收益：
- 能够利用人工智能识别药物不良反应（副作用）、因果关系评估和准备 TÜFAM 通知草案
- 能够通过验证其完整性、保密性和正式格式来安全地完成通知文本
- 能够理解药物警戒报告中的因果关系判断需要专家评估，而人工智能只能产生草稿
一旦一种药物进入市场，它的故事并没有结束；一旦真正的患者开始使用该药物，真正的安全信息就会积累起来。药物警戒（药物安全监测）是收集、评估和预防药物不良反应（不需要的、有害的药物作用）的科学。药剂师是这个系统的前线人员之一：他将患者的一句话“我在服用这种药物后出现了皮疹”转化为健康信号。在此过程中，人工智能节省了记录、起草和生成清单的时间。但因果关系的判断（效果是否真正归因于药物）是临床评估，不能委托给人工智能。在本单元中，您将学习如何在人工智能支持下安全地进行不良反应监测和报告。
不良影响和报告的重要性
药物不良反应（ADR）是正常剂量使用药物引起的有害和不良反应。这些症状可能是轻微的（皮疹、恶心）或严重的（住院、永久性损伤、死亡）。在土耳其，这些通知将发送给 TÜFAM（土耳其药物警戒中心）。通知：
- 它监控现实世界中市场上药物的安全状况。
- 它揭示了罕见的副作用（临床研究中未检测到的副作用）。
- 必要时，它构成警告、限制或撤回决定的基础。
对于药剂师来说，报告不仅是法律义务，也是对患者安全的直接贡献。但为了有效，通知必须完整、准确和保密；这就是人工智能发挥作用的地方。
关于应报告哪些情况的基本原则是：如有疑问，请报告。任何反应，尤其是严重的（住院、永久性损伤、危及生命）、意外的（不包括在 SmPC 中）和新上市的药物，都是一个有价值的信号。单独的陈述并不构成证据；但当数千名药剂师和医生的报告汇集在一起时，就会出现一个“信号”（可能存在安全问题的统计迹象）。 AI可以帮助您快速评估事件是否符合报告标准；但让人工智能来决定“这不值得报告”可能会导致重要信号丢失。
提示：一份好的不良反应报告包括四个基本要素：可识别的患者（例如年龄/性别，而不是身份）、可疑药物、反应描述和报告者。 AI很好地提醒我们检查这四个要素的完整性。
因果关系：人工智能将在哪里停止
因果关系的评估是“这种效应真的是由这种药物引起的吗？”它是问题的答案，权衡以下因素：时间关系（药物与其作用之间的时间协调）、替代原因（另一种药物、疾病）、停药时的解除挑战、再次给药时的恢复（重新挑战）以及文献中的信息。这是临床判断；人工智能可以在一个框架中列出这些要素，但确切的因果关系决定是由专家做出的。 AI说“这肯定与毒品有关”并不是证据。
三个迷你箱子
案例 1 — 皮疹。一名 45 岁的患者在刚开始使用抗生素 3 天后报告出现大面积皮疹。药剂师向人工智能索要一份通知草稿和缺失信息清单。人工智能会询问患者的年龄、开始用药的日期以及皮疹的出现等信息。药剂师完成信息、自我评估因果关系（强时间一致性，无其他新药）并以 TÜFAM 格式发送通知。人工智能确保不留任何空白。
案例 2——两种可疑药物。一名患者在开始两种新药物治疗后，肝脏值出现升高。人工智能指出，“这两种药物都很可疑，应该区分到底是哪一种药物负责。”药剂师将这两种药物报告为可疑药物，并将因果关系的确定留给医生的临床评估。 AI并没有仓促地指责任何一种药物；它准确地反映了不确定性。
案例 3 — 防止保密失败。一名药剂师在起草通知时不小心将患者的名字写进了文字中。匿名提示标记了草稿中剩余的身份信息，并警告“年龄/性别足够，姓名不需要”。药剂师拿出了他的身份信息。人工智能防止了隐私泄露。
