AI与药学 | ChatGPT 在临床药学中的有效性以及人工智能在药物治疗管理中的作用

《Effectiveness of ChatGPT in clinical pharmacy and the role of artificial intelligence in medication therapy management》这篇文献研究了ChatGPT在临床药学,特别是在药物治疗管理(MTM)中的有效性。

一、研究背景 (Background)

  • MTM 的重要性: 药物治疗管理(MTM)在帮助医疗保健提供者根据患者个体情况定制药物治疗方案方面发挥着重要作用。它包括健康状况评估、制定药物治疗计划、调整治疗方案以及提供资源以提高患者依从性等服务。MTM 不仅能改善患者预后,还能带来经济效益,例如减少不必要的药物使用、降低住院率和急诊就诊率。

  • AI 在医疗领域的应用: 人工智能(AI)已被广泛应用于医疗领域,它可以帮助降低医疗成本,改善患者预后,并提高医疗效率。AI 早在 20 世纪 70 年代就已进入医疗领域,例如用于识别血液感染治疗的 MYCIN 程序。

  • AI 在 MTM 中的潜力: AI 赋能的 MTM 有可能进一步提高临床药学的操作和治疗效率。利用 AI 进行 MTM 可以通过提高药物安全性、预测健康风险、减少时间和费用、监测药物依从性以及安排后续医疗服务等方式,使 MTM 变得更快、更高效。

  • ChatGPT 简介: ChatGPT 是 OpenAI 开发的一种大语言模型,可以通过文本提示与用户进行交互。它使用来自人类反馈的强化学习(RLHF)进行训练。

  • ChatGPT 在 MTM 中的应用前景: 尽管 ChatGPT 尚处于早期阶段,并且尚未专门用于 MTM,但它具有很大的潜力。例如,ChatGPT 可以根据患者的特定疾病状态和健康问题提供循证建议,定制患者的药物治疗方案。它还可以与电子健康记录(EHR)系统集成,协助医疗记录保存,自动总结患者的互动和病史,并在审查患者的药物治疗方案时预测最佳行动方案。ChatGPT 可以跟踪患者的用药记录,协助处理药物相互作用(DDI)、禁忌症和其他形式的药物管理。

  • 药物相互作用 (DDI) 的重要性: DDI 是 MTM 服务的一个重要方面,需要仔细监测以确保患者的用药安全并避免不必要的并发症。

  • AI 在识别 DDI 中的优势: AI 可以更有效地支持医疗保健提供者识别 DDI、食物-药物相互作用和药物-患者相互作用。一些已成功应用的例子包括 MedAware 和 IBM Watson for Oncology。

  • 研究空白: 目前尚缺乏对 ChatGPT 提供 MTM 级别服务能力的研究。

二、研究目的 (Objectives)

评估 ChatGPT 在简单、复杂和非常复杂的病例中执行 MTM 服务的有效性,以了解 AI 在 MTM 中的贡献。具体来说,研究旨在调查 ChatGPT 在以下方面的能力:

  • 识别潜在的药物相互作用。

  • 提供个性化的药物推荐。

  • 监测和管理患者的药物并提供咨询。

三、研究方法 (Methods)

  • 研究指南: 遵循研究报告质量标准 (SRQR)。

  • 数据来源: 通过互联网、药学案例教科书和药学院课程中使用的案例等多种来源搜索英文临床病例。

  • 病例选择: 根据表 1 中的纳入和排除标准,筛选出 3 种不同复杂程度(简单、复杂、非常复杂)的病例。对于重复的病例,用替代病例替换。

  • 病例难度评级: 邀请 2 名临床药剂师独立完成病例复杂性问卷调查,将每个病例的难度分为 1-10 级(1-3 为简单,4-6 为复杂,7-10 为非常复杂)。如果 2 名临床药剂师的评分存在差异,则由第 3 名药剂师进行最终评级。

  • 数据处理和分析:

    • 手动将每个病例输入 ChatGPT 以评估其响应。

    • 尝试不同的搜索查询以获得最佳答案。

    • 根据 3 个标准评估 ChatGPT 的响应:

