіть це в чернетці. Нарешті, запустіть запит сканування конфіденційності та переконайтеся, що в чернетці не залишилося ідентифікаційної інформації.
контрольний список
- [ ] Я правильно встановив реакцію та час.
- [ ] Я анонімізував контекст (без ідентифікатора, лише вік/стать).
- [ ] Я створив чернетку та список відсутніх полів.
- [ ] Я оцінив причинно-наслідковий зв’язок сам/з експертом, я не залишив це штучному інтелекту.
- [ ] Я перевірив повноту обов'язкових полів.
- [ ] Я очистив облікові дані за допомогою сканування конфіденційності.
- [ ] Я відправив його в офіційному форматі та зберіг.