收益：
- 根据风险级别，能够区分人工智能在药房工作流程中哪些地方可以实时节省时间，以及哪些安全关键责任应由有能力的药剂师和医生承担
- 能够实施多层验证规则，根据最新的产品信息 (SPC/KT)、适用的法规和独立的专家控制来测试每个人工智能输出
- 能够养成在上下文匿名化、隐私 (KVKK) 和道德方面选择安全工具的习惯，以保护患者个人和健康数据。
药学是一个值得信赖的职业，它根据处方查看患者并以安全、准确和合理的方式将药物交付给他/她。这种信任的来源是药剂师的每一个决定都基于知识和责任。人工智能（简称AI；从数据中学习模式并生成文本、表格和建议的软件）作为一个非常强大的助手进入这个行业：扫描交互、编写患者信息文本、起草通知、总结立法文本。但人工智能不是药剂师，而是药剂师。他既不承担责任，也不持有文凭，也不在法律上站在病人的对立面。在本单元中，您将学习在制药业务中何处使用人工智能、站在何处以及如何验证每个输出。目的是让你成为掌控人工智能的专业人士，而不是依赖它。
人工智能在药学领域能做什么、不能做什么？
人工智能的真正力量在于产生语言、模式和蓝图。患者咨询文本、不良反应（副作用）报告框架、合理用药（RAH；用正确的药物、正确的剂量、正确的持续时间用药的原则）手册、股票分析表和文献摘要在几秒钟内出现。在这些任务中，人工智能可以节省您的时间并减轻精神负担。
人工智能无法做的是需要临床责任的决策。根据肾功能调整患者的剂量、两种药物的相互作用对该患者是否有临床意义、孕妇用药的安全性、是否应批准处方；这一切都不能用“事情通常是这样发生”的逻辑来决定的。人工智能产生幻觉是因为它从互联网和书籍中的文本中学习：也就是说，它可以编造看似真实但实际上是错误的错误剂量、交互或来源。在药学领域，这种类型的错误不仅仅是拼写错误；错误的剂量意味着严重的不良反应甚至对患者造成伤害。
注意：AI输出的是草稿，不是专家意见。未经合格的药剂师和医生的批准，不得做出有关药物、剂量和治疗的安全关键决定。诊断和治疗的决定权属于人类；人工智能并不能取代这种同意。
按风险等级分为三个区域
安全使用人工智能最实用的方法是根据风险级别将每个任务分为三个区域。这种区别为“人工智能应该这样做吗？”这个问题提供了快速而准确的答案。
地区
示例任务
人工智能的作用
验证级别
绿色（低风险）
博客草稿、书架标签、会议记录、电子邮件、一般信息文本
免费生产
快速审核
黄色（中等风险）
患者信息文本、立法摘要、库存分析、文献摘要、通知草案
草案+提案
专家控制+SmPC/源确认
红色（安全关键）
剂量确定、交互决定、处方批准、特殊群体（孕妇/儿童/功能不全）评估
仅预筛选/清单
必须获得合格药剂师的批准，如有必要，还必须获得医生的批准。
在绿色区域要快。在黄色区域使用人工智能，但对每项医疗声明和来源进行事实核查。在红色区域，AI永远没有最终决定权；它只是加快专家工作速度的一种辅助手段。
多层验证纪律
验证不是可以因为“我稍后再检查”而推迟的事情；是工作流程的一部分。药学中的稳健验证由五层组成：
- 回归本源。如果 AI 给出了剂量、相互作用或状况，请从当前产品信息（SmPC：摘要产品信息；针对医生的官方药物信息。KT：使用说明；针对患者）或适用的指南/立法中打开并确认。
- 独立账户。手动或使用经过验证的方法重新计算剂量或浓度（mg/kg、mL、%）。
- 根据患者情况进行测试。将声明与该患者的实际年龄、体重、肾/肝功能、怀孕情况和其他药物进行比较。
- 专家眼光。如果是出于临床考虑而做出的决定并且犹豫不决，请咨询医生；最终批准权在于主管药剂师。
- 留下你的印记。记录哪些输出被验证以及如何验证；稍后再检查一下。
提示：“AI说的”并不是一个理由。药房决策的理由始终是当前的 SmPC/PI、当前的指南/立法、独立计算或有能力的专家批准。人工智能可以帮助你准备这些理由，但它不会取代它们。
隐私、KVKK 和道德
健康数据是最敏感的个人数据类型；在立法中作为“特殊性质的个人数据”受到最高程度的保护。患者姓名、TR ID 号、诊断、使用的药物；所有这些都是保密的。在将这些数据提供给基于云的人工智能工具之前，请先问三个问题：这些数据真的有必要吗？可以匿名吗？我使用的工具在训练中使用数据吗？
道德层面还不止于此。人工智能无法直接诊断患者、推荐治疗或替代医生。即使对于非处方（OTC）产品，不经过药剂师过滤就将AI输出传输给患者也是不负责任的。使用人工智能作为内部工具；切勿绕过您和患者之间的专业判断。
