台灣醫院引進人工智慧,取藥.送藥.用藥,通通交給它把關!(上)
隨著醫院陸續引進人工智慧,相信取藥.送藥等流程會更流暢!
防範給錯藥的意外 台引進人工智慧把關流程
生病吃藥是人一生中無法避免的事情，在健保制度普及的台灣，民眾用藥的頻率極高，「藥物錯誤事件」高居醫療意外事件排行之冠……為了在防止送錯藥的事件再發生，台灣近年積極引進「智慧藥櫃」，用人工智慧精密控管整個給藥流程，為全民健康把關！
藥物錯誤事件（Medication Errors）一直是各種醫療錯誤事件的大宗，原因是病人在服藥治療之前還有多重步驟：如醫囑之開立、處方書寫或轉謄、藥師調劑藥品、給藥、依指示服用藥品等，每個步驟都有發生疏失的風險
只要有任何一關未做好把關，就可能造成遺憾的發生，再加上依病人病情之需可能之多重用藥（polypharmacy），更是提高發生錯誤之機會。
為了確保用藥安全、更好地照顧病人，近年來國內如台大醫院、北醫醫院、台中榮總與中國醫附醫等醫院，積極導入智慧藥櫃，不但減少人力成本，由人工智慧協助把關，亦能降低潛藏的用藥風險。
傳統藥品供應的困境
「一名婦人就醫後，發生藥師交付調劑藥物時，因藥名相似，發生給錯藥的事件，幸運的是此位婦人機警，及時發現該藥名稱、包裝和平常服用的藥物不同，否則發生服錯藥物的後果可不堪設想。此外，衛生局也接到市民反映由醫院帶回的門診藥品，上面的使用者不是自己的烏龍給錯藥案件……」
如此的新聞層出不窮，表示藥物錯誤事件至今在各國醫療不良事件中仍居高不下，如：處方開立錯誤、藥名或藥品外型相似、注射給藥事件等，都屬於藥物錯誤事件的一環。
藥師是傳統給藥過程中最重要的把關者，不但需協助醫師檢視調劑藥物之間是否會造成病患不良反應，更需要遵從「三讀」、「五對」原則：
「三讀」- 從藥櫃取藥時一讀
- 拿藥時二讀
- 將藥放回藥櫃再看一次三讀，確認沒有拿錯藥
- 確認病人對
- 藥物對
- 時間對
- 劑量對
- 途徑對
但在繁忙的臨床作業中，完全依靠人力去核對確認，很難避免百密一疏、完全消除用藥風險。已台大醫院為例，108 年平均一天就有 15,689 筆單一劑量藥車配藥單，護理師要在大量藥品中備藥、找藥，不只耗費大量人流及物流成本，有緊急狀況需催找急藥時，也難以靈機應變，往往造成醫師、藥師、護理師以及其他醫療人員的額外辛勞。
人工智慧藥櫃如何把關用藥風險？
那人工智慧藥櫃具體可以怎麼幫助醫療人員呢？
在領藥取藥方面，利用醫事人員卡或是人臉辨識，與院內值班系統同步比對，對於取藥身分做最嚴格的把關；取藥當下則可以透過秤重的方式、測量藥盒的內容物是否有正確減少。
例如：當醫療人員點選要領取這筆處方，智慧藥櫃會先確認藥師是否已經具有該權限，審核通過後藥櫃才會解鎖，所在的藥盒會亮燈提示，接著 AI 會計算該藥盒內容物的重量減少多寡，秤重判斷取藥的正確性。
如果發生錯誤取用的情況，即刻提醒醫療人員，若時間內未修正，藥櫃將異常情況通知傳送給該處的主管人員，杜絕取藥錯誤的可能。
而在藥品辨識方面，可以利用 AI 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，一併顯示出藥品資料庫裡藥性、藥物副作用等相關資訊；在藥局調劑藥品時，也能更快辨認是否與處方籤相符，減少取藥錯誤。
AI 藥物辨識技術目前大致可分成兩種──1：1 和 1：N。前者多應用在醫療中心藥劑部調劑時，驗證管制藥物或高貴藥物；後者則應用在預防取用多種藥品時的錯誤。
現階段 1：N 的難度較 1：1 要高，因 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。
人工智慧藥櫃可以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 比對藥名與數量，確保取藥或醫師調劑處方正確無誤；最後連動醫院或診所的藥品系統，時時覆核，確保全院的用藥情形安全無虞。
導入人工智慧的送藥機器人，如何免除人力的送藥風險？請點此接續看「送藥機器人 免除人力運送風險」
延伸閱讀：
除了Java還有許多程式語言能寫出"Hello World"!
要學程式設計課程拉!但Java跟Python到底哪個好?(下)
人工智慧：貓是液體！NVIDIA 的 AI 創造人臉超逼真，但合成的貓都是液態
人工智慧打趴多名真人雀聖！麻將 AI「Suphx」突破日本麻將最高紀錄
人工智慧幫你寫程式？engineer.ai 公司真人工程師冒充 AI 騙得近 9 億融資
人工智慧從基因預測你的潛在疾病！微軟聯合 PTT 之父打造 AI 基因分析平台
