Il prossimoProssima guida
L’intelligenza artificiale nei programmi di aderenza ai farmaci in farmacia
Industrie
GUIDA alle industrie
L'IA nella riconciliazione dei farmaci è un software che combina i registri di dispensazione delle farmacie, le note cliniche, le liste di farmaci del fascicolo sanitario elettronico e le informazioni riportate dai pazienti.
Ascolta questa guidaNarrato dall'IA · ~3 min
Da queste informazioni costruisce un'unica storia medica di farmaci ottimale e segnala discrepanze come omissioni, duplicati e dosi errate. Viene usato soprattutto all’ammissione, al trasferimento e al dimissione. È importante perché gli errori di medicazione si concentrano in queste transizioni di cura, e fare il lavoro a mano richiede molto tempo ai medici.
Reconciliation compares what a patient was taking before a transition with what is ordered afterward. Every difference has to be either justified or corrected. The starting point is a best possible medication history (BPMH), a term from patient safety programs such as the WHO High 5s project. A BPMH is built from at least two sources, one of which is usually a structured patient interview. In the US, the Joint Commission's National Patient Safety Goals require hospitals to maintain and communicate accurate medication information. Each source has blind spots, and that is where software helps. Pharmacy fill data, often delivered through medication history networks, shows what was dispensed, not what is taken. It misses cash purchases, samples, over-the-counter drugs and supplements. The EHR list may be years out of date. Patients forget drugs, especially inhalers, injectables and drops. Notes contain decisions like "hold warfarin until INR checked" that never reach a structured list. AI systems do four main jobs. They normalize drug names and strengths to standard concepts so brand and generic match. They parse free-text directions. They infer whether a medicine is probably still active from fill dates and days supplied. They extract stop, hold or change intentions from notes. They then list discrepancies for a pharmacist or clinician, often sorted by type: omission, commission, wrong dose, wrong frequency, or duplication. Pharmacists usually separate unintentional discrepancies from intentional ones. Intentional discrepancies are documented or undocumented changes the prescriber meant to make. Only unintentional discrepancies are errors, although undocumented intentional ones still create confusion. A common misconception is that the software does the reconciliation. It prepares evidence, and a clinician still confirms it with the patient and makes the decision. Another misconception is that fill data is ground truth. A regular fill proves pickup, not use.
All'ammissione, il sistema recupera la cronologia esterna delle dispensazioni mostrando che il paziente ha ritirato apixaban tre settimane fa, ma la lista dei farmaci del pronto soccorso la omette. Segnala una possibile omissione prima che venga firmato un ordine di eparina.
L'elaborazione del linguaggio trova una nota di cardiologia che indica che il metoprololo è stato interrotto a causa di bradicardia. Segnala che l'elenco di dimissione provvisorio include ancora il metoprololo.
Al momento della dimissione, lo strumento segnala una possibile terapia duplicata: il lisinopril di casa del paziente è ancora elencato insieme al losartan appena iniziato in ospedale.
Un'app di intervista guidata invita un tecnico di farmacia a chiedere specificamente di inalatori, collaudi oculari, iniezioni, prodotti da banco e integratori, che spesso i dati di rifornimento trascurano.
Man mano che le reti di dispensazione, gli scambi di informazioni sanitarie e gli standard di interoperabilità migliorano, una maggiore quantità di dati grezzi arriverà in forma strutturata. Le parti più difficili rimangono l'uso di prodotti da banco, il comportamento del paziente e le intenzioni nascoste nelle note. È probabile che i modelli linguistici diventino più abili nell'estrarre tali intenzioni, ma i loro errori rappresentano un rischio per la sicurezza del paziente, quindi i clinici dovranno comunque rivedere i risultati che mostrano le loro fonti. Gli ospedali probabilmente valuteranno questi strumenti in base alla capacità di ridurre le discrepanze dannose dopo la dimissione e di far risparmiare tempo ai farmacisti, e le valutazioni pubblicate sono ancora limitate.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
L'IA nella riconciliazione dei farmaci è un software che combina i registri di dispensazione delle farmacie, le note cliniche, le liste di farmaci dei cartelle cliniche elettroniche e le informazioni fornite dai pazienti. Da questi dati crea una storia medica unica e la migliore possibile e segnala le discrepanze, come omissioni, duplicati e dosi errate. Viene utilizzata soprattutto al momento dell'ammissione, del trasferimento e della dimissione. È importante perché gli errori di medicazione si concentrano in queste transizioni di cura, e svolgere il lavoro manualmente richiede molto tempo ai clinici.
I dati di dispensazione registrano la consegna dei farmaci. Non includono acquisti in contanti, campioni, prodotti da banco e integratori, e non mostrano se il paziente assume effettivamente il medicinale.
Il concetto BPMH, proveniente da programmi di sicurezza del paziente come WHO High 5s, richiede più di una fonte, di solito includendo un'intervista strutturata con il paziente.
La normalizzazione e il calcolo della dose giornaliera rendono le descrizioni comparabili, in modo che i regimi equivalenti non vengano segnalati falsamente.
Le decisioni cliniche spesso esistono solo in note di testo libero. L'elaborazione del linguaggio che individua intenzioni di sospensione, sospensione o modifica può segnalare elenchi che le contraddicono.
I farmacisti separano le modifiche intenzionali dalle discrepanze non intenzionali. Solo le ultime sono errori, anche se le modifiche intenzionali non documentate causano ancora confusione.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L’intelligenza artificiale nei programmi di aderenza ai farmaci in farmacia
Industrie