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。