NastępnyNastępny poradnik
EU AI Act Post-Market Monitoring and Serious Incident Reporting
Społeczeństwo
PRZEWODNIK Społeczny
Sztuczna inteligencja w programach monitorowania leków na receptę
AI in prescription drug monitoring programs (PDMPs) refers to algorithms, such as Bamboo Health's NarxCare, that analyze a patient's history of controlled-substance prescriptions and produce risk scores that pharmacists and prescribers see when they check the state database.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min
Na tej stronie4 minuty czytania
Przegląd
It matters because these scores can influence whether a prescription is filled or a patient is treated. Critics argue the scores can penalize people with complex medical needs while offering little transparency or way to appeal.
Głębokie nurkowanie
Almost every US state runs a PDMP: a database where pharmacies report dispensed controlled substances. Clinicians and pharmacists check it before prescribing or dispensing. Many states and pharmacy systems add NarxCare, a platform from Bamboo Health (formerly Appriss Health), which displays analytics on top of the raw history. NarxCare shows separate Narx scores for narcotics, sedatives and stimulants. Each is a three-digit number from 000 to 999, and the last digit shows how many active prescriptions of that type the patient has. It also shows an Overdose Risk Score and visual summaries. The inputs are patterns in the records: how many prescribers and pharmacies are involved, total dose (often expressed in morphine milligram equivalents), overlapping prescriptions and how recent the fills are. For pharmacists the stakes are specific. Under federal rules, pharmacists share a 'corresponding responsibility' with the prescriber to make sure a controlled-substance prescription serves a legitimate medical purpose. A high score can prompt a call to the prescriber, a delay, a refusal to fill, or an offer of naloxone. Bamboo Health has said the scores are not meant to be the sole basis for clinical decisions. The CDC's 2022 opioid prescribing guideline also warns clinicians against dismissing patients based on PDMP information. There are several main criticisms. The model is proprietary, so patients and clinicians cannot see exactly how a score was calculated. People with cancer, chronic pain or multiple specialists naturally have more prescribers and pharmacies. Pet prescriptions filled under an owner's name can raise the owner's score. Legal scholars, including Jennifer Oliva, have argued these tools can discriminate against patients with disabilities or complex conditions. There is also no standard way for patients to see or dispute a score. A common misconception is that a high score means addiction or diversion. It reflects a pattern of prescriptions, not a diagnosis of the patient.
Implementacja w świecie rzeczywistym
A pharmacist sees a high narcotic score for a patient filling an oxycodone prescription. He opens the full PDMP history and finds prescriptions from one oncologist and one surgeon after a documented cancer surgery, so he fills it and offers naloxone.
A patient's sedative score rises because of benzodiazepine prescriptions written for her dog, which were recorded under her name. Her pharmacist has to call the veterinarian to confirm the explanation.
A pharmacy chain's policy says a high score alone is not a reason to refuse. Pharmacists must look at specific warning signs, such as overlapping prescriptions from unrelated prescribers, and speak with the prescriber.
A pain clinic sees a patient whose record shows many pharmacies. The pharmacies turn out to reflect insurance changes and drug shortages, which shows how a factor the score counts can have an ordinary explanation.
The Future of AI in Prescription Drug Monitoring Programs
Pressure for transparency is growing. Pain-patient advocates, legal scholars and some clinicians want disclosure of the inputs, validation results broken down by patient group, and a way for patients to see and correct their records. Some states may add rules about how scores can be used in dispensing decisions, though the approach varies. Better separation of veterinary prescriptions and better record matching would remove known sources of error. How far these tools actually reduce overdoses while protecting access for legitimate patients is still an open question that needs independent evaluation.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Ryzyko i bezpieczeństwo. Zarówno katastrofalne, jak i codzienne szkody spowodowane sztuczną inteligencją zależą od tego, kto rozumie ryzyko i kto może podjąć działania.
- Jaśniejsze decyzje. Umiejętność korzystania z usług publicznych i zawodowych wpływa na to, czy silna polityka bezpieczeństwa jest politycznie możliwa.
- Przebijanie się przez szum. Jasne wyjaśnienia ograniczają wpływ szumu, PR laboratoryjnego i niejasnego teatru etycznego.
Uważaj na
- Traktowanie ryzyka egzystencjalnego jako science-fiction, choć łączy w sobie możliwości.
- Mylenie bezpieczeństwa produktów powierzchniowych z wyrównaniem przy dużej autonomii.
- Pozostawienie odbiorcom nieanglojęzycznym i nieeksperckim jedynie źródeł o niskiej jakości.
Kolejne kroki
- Oddziel ryzyko szkód, niewłaściwego użycia i utraty kontroli/niewspółosiowości produktu.
- Zapytaj, jakie dowody zmieniłyby Twój pogląd na temat terminów i dotkliwości.
- Przedkładaj źródła pierwotne i konkretne oceny nad twierdzenia marketingowe.
- Zidentyfikuj jedną ścieżkę działania: karierę, politykę, finansowanie lub umiejętności – nie tylko świadomość.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the AI in Prescription Drug Monitoring Programs quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
What is AI in Prescription Drug Monitoring Programs?
AI in prescription drug monitoring programs (PDMPs) refers to algorithms, such as Bamboo Health's NarxCare, that analyze a patient's history of controlled-substance prescriptions and produce risk scores that pharmacists and prescribers see when they check the state database. It matters because these scores can influence whether a prescription is filled or a patient is treated. Critics argue the scores can penalize people with complex medical needs while offering little transparency or way to appeal.
Co oznacza ostatnia cyfra 2 w wyniku NarxCare wynoszącym 452?
Ostatnia cyfra każdego trzycyfrowego wyniku Narx pokazuje, ile aktywnych recept danego typu ma pacjent.
Dlaczego przepisana psu benzodiazepina może podnieść ocenę właściciela w zakresie działania uspokajającego?
Kiedy recepty na zwierzęta są rejestrowane pod nazwiskiem właściciela, wyglądają jak recepty właściciela i podnoszą wynik.
Jaką „odpowiednią odpowiedzialność” zgodnie z przepisami federalnymi ponoszą farmaceuci i lekarze przepisujący leki?
Farmaceuci ponoszą wspólną odpowiedzialność za upewnienie się, że recepty na substancje kontrolowane są zgodne z prawem, dlatego też wynik może mieć wpływ na to, czy je zrealizują.
Przed czym wytyczne CDC dotyczące opioidów na rok 2022 ostrzegają klinicystów, jak zauważono w przewodniku?
Wytyczne przestrzegają przed zwalnianiem pacjentów ze względu na wyniki PDMP, co jest zgodne z poglądem, że wyniki nie powinny same decydować o leczeniu.
Pacjent chory na nowotwór spotyka się z onkologiem, chirurgiem i specjalistą od bólu. Dlaczego ich wynik może być wysoki nawet przy odpowiedniej opiece?
Posiadanie kilku lekarzy przepisujących recepty i aptek ma wpływ na wynik. Złożona, ale uzasadniona opieka tworzy ten sam schemat, który model traktuje jako ryzykowny.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat