醫守發表「AI預防型音相似用藥錯誤」大型研究數據 攔截1.64%錯誤

撰文記者 李林璦
日期2023-10-27
EnglishFrenchGermanItalianPortugueseRussianSpanish
圖為醫守執行長龍安靖。(攝影/羅翊方)

日前,臺灣AI醫療解決方案開發商醫守科技(AESOP Technology)發表,其開發全球第一套以AI預防住院用藥發生「型音相似(look-alike、sound-alike, LASA)錯誤」系統RxPrime(以前稱為MedGuard)的大型臨床研究數據。該研究發表於《Computer Methods and Programs in Biomedicine》。

執行長龍安靖指出,該大型研究超過300多醫師參與,守護了超過100萬次病人的看診,證實機器學習能夠在不增加警示疲勞前提下,偵測形音相似造成的處方錯誤。

該研究為一項回顧性研究,評估2019年7月1日至2021年6月31日期間,醫院門診中RxPrime(以前稱為MedGuard)的警示、警示接受率和LASA警示率,並由專業藥師檢視系統跳出警示的適用性、接受率、錯誤藥物警示以及易混淆藥物警示的合適性。

研究結果顯示,在兩年時間中,共開立了120萬6,895份處方箋,共觸發了2萬8,536次警示,警報率2.36%;而這些警示中,有1萬3,947次警示則被醫師接受,佔48.88%,有8,014次警示被修改,佔28.08%,最常見的修正是增加或刪除疾病,佔52.04%。

此外,用藥錯誤的攔截率為1.64%,在2萬8,536次警示有470個是用藥錯誤,相當於每1000個警示中可攔截到16.4個錯誤。

該系統可幫助攔截不適當的用藥錯誤和LASA藥物錯誤,提高用藥安全性。醫守還運用其專有的人工智慧技術,來克服傳統臨床決策支援系統(CDSS)的限制並解決警報疲乏問題。

醫守指出,許多讓醫生感到警報疲乏的原因,是由於電子健康記錄(EHR)系統中的清單文件不完善而導致。

醫守長期鑽研用藥與診斷的關係,運用32億筆國際病歷資料,以機器學習發展出RxPrime的獨家演算法,不僅可有效捕捉型音相似用藥錯誤,還能直接反餽相關診斷和用藥建議。

RxPrime的設計像是一個用藥管理小桌面,能在EPIC住院系統上以側邊欄形式同步運作,可以即時動態分析患者住院期間所有用藥,轉換成一目瞭然的結構型資訊呈現,幫助醫師快速掌握與管理複雜的住院用藥安全。

龍安靖指出,用藥錯誤案例有許多,例如肌肉鬆弛用藥Solaxin開成思覺失調用藥Solian,這種用藥錯誤由於隨機發生,除了醫守的解方外,目前尚缺乏有效解決方案,目前,在醫守RxPrime系統的守護下,這類問題已不再困擾醫院、醫師以及病人。此次醫守發表的最新大型研究,更證實了機器學習能夠在不增加警示疲勞前提下偵測形音相似造成的處方錯誤。

龍安靖指出,世界衛生組織(WHO)才剛在10月20日,發表了針對形音相似用藥錯誤的藍皮書。其中,仍著重在Tall man Letter (關鍵讀音大寫增加辨識度),彩色標記和提升病人覺醒等傳統方法。然而,只針對產品名的形音相似其實無法解決LASA錯誤的問題,資訊科技仍然扮演重要篩選的角色。

論文:https://doi.org/10.1016/j.cmpb.2023.107869

(報導/李林璦)