    1. 识别药物、疾病、物质和补充剂之间相互作用的能力。

    2. 推荐替代药物治疗以防止潜在相互作用和改善患者预后的精确性。

    3. 制定管理计划和监测参数的适当性。

  • 将 ChatGPT 的响应与实际答案进行比较,评估其准确性。

  • 如果 ChatGPT 能够准确提供每个标准中 70% 的临床要点,则认为响应有效(70% 的阈值是基于 USMLE 和 NAPLEX 的及格分数确定的)。

  • 总结和分析 ChatGPT 对每个复杂程度病例的响应。

四、研究结果 (Results)

  • 总体结果: ChatGPT 正确解决了 39 个病例中的 39 个(100%)。

  • 按复杂程度划分的结果:

    • 简单病例: ChatGPT 在所有 13 个简单病例中均取得了 100% 的成功率,能够准确识别超过 70% 的相互作用,并提供超过 70% 的正确药物调整建议和全面的药物管理建议。

    • 复杂病例: ChatGPT 在所有 13 个复杂病例中均能正确识别超过 70% 的相互作用,并提供超过 70% 的正确药物调整建议,以及制定适当的管理计划。

    • 非常复杂病例: ChatGPT 在所有 13 个非常复杂病例中均能正确识别潜在的药物相互作用,并提出药物调整建议和适当的管理计划。

  • ChatGPT 响应的总结和分析: ChatGPT 在识别潜在相互作用和提供合理的管理计划方面表现出色,但在推荐替代药物治疗和具体药物推荐方面存在局限性(例如,未提供具体的剂量建议)。

五、讨论 (Discussion)

  • ChatGPT 的效率与病例复杂程度的关系: ChatGPT 生成准确响应的效率通常随着病例复杂程度的增加而下降,需要更具体和后续的问题才能获得所需的响应。

  • 与既往研究的区别: 既往研究集中在 ChatGPT 在药学科学方面的效率,本研究则提供了对 ChatGPT 在管理患者药物治疗方面潜力和能力的理解。

  • ChatGPT 在 MTM 中的潜在应用: ChatGPT 可以协助医疗保健提供者选择和优化患者的药物治疗,通过分析大量医疗数据并结合临床医生的专业知识,提供个性化的药物推荐。它还有助于避免试错用药,减少不良药物事件的风险,并可能作为一种替代方法帮助提供者提供 MTM 服务。

  • ChatGPT 与参考管理资源和 EHR 系统集成的潜力: 将 ChatGPT 与 UpToDate 等参考管理资源和 EHR 系统集成,可以为临床医生提供实时的药物优化建议,并提高 AI 医疗保健的可信度。

  • ChatGPT 与健康技术集成的潜力: ChatGPT 可以与智能手表和健身追踪器等健康技术集成,利用这些设备收集的数据指导药物剂量调整和提供当前的监测参数。

  • ChatGPT 在优化 MTM 中的挑战:

    • 伦理和法律问题: 包括自动化偏见、患者与提供者之间有意义的接触减少,以及患者数据的隐私和安全问题。

    • 实施和集成: 技术难度、医疗保健提供者对在临床决策中使用 AI 的抵触情绪,以及 ChatGPT 响应中的错误和不一致性。

  • ChatGPT 在药学教育中的应用: ChatGPT 可以作为药学生学习 DDI 的教育工具,并帮助临床药剂师了解最新的医学发现,从而在进行 MTM 时做出明智的决策。

  • AI 在药学领域的未来: 强调了在药学领域建立 AI 领导力的必要性,并鼓励药学培训适应新技术,以培养下一代药学专业人员。

六、研究局限性 (Limitations)

  • 研究中使用的病例数量相对较少,可能限制了研究结果的普遍性。

  • 研究仅评估了 ChatGPT 在识别药物相互作用、推荐替代药物治疗和制定管理计划方面的能力,未评估其他重要方面,如患者的具体情况。

  • 研究未考虑临床医生对在实践中使用 AI 的看法。

七、结论 (Conclusions)

