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!

AI能擔任用藥安全的守門員?

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。

專家怎麼說?

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 10th 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。

版權聲明

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:

曾雨涵

haharain331@rsprc.ntu.edu.tw
02-3366-3366#55925