避免开错处方或剂量有误!智能药柜训练AI把关、看懂药物,医生用药更精准

WHO最近把“Medication Without Harm”视为全球最重要议题推动,并在2017年德国波昂召开的会议中定下明确目标:5年内降低50%的用药伤害。

台湾的医院一直落实“三读五对”的给药规范,以确保病患的用药安全,但在繁忙的临床作业中,医师常因病情变化而调整用药,若只以人力核对,很难完全落实用药安全;而利用物联网科技辅助用药安全,为当前唯一的解决方案。

麻醉管制药品监管是一家医院最重要的药品管理核心,如果出现任何差错,常会演变成重大医疗疏失。此时,智能药柜摇身一变成为最佳利器。

依照管制药品领药规定,必须同时两人取药,利用医事人员卡和3D人脸识别、再联动到院内值班系统,对于取药身份做最严格的把关。根据不同医院用药习惯,弹性组合药物放置空间;取药时利用AI药品图片识别比对药名与数量,确保正确的医师调剂处方;最后再联动医院药剂部的药品系统,时时盘点,确保全医院的用药情形安全无虞。

常在医嘱开立时发生!智能药柜把关用药风险

医院的化疗药物调剂室为受严格管制的特殊区域,因此通常设置在和一般病患施打药剂地点一段距离以上的空间。

利用3D图资与内置LiDA(认知架构)的运送机器人,可以安全且精确地在调剂室与护理站之间穿梭;调剂药师通过3D人脸识别之后,将调剂好的化疗药剂锁入内置RFID的感应门锁;送达化疗病房后,责任护理师经过3D脸部识别认证,取出药物进行投药。

整个过程不但能避免因人力运送化疗药物可能发生的倾倒,以及化疗药剂领取时人员认证的管控风险,药物取放时间点、实时位置与人员身份都即时连接院内系统,确保整个化疗用药流程的绝对安全与精准管理。

台湾在医疗医保普及的制度下,人们用药频率极高,药物事件造成的风险随时都在发生:

台湾药物事件发生地点

以药店为主(36.2%),其次是一般病房(住院,32.2%),发生阶段,以医嘱开立与输入(54.9%)最多,其次为给药阶段(23%)、药店调剂阶段(20%)

为了降低用药错误次数,利用AI人工智能,串联几率、药品数据库与深度学习,扮演药品守门人,及时拦截不正确的药物事件。

将AI应用于用药识别的方式相当多样,例如导入台湾医保数据库与大型医院提供的电子病历,实行无监督学习,让AI学习医师开立处方的行为,进一步判断医嘱开立后是否有药物名称与该病症无任何关联,进而发出系统警示。

抑或将药品识别导入药店调剂阶段,利用AI药物图片识别技术快速识别从药柜中取出的药物名称、外形和数量,随后从药品数据库带出药性、药物副作用等相关信息,使药物调剂时更快辨认是否与处方签相符,减少取药错误。

两招处理图像,无论裸锭、铝箔包、液装或盒装都看得懂

无论是裸锭、铝箔包装、液装或盒装的AI药物图片识别,前提都需要教导AI进行几何变换(geometric transformations):包含放大、缩小、旋转;颜色亮度、对比度、色调修正;图像融合(image composite),拍摄图片与图片数据库的加、减、组合、拼接;降噪(image denoising/noise reduction),图片上的噪声来自硬件或环境光等因素,如果图片噪声太多,将会影响边缘检测与图片分割的准确性,因此如何过滤图片上的噪声并保留有效消息就相当重要。

边缘检测(edge detection)与图片分割(image segmentation)的配合,能将一张图片分割成多个不同区域,并准确截取局部特征,让AI进而认识药物形状、大小、颜色、文本、数量等特征,最后根据前述截取的图片信息,与药品数据库进行配对,即可精准告知用户药物名称和相关信息。

AI药物识别技术大致可分成两种:1:1和1:N,前者的应用多为医疗中心药剂部调剂时,验证管制药或高贵药的身份;后者则应用在预防取用多种药品时的错误。

以技术难度来看,1:N的难度比1:1还要高,因为1:N的药物识别更容易受药物类型、拍摄角度、拍摄方向、拍摄距离、环境光等因素影响识别准确度。

因此在现阶段,药物图片识别技术与药物识别机构的配合度相当重要,产品设计者需针对不同类型药物提供适合的识别环境,以降低这些干扰因素。

发表评论