  • ChatGPT 有可能彻底改变药物治疗管理,但存在一些局限性和潜在的偏见,需要进一步改进。

  • 药学专业的未来将取决于该领域如何应对由 AI 和自动化优化的患者护理需求的变化。

  • 药学教育课程可以考虑培训药学生使用 AI。

  • 医疗保健专业人员和 AI 专家之间的合作可以帮助弥合技术与医疗保健之间的差距。

  • AI 与临床药学的结合可以带来更好的患者预后、更高的药物依从性、更低的医疗成本,以及提高患者参与自身医疗保健的程度。

总结:

这篇文献通过一项严谨的研究,证明了 ChatGPT 在处理不同复杂程度的临床药学病例方面表现出色,尤其是在识别药物相互作用和制定管理计划方面。 尽管在提供具体剂量建议等方面还存在局限性,但研究结果表明 ChatGPT 有潜力成为临床药剂师的有力工具,辅助他们进行药物治疗管理,提高效率和患者安全性。 文献还探讨了 ChatGPT 在药学教育、与 EHR 和健康技术集成等方面的应用前景,并指出了其在应用过程中可能面临的挑战和局限性。最后,文献呼吁药学领域积极拥抱 AI 技术,加强人才培养,以适应未来医疗保健的发展趋势。

欢迎关注“赛文AI药学”!

赛文AI药学,致力于探索人工智能在药学场景中的创新与应用,聚焦药师的AI赋能与专业素养提升。我们提供前沿的AI技术动态、实用的药学场景案例分享以及个性化学习资源,助力药师在智能化时代实现价值跃升。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/65746.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

《机器学习》——利用OpenCV库中的KNN算法进行图像识别

文章目录 KNN算法介绍下载OpenCV库实验内容实验结果完整代码手写数字传入模型训练 KNN算法介绍 一、KNN算法的基本要素 K值的选择:K值代表选择与新测试样本距离最近的前K个训练样本数,通常K是不大于20的整数。K值的选择对算法结果有重要影响&#xff0c…

[服务器][教程]Ubuntu24.04 Server开机自动挂载硬盘教程

1. 查看硬盘ID ls -l /dev/disk/by-uuid可以看到对应的UUID所对应的分区 2. 创建挂载文件夹 创建好文件夹即可 3. 修改配置文件 sudo vim /etc/fstab把对应的UUID和创建的挂载目录对应即可 其中# Personal mount points下面的是自己新添加的 :分区定位&#xff…

惠州市政数局局长杨伟斌:惠州市公共数据授权运营模式探索

近期,2024数字资产管理大会召开。会上,惠州市政务服务和数据管理局局长杨伟斌在会上做了题为基于“隐私计算区块链”的惠州市公共数据授权运营模式探索主旨演讲,从三个方面展开,一是建制度汇数据,二是夯基础保安全&…

查看 GitHub 仓库的创建时间

查看 GitHub 仓库的创建时间 1. https://api.github.com/repos/{owner}/{repository}2. curl -s https://api.github.com/repos/{owner}/{repository} | jq .created_atReferences 1. https://api.github.com/repos/{owner}/{repository} REST API endpoints for repositories…

ArcGIS中怎么进行水文分析?(思路介绍)

最近有人咨询,ArcGIS中怎么进行水文分析,大致的说一下河网提取的思路哈 解决思路:dem填洼→计算水流方向→计算水流累积矩阵→形成河网 dem填洼 计算水流方向 计算水流累积矩阵 用栅格计算器,设阈值(自己多次尝试&…

自动化测试-Pytest测试

目录 pytest简介 基本测试实例 编写测试文件 执行测试 pytest运行时参数 mark标记 Fixture pytest插件 Allure测试报告 测试步骤 pytest简介 Pytest‌是一个非常流行的Python测试框架,它支持简单的单元测试和复杂的功能测试,具有易于上手、功…

2、redis的持久化

redis的持久化 在redist当中,高可用的技术包括持久化,主从复制,哨兵模式,集群。 持久化是最简单的高可用的方法,作用就是备份数据。即将数据保存到硬盘,防止进程退出导致数据丢失。 redis持久化方式&…

[论文阅读] (34)ESWA2024 基于SGDC的轻量级入侵检测系统

《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢。由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学术路上期…