三个迷你箱子
情况 1 — 验证捕获错误。药剂师咨询AI快速核对18公斤儿童的剂量； AI错误地建议总剂量为150毫克，而不是15毫克/公斤。药剂师将打印输出视为草稿并进行了独立计算：18 × 15 = 270 毫克/天。他看到了差异，在 SPC 上确认并应用了正确的剂量。如果没有验证纪律，孩子将接受大约一半的剂量；对人工智能的盲目信任会产生错误。
案例 2——保密性保护。一名药剂师正要写下病人的姓名和身份证号码，同时向人工智能询问一个复杂的病例。由于他自己的匿名习惯，他将这些内容替换为临床等同内容，例如“65 岁，男性，慢性肾病”。输出的质量从未下降，但患者的私人数据没有进入任何云端。在不影响结果质量的情况下保护机密性。
案例3——在绿区超速。同一家药房将为员工编写冷链配送程序。此任务风险较低（绿色区域）；药剂师从人工智能中提取了草稿，并根据实际流程进行了调整，将每小时的工作时间减少到了半个小时。由于他知道正确的分区，他在这里加速，而在临床决策中，他会放慢速度并进行验证。
一步一步：将人工智能安全地引入任务中
- 将任务放置在该区域中。绿色、黄色还是红色？
- 匿名上下文。清晰真实姓名、身份证件、身份证件及个人信息。
- 给出一个清晰的概要。清楚地写出患者的特征（年龄、体重、功能）、目标和形式。
- 将输出视为草稿。切勿像最终产品一样使用它。
- 应用层层验证。来源、帐户、患者背景、专家、追踪。
- 记录决定及其理由。
四个可复制模板
角色：您是一名药剂助理（不做临床决策）。任务：为[任务]制作草稿。背景：患者年龄[...]、体重[...]、肾脏/肝脏状态[...]、其他药物[...]。 （没有真实的识别信息。）规则：为您不确定的每个剂量/相互作用/条件标记“需要 SmPC/来源确认”。格式：以要点形式，并附有理由。
任务：在下面的文本中列出医疗声明、剂量值和监管参考。为每个添加“必须验证来源”注释。不用自己验证，标记即可。文本：[...]
任务：通过药剂师的视角，根据风险级别对人工智能输出进行分类。对于每个项目：绿色/黄色/红色，并给出一个句子的理由。在红色项目中写下“需要合格的药剂师/医生批准”。输出：[...]
任务：匿名化下面的患者/处方文本。将真实姓名、ID、地址、电话和标识符替换为[TAGET]；保留临床意义。文本：[...]
弱提示/强提示
弱者：“我该给这个病人吃什么药呢？”
Güçlü：“对于一名估计肌酐清除率为 40 mL/min 的 65 岁患者，使用华法林和二甲双胍，列出医生开出的新抗生素可能存在的相互作用以及需要调整剂量作为预筛选。说明每一项都必须从 SmPC 确认。不要做出决定；只需删除要检查的点即可。”
强有力的提示中，明确给出患者背景、人数、约束和限制；人工智能的立场是明确的，决定权留给药剂师。
常见错误
- 将人工智能输出误认为专家意见。人工智能产生的是大纲，而不是临床决策。
- 将安全关键决策委托给人工智能。剂量、相互作用和处方批准永远不会留给人工智能。
- 在未确认 SmPC/来源的情况下使用信息。每个剂量、相互作用和条件都必须从官方来源确认。
- 直接加载患者数据。匿名化和安全工具的选择不应被忽视。
- 没有注意到幻觉。虽然人工智能看起来很自信，但它也可能是错误的。确定的陈述并不能证明真理。
综上所述
人工智能是药学领域真正的加速器，但它并不能取代药剂师。将任务划分为绿色、黄色和红色区域；绿色方面要快速，黄色方面要确认，红色方面永远不要让 AI 有最终决定权。将每个输出视为草稿并通过五层验证。认真对待患者保密和 KVKK。责任始终由合格的药剂师和医生承担； AI 不承担这个责任。
应用任务
从您自己的日常实践中选择三项任务（例如患者信息文本、监管摘要、检查患者剂量）。将每个分类为绿色/黄色/红色。写下您将为黄色和红色任务应用哪些验证层以及红色任务需要谁的批准。此外，在您使用的人工智能工具的隐私政策中查找并注明它是否在教育中使用患者数据。
清单
- [ ] 我将任务置于危险区。
- [ ] 我匿名了上下文（姓名、ID、诊断明确）。
- [ ] 我给出了清晰的、符合患者情况的简介。
- [ ] 我将输出视为草稿。
- [ ] 我已从当前 SmPC/参考文献中确认了剂量/相互作用/条件。
- [ ] 我将安全关键的决定留给了主管药剂师/医生。
- [ ] 我保存了验证痕迹。