收益：
- 能够使用人工智能作为药物相互作用和剂量的预检查和提醒工具
- 必须从当前的包装说明书和经过验证的药物数据库中确认每个剂量、相互作用和禁忌症的应用能力。
- 能够在肾/肝衰竭、怀孕和儿科等特殊情况下管理人工智能输出的风险
用药错误是可预防的患者伤害的最常见原因之一：剂量不正确、错过相互作用、禁忌症（不应使用药物的情况）、未根据肾/肝功能调整剂量。如果患者正在服用 8-10 种药物（多重用药），则很难记住可能的相互作用。人工智能 (AI) 作为预检查和提醒工具在这里很有价值：列出可能的相互作用，提醒剂量可能超出范围，指出特殊情况（怀孕、儿童、老人）。但医学领域没有哪个领域更容易产生幻觉：不正确的剂量或错过禁忌症会导致直接的患者伤害。所以黄金法则很明确：人工智能提醒；每个剂量、相互作用和禁忌症均由当前的说明书和经过验证的药物数据库确认，并由医生根据患者进行调整。
人工智能在药品安全中的作用
人工智能最安全的贡献是“我错过了吗？”是为了帮助解答问题。当您给出一长串药物清单时，它可以快速提醒您可能的相互作用对；它会指导您根据已验证的数据库进行检查。它还可以作为一般性提醒，提醒药物的哪些器官功能需要调整剂量以及哪些组应谨慎行事。
人工智能无法提供针对患者的精确剂量决策。剂量;取决于体重、肾功能（肌酐清除率）、肝脏状况、年龄、怀孕/哺乳状况和适应症。人工智能可能会不完整或不正确地组合这些变量；可以混合单位（毫克到微克，毫克到毫升）；可能提供过时的信息。这就是为什么人工智能输出永远不会直接传递给处方。
注意：AI给出的剂量必须经过说明书和经过验证的药物数据库确认并根据患者的临床状况进行调整才能给药。特别是对于治疗范围较窄的药物（小剂量差异会造成伤害的药物），错误可能是致命的。
循序渐进：利用人工智能进行安全药物控制
- 匿名提供药物清单和患者背景。年龄、体重、肾脏/肝脏状况、怀孕、过敏。
- 向 AI 请求交互和注意点作为“提醒”。
- 针对已验证的数据库确认每次交互。其临床意义是什么？
- 使用包装说明书和说明确认每个剂量。根据具体情况进行调整。
- 将禁忌症和过敏情况与真实文件进行比较。
- 作为医生签署处方；保存原因。
三个迷你箱子
案例 1 — 捕获交互。 68岁患者使用华法林（血液稀释剂）；将添加一种新的抗生素。 AI提醒，这种抗生素可能会增加华法林的作用并带来出血风险。医生从经过验证的数据库中确认，增加 INR 监测，并在必要时选择替代方案。 AI提醒；医生做出决定并进行随访。
案例 2 — 剂量错误产生幻觉。医生建议肾功能衰竭患者服用一定剂量的 AI。 AI根据正常肾功能给出标准剂量；它省略了基于间隙的减少的需要。医生计算肌酐清除率，并根据说明书将剂量减半。如果没有得到证实，就会给予有毒剂量。
案例 3 — 单位陷阱。在儿科中，AI 在根据体重计算剂量时建议通过将毫克与毫升混合来推荐高剂量。医生手动计算每公斤毫克数并将其转换为正确的体积。单位错误可能会对孩子造成严重伤害；独立账户阻止了这一点。
异常风险表
状态
为什么有风险？
人工智能的极限
医生的职责
肾衰竭
需要减少剂量
可能绕过清关
根据清除率调整剂量
肝功能衰竭
新陈代谢变化
可以概括
按说明书设置
怀孕/哺乳
胎儿/婴儿风险
可能不是最新的
类别和指南确认
儿科
每重量剂量
可以混合单位
手动毫克/千克计算
老年人/复方药房
多重互动
可能会列出缺失的内容
完全控制数据库
四个可复制模板
角色：您是用药安全提醒者；你没有开处方，你没有做出剂量决定。患者（匿名）：年龄[...]、体重[...]、肾脏/肝脏状态[...]、怀孕[...]、过敏[...]。药物：[...]任务：列出可能的相互作用和需要注意的要点。记下每个相互作用“必须从经过验证的数据库确认”。准确剂量；只是引起注意。
任务：列出以下药物需要调整剂量的特殊情况（肾、肝、妊娠、年龄、儿童）。为每个案例添加“与招股说明书和手册确认”的注释。不要给出确切的数字；给予检查点。药物和适应症：[...]