逐步不良反应报告（支持人工智能）
- 抓住事件。获取患者/记录的反应和时间。
- 设置匿名上下文。年龄、性别、相关临床信息而不是身份。
- 索取大纲和清单。从 AI 获取通知草稿和缺失字段列表。
- 自己评估一下因果关系。时间关系、替代方案、解除挑战；如有必要，请咨询医生。
- 验证完整性和机密性。必填字段是否已填写，ID 是否清晰？
- 以官方格式发送。转发并保存至 TÜFAM/相关系统。
弱提示/强提示
弱者：“报告这个副作用。”
Strong：“为以下不良反应准备一份通知草案和强制性现场检查表。患者（匿名）：45岁，女性。可疑药物：[姓名]，发病[日期]。反应：[描述]，发病[日期]。其他药物：[...]。按要评估因果关系的要素的顺序提交草案（时间关系，替代原因，去挑战），但不判断因果关系；将其留给请勿要求鉴定。”
在强提示下，匿名上下文、必填字段和因果关系边界都很明确。
四个可复制模板
任务：不良反应报告大纲（对因果关系进行判断）。患者（匿名）：年龄 [...]、性别 [...]。可疑药物：[名称、剂量、开始日期]。反应：[描述、发作、病程、严重程度]。其他药物/病症：[...]。输出：结构化大纲 + 缺失/空白警告。
任务：制定因果关系评估框架（不是决策）。排序：1) 时间关系 2) 其他原因 3) 停药后的病程（解除挑战）4) 重新给药的状态 5) 文献中的认可。将每个项目写成一个问题；专家将填写结果。
任务：报告完整性检查表。检查：可识别的患者（不是 ID）、可疑药物、反应描述、报告者信息、日期、严重程度、结果。列出缺失的字段。
任务：扫描隐私通知文本。文本：[...]。如果有身份信息（姓名、ID、地址、电话），请标记并建议“替换为匿名等效信息”。保持临床意义。
反应严重性和优先级表
严肃性
例子
通知优先级
人工智能的作用
轻量级
暂时恶心、轻度皮疹
标准型
大纲+清单
中等
劳动力流失，需要改变剂量
优先级
草稿+完整性
严重的
住院，永久性损伤
紧急的
快速草稿；专家的因果关系
意想不到的/新的
反应不在 SmPC 中
高
文献预筛选+确认
常见错误
- 让人工智能决定因果关系。因果关系是临床判断； AI只提供框架。
- 留下身份信息。通知中无需填写姓名/TC；匿名等效就足够了。
- 发送时缺少字段。如果必填字段不完整，则通知将失去其价值。
- 没有将其报告为温和。意想不到的反应虽然轻微，但却具有信号价值。
- 将多种可疑药物减少为一种。如果不清楚，将报告所有嫌疑人。
综上所述
药物警戒是患者安全中看不见但至关重要的一层，而药剂师是该系统的前线眼睛。人工智能通知起草通过完整性检查和隐私扫描加快了这项任务的速度并减少了错误率。但因果关系评估属于临床判断，属于专家的范畴； AI仅提供一个评估框架。药剂师有责任按照官方格式完整、匿名地完成通知。
应用任务
根据您的实际实践（年龄、性别、可疑药物、反应、日期）设置匿名不良反应场景。向 AI 询问通知大纲、因果关系评估框架和完整性检查表。自己评估因果关系（必要时与医生一起）并将其记录在草稿中。最后，运行隐私扫描提示并验证草稿中没有留下任何识别信息。
清单
- [ ] 我的反应和时机都正确。
- [ ] 我对上下文进行了匿名处理（没有 ID，只有年龄/性别）。
- [ ] 我制作了草稿和缺失字段列表。
- [ ] 我自己/与专家一起评估了因果关系，我没有将其留给人工智能。
- [ ] 我检查了必填字段的完整性。
- [ ] 我通过隐私扫描清除了凭据。
- [ ] 我以官方格式发送并保存。