避免開錯處方或劑量有誤!智慧藥櫃訓練AI把關、看懂藥物,醫生用藥更精準

2020.09.08 by
數位書選
避免開錯處方或劑量有誤!智慧藥櫃訓練AI把關、看懂藥物,醫生用藥更精準
flickr cc by Mary
台灣醫院一直落實「三讀五對」的給藥規範,以確保病患的用藥安全,但在繁忙的臨床作業中,醫師常因病情變化而調整用藥,若只以人力核對,很難完全落實用藥安全。

WHO最近把「Medication Without Harm」視為全球最重要議題推動,並在2017年德國波昂召開的會議中定下明確目標:5年內降低50%的用藥傷害。

台灣的醫院一直落實「三讀五對」的給藥規範,以確保病患的用藥安全,但在繁忙的臨床作業中,醫師常因病情變化而調整用藥,若只以人力核對,很難完全落實用藥安全;而利用物聯網科技輔助用藥安全,為當前唯一的解方。

近年來,國內各產業吹起一股AI(人工智慧)風潮,然而數位化、AI化只是起點與媒介,當各產業與異業間的大數據等資源,透過數位轉型共享與融合,即將顛覆傳統商業思維模式,形成更多具爆炸性成長可能的創新和市場!

《從AI到AI+》以數位生態系的宏觀視野為架構,廣召台灣醫療、金融、零售、運動、農業等領域數位化專家,以最新科技與商業案例,闡明國內各產業數位轉型的過程與樣貌,以及當代社會身處AI+生態系的各種趨勢與發展機會。

麻醉管制藥品監管是一家醫院最重要的藥品管理核心,如果出現任何差錯,常會演變成重大醫療疏失。此時,智慧藥櫃搖身一變成為最佳利器。

依照管制藥品領藥規定,必須同時兩人取藥,利用醫事人員卡和3D人臉辨識、再連動到院內值班系統,對於取藥身分做最嚴格的把關。根據不同醫院用藥習慣,彈性組合藥物放置空間;取藥時利用AI藥品影像辨識比對藥名與數量,確保正確的醫師調劑處方;最後再連動醫院藥劑部的藥品系統,時時盤點,確保全醫院的用藥情形安全無虞。

常在醫囑開立時發生!智慧藥櫃把關用藥風險

醫院的化療藥物調劑室為受嚴格管制的特殊區域,因此通常設置在和一般病患施打藥劑地點一段距離以上的空間。

利用3D圖資與內建LiDA(認知架構)的運送機器人,可以安全且精確地在調劑室與護理站之間穿梭;調劑藥師通過3D人臉識別之後,將調劑好的化療藥劑鎖入內嵌RFID的感應門鎖;送達化療病房後,責任護理師經過3D臉部辨識認證,取出藥物進行投藥。

整個過程不但能避免因人力運送化療藥物可能發生的傾倒,以及化療藥劑領取時人員認證的管控風險,藥物取放時間點、實時位置與人員身分都即時連線院內系統,確保整個化療用藥流程的絕對安全與精準管理。

台灣在醫療健保普及的制度下,民眾用藥頻率極高,藥物事件造成的風險隨時都在發生:

台灣藥物事件發生地點

以藥局為主(36.2%),其次是一般病房(住院,32.2%),發生階段,以醫囑開立與輸入(54.9%)最多,其次為給藥階段(23%)、藥局調劑階段(20%)

醫囑開立與輸入階段

以重複用藥(18.4%)最多,劑量錯誤(16.4 %)次之

藥局調劑階段

以藥名錯誤(44.9%)最多,數量錯誤(20.8%)次之

給藥階段

以劑量錯誤(22.5%)為最多,藥名錯誤(15.5%)次之

為了降低用藥錯誤次數,利用AI人工智慧,串聯機率、藥品資料庫與深度學習,扮演藥品守門人,及時攔截不正確的藥物事件。

真文化

將AI應用於用藥辨識的方式相當多元,例如導入台灣健保資料庫與大型醫院提供的電子病歷,實行無監督學習,讓AI學習醫師開立處方的行為,進一步判斷醫囑開立後是否有藥物名稱與該病症無任何關聯,進而發出系統警示。

抑或將藥品辨識導入藥局調劑階段,利用AI藥物影像辨識技術快速識別從藥櫃中取出的藥物名稱、外型和數量,隨後從藥品資料庫帶出藥性、藥物副作用等相關資訊,使藥物調劑時更快辨認是否與處方籤相符,減少取藥錯誤。

兩招處理圖像,無論裸錠、鋁箔包、液裝或盒裝都看得懂

無論是裸錠、鋁箔包裝、液裝或盒裝的AI 藥物影像辨識,前提都需要教導AI進行幾何變換(geometric transformations):包含放大、縮小、旋轉;顏色亮度、對比度、色調修正;圖像融合(image composite),拍攝影像與影像資料庫的加、減、組合、拼接;降噪(image denoising /noise reduction),影像上的雜訊來自硬體或環境光等因素,如果影像雜訊太多,將會影響邊緣檢測與影像分割的準確性,因此如何過濾影像上的雜訊並保留有效訊息就相當重要。

邊緣檢測(edge detection)與影像分割(image segmentation)的配合,能將一張影像分割成多個不同區域,並準確擷取局部特徵,讓AI進而認識藥物形狀、大小、顏色、文字、數量等特徵,最後根據前述擷取的影像資訊,與藥品資料庫進行配對,即可精準告知使用者藥物名稱和相關資訊。

真文化

AI藥物辨識技術大致可分成兩種:1:1 和1:N,前者的應用多為醫療中心藥劑部調劑時,驗證管制藥或高貴藥的身分;後者則應用在預防取用多種藥品時的錯誤。

以技術難度來看,1:N的難度比1:1還要高,因為1:N的藥物辨識更容易受藥物類型、拍攝角度、拍攝方向、拍攝距離、環境光等因素影響辨識準確度。

因此在現階段,藥物影像辨識技術與藥物辨識機構的配合度相當重要,產品設計者需針對不同類型藥物提供適合的辨識環境,以降低這些干擾因素。

本文授權轉載自《從AI到AI+》,真文化出版

責任編輯:張庭銉

延伸閱讀

每日精選科技圈重要消息