深入解析:谱分解、SVD与PCA在算法中的应用与实现

特征值分解(EVD)、奇异值分解(SVD)和主成分分析(PCA)是矩阵分解技术的三种重要形式,它们在人工智能中扮演了关键角色。随着数据维度的快速增长和信息复杂度的提升,这些技术为处理高维…

[2025] 如何在 Windows 计算机上轻松越狱 IOS 设备

笔记 1. 首次启动越狱工具时,会提示您安装驱动程序。单击“是”确认安装,然后再次运行越狱工具。 2. 对于Apple 6s-7P和iPad系列(iOS14.4及以上),您应该点击“Optinos”并勾选“允许未经测试的iOS/iPadOS/tvOS版本”&…

【笔记】在虚拟机中通过apache2给一个主机上配置多个web服务器

(配置出来的web服务器又叫虚拟主机……) 下载apache2 sudo apt update sudo apt install apache2 (一)ip相同 web端口不同的web服务器 进入 /var/www/html 创建站点一和站点二的目录文件(目录文件名自定义哈&#x…

vim里搜索关键字

vim是linux文本编辑器的命令,再vi的基础上做了功能增强 使用方法如下 1. / 关键字, 回车即可, 按n键查找关键字下一个位置 2.? 关键字, 回车即可, 按n键查找关键字下一个位置 3.示例

小程序中引入echarts(保姆级教程)

hello hello~ ,这里是 code袁~💖💖 ,欢迎大家点赞🥳🥳关注💥💥收藏🌹🌹🌹 🦁作者简介:一名喜欢分享和记录学习的在校大学生…

15-利用dubbo远程服务调用

本文介绍利用apache dubbo调用远程服务的开发过程,其中利用zookeeper作为注册中心。关于zookeeper的环境搭建,可以参考我的另一篇博文:14-zookeeper环境搭建。 0、环境 jdk:1.8zookeeper:3.8.4dubbo:2.7.…

一个最简单的ios程序(object_c)的编写

前言 如何在苹果系统MacOS创建一个简单的ios(iphone)程序,貌似非常的简单。但是,作为习惯了Windows开发的程序员来说,有时候还觉得有点麻烦,至少开始有点很不习惯。 本博文试着把这个过程展现一下&#xff…

Rabbitmq追问2

分析rabbitmq 默认使用姿势是什么 direct fanout还是什么 public void convertAndSend(String exchange, String routingKey, Object object, CorrelationData correlationData) throws AmqpException { this.send(exchange, routingKey, this.convertMessageIfNecessary(obje…

[文献阅读]ReAct: Synergizing Reasoning and Acting in Language Models

文章目录 摘要Abstract:思考与行为协同化Reason(Chain of thought)ReAct ReAct如何协同推理 响应Action(动作空间)协同推理 结果总结 摘要 ReAct: Synergizing Reasoning and Acting in Language Models [2210.03629] ReAct: Synergizing Reasoning an…

Rocky Linux下安装meld

背景介绍: meld是一款Linux系统下的用于 文件夹和文件的比对软件,非常常用; 故障现象: 输入安装命令后,sudo yum install meld,报错。 12-31 22:12:17 ~]$ sudo yum install meld Last metadata expirat…

【亚马逊云】基于Amazon EC2实例部署 NextCloud 云网盘并使用 Docker-compose 搭建 ONLYOFFICE 企业在线办公应用软件

文章目录 1. 部署EC2实例2. 安装 Docker 服务3. 安装docker-compose4. 创建Docker-compose文件5. 创建nginx.conf文件6. 运行docker-compose命令开始部署7. 访问ONLYOFFICE插件8. 访问NextCloud云盘9. 下载并启用ONLYOFFICE插件10. 上传文件测试11. 所遇问题12. 参考链接 1. 部…

揭秘文件上传漏洞之操作原理(Thoughts on File Upload Vulnerabilities)

从上传到入侵:揭秘文件上传漏洞之操作原理 大家好,今天我们来聊一个"老而弥坚"的漏洞类型 —— 文件上传漏洞。虽然这个漏洞存在很多年了,但直到现在依然频频出现在各种漏洞报告中。今天我们就来深入了解一下它的原理和各种校验方…