任务：为了安全起见，将以下处方变成检查表：-每种药物是否有禁忌症？-剂量是否超出范围？-与过敏冲突？-单位是否一致（毫克/毫升/微克）？由医生决定和确认；你只需生成控制点。配方（匿名）：[...]
任务：写出步骤（公式、单位、中间动作）以检查以下患者药物清单中每公斤/间隙的剂量计算。最终确定结果；我会手动验证。数据（匿名）：[...]
弱提示/强提示
弱者：“我应该给这位病人服用多少这种药？”
Strong：“匿名患者：72岁，60公斤，估计肌酐清除率35毫升/分钟，药物
在强烈提示下，AI产生检查点，而不是决策；确认和剂量由医生决定。
常见错误
- 将 AI 剂量直接切换至处方。需要招股说明书和许可确认。
- 跳过单位混乱。毫克/毫升/微克的错误可能是致命的。
- 忽略特殊情况。肾、肝、妊娠及儿童改变剂量。
- 不验证交互。 AI列表可能不完整或者其临床意义可能不准确。
- 不将过敏和禁忌症与文件进行比较。真实的数据至关重要。
处方级联和不必要药物的风险
药物安全中较少被提及的危险是“处方级联”：一种药物的副作用被视为一种新症状，并开出第二种药物来对抗它；第三是它的副作用……因此，患者最终会得到一堆本质上不必要的药物。人工智能可以帮助识别这种级联：它可以提醒您症状是否是患者正在服用的药物的已知副作用。这对于服用多种药物的老年患者尤其有价值。
但在这里，人工智能也只是一个提醒。停止、减少或改变药物治疗是临床决定；医生评估适应症、患者的一般状况和停药的风险。 AI 警告“这种症状可能是由这种药物引起的”，这是一个有待验证的假设，而不是处方。正确的使用是将警告与临床评估相结合，安全地审查不必要的用药（用药协调）。
提示：当您看到新症状时，询问人工智能“这可能是患者正在服用的一种药物的副作用吗？”帮助尽早发现处方连锁反应；但终止的决定始终基于临床判断。
综上所述
AI很好地提醒了药物相互作用和剂量安全；它让我们想起了一个被忽视的互动和关注点。但剂量不正确、单位错误和遗漏异常的风险很高；该区域是最容易产生幻觉的区域之一。从当前的说明书和经过验证的数据库中确认每个剂量和相互作用，分别计算肾脏/肝脏/怀孕/儿科状况，检查单位一致性并作为医生负责任地签署处方。
应用任务
使用上面的提醒模板，将一位患有多种药物的匿名患者的药物清单交给人工智能。他列出了多少种可能的互动？在经过验证的数据库中，其中有多少具有临床重要性？根据肾功能手动重新计算剂量并与 AI 的建议进行比较。如果有差异，请写出原因。
清单
- [ ] 我匿名提供了药物清单和患者情况。
- [ ] 我向 AI 询问了提醒和互动的列表，而不是剂量。
- [ ] 我验证了已验证数据库中的每个交互。
- [ ] 我已通过包装说明书和指南验证了每个剂量。
- [ ] 我设置的是肾/肝/孕期/儿科。
- [ ] 我检查了单位稠度（mg/mL/微克）。
- [ ] 我将过敏和禁忌症与真实文件进行了比较。
- [ ] 我以医师身份在处方上签字并记录原因。