SMC 資料庫

編輯台引言：目前最快進入應用的AI醫療技術之一，是AI處方警示系統，不同醫院紛紛都引進AI技術，研發各自的AI處方警示系統，協助醫生精準投藥。但這項技術怎麼用？它能為病人帶來什麼好處？醫護人員又是如何看待這項新的AI應用？當新聞紛紛報導這項技術有多「智慧」的同時，新興科技媒體中心邀請專家來為我們說明，這項在醫療上的新應用技術，會影響我們多深！

近年來，AI的應用在各大領域遍地開花，智慧醫療更是備受矚目，本次技術的探討是為了解決在醫療用藥的過程中，醫師在開處方時可能出錯的問題。基本上，醫療用藥過程可區分為四個階段，每個環節也都可能發生錯誤，換句話說，醫師開錯處方、藥師調劑錯誤、給錯藥以及病人錯誤服用皆是風險。其中，容易造成最嚴重後果也最常見的情況，是醫師在處方開立階段就出現錯誤。根據統計，全臺每年約有 1,800 萬張的不適當處方箋，占整體開立的5%，而這個比例也接近全球平均，雖說多半是不小心多／少開幾顆無害的藥，卻仍然該謹慎留心。

為了避免以上情況，醫療體系也開始利用大數據方式來重複檢驗處方。比如說，臺北醫學大學的李友專團隊就開發出「智慧型藥物安全系統」（Advanced Electronic Safety of Prescriptions, AESOP），該系統利用臺灣健保資料庫、大型醫院提供的電子病歷資料，加上科技部資源，徹底研究醫師的處方行為。研究團隊在兩年間分析了4萬張處方箋，推導出數百億筆診斷、用藥的排列組合，再利用相異的AI演算法，判斷隨機的處方箋中，是否存在藥物無法被病症診斷、或其他的用藥解釋，也就是說，AESOP除了計算『病症診斷與用藥』之間的相關性，也考慮了『藥與藥』之間的關聯。一旦AESOP偵測到處方中出現無法解釋的用藥，即被認定為不適當處方，系統會即時跳出提醒，診間醫師看到了，可以再次檢視醫囑和處方，避免用藥錯誤的風險，導入機器學習技術後，目前醫師接受度已達到8成。無獨有偶，臺北萬芳醫院在去年（2018）年底，也開始導入AI技術，利用健保資料庫中的7億筆資料，對照每次門診醫師的開藥處方，再提供醫師應該再次確認處方正確性的建議。這些門診如果導入AI確認用藥處方的實踐過程中，有3%會跳出警示；而這3%當中有5成，經過醫師再次檢查，的確可以調整用藥方法，不僅確保病人安全與品質，更能減少後續衍生不必要的醫療成本。

這類技術的貢獻在於，如果單純想攔截用藥劑量明顯過高或過低的錯誤，其實不難判斷，但要滿足用藥與診斷結果的相關性確認，就需要利用AI系統才能快速判斷了。因為藥方與病症並非一對一的恆等式，更多的時候是交錯關係，加上臨床上有太多例外狀況，讓不適當處方的認定難度極高。李友專團隊也發現，內科中的心臟科、腎臟科病因複雜，加上病患以年長者居多，容易受到其他慢性病用藥影響，醫師被提示錯誤的次數最多；相對來說，小兒科因用藥較單純，被提示的機率較低。

相關新聞報導：

1.物聯網：＜萬芳醫院導入AI處方警示系統　用藥安全再提升＞，2018年12月25日。

2.數位時代：＜「犯錯是人類的天性！」北醫團隊取經健保資料庫，用AI把關問題處方箋＞，2018年4月20日。

新興科技媒體中心邀請到奇美醫院藥劑部的張人文藥師，為我們說明了AI警示系統的運作方式，以及處方警示系統目前的限制。

2019年04月09日
奇美醫療財團法人奇美醫院藥劑部 張人文藥師

我們每個人或多或少都有到大醫院或診所看病的經驗，對於看完醫生後，到藥局領藥，回家按時服藥以待早日康復，這樣的情境一定不陌生。然而，醫師從看病後診斷、開藥，再交由藥師配藥，並提醒病患怎麼吃藥，這一切的過程，中間可是大有學問喔！

首先，拜現在科技進步所賜，以前醫師手寫處方的情況，現在幾乎不復存在，取而代之的是醫師利用電腦系統開立處方，再同步連線至醫療院所裡的各個照護部門，如做檢查的檢查室、協助打針的注射室、負責調劑藥品的藥局等，來完成開藥程序。可以想見，臺灣舉世聞名的醫療業，相對地看診量也很大，為了避免人為疏失而開錯處方，各醫療院所通常會利用電腦系統，按「藥物治療分類代碼系統」（Anatomical Therapeutic Chemical code, ATC CODE）、《國際疾病傷害及疾病分類標準第十版》 ( The International Statiscal Classification of Disease and Related Health Problems 10^th Revision, ICD-10）的規定，加上年齡、性別、健保給付規定、最大劑量、針劑輸液、給藥途徑、口服剝半、磨粉、處方開立天數／數量、檢驗日期／結果、重複用藥、交互作用或是其他（如個別藥物或案例）等電腦設定，對口服藥品、針劑、外用藥或吸入劑等確實管控，為病人的用藥安全全面性的把關。

然而，現有的警示系統或是藥物管控仍然有它的受限性。舉例來說，如果遇到病患有多科看診的需求，或是醫師基於行醫經驗與專業判斷，決定不要完全遵照藥品仿單之指示說明內容，選擇開立「藥品仿單標示外使用」（off-label use）的處方，以及病人服用後效果不佳等問題，目前並無法進一步地由系統做檢核，但這在臨床上卻不罕見。此時，必須仰賴於醫療團隊之間的專業知識，為病患謹慎的覆核。相信未來的大數據時代，在累積更多的數據資料之後，能夠改善警示系統的正確性與限制，也輔助醫護人員更有效為民眾提供醫療服務。

本文歡迎媒體轉載使用，惟需附上資料來源，請註明新興科技媒體中心。
若有採訪需求或其他合作事宜，請聯絡媒體公關：