Page 13 - 《中国药房》2025年13期
P. 13

整、用药教育、药学监护等药学服务的药师应具备相关                           床、医管、信息等部门明确核心场景（如处方审核、ADE
          服务规范对人员资格和工作经验的要求，通过培训能掌                           评价等），优先通过小规模试点来评估、验证技术的适配
          握AI工具的使用方法、自然语言处理技术原理、数据安                          性，采用模块化架构分阶段扩展（如先部署审方模块，再
                  [60]
                                                      [61]
          全规范等 ，并具备验证和处理 AI 输出结果的能力 ；                        扩展至个体化用药），同时推动区域医疗联盟共建、共享
          使用生成式AI辅助开展药学服务前，应做好必要的准备                          算力池与知识库，避免重复投入。通过精准需求匹配与
          工作。清晰、具体、有针对性的提示词能够帮助AI更好                          资源协同，可实现 AIPS 相关工具的精准部署和成果的
          地理解需求，生成更为准确、可靠的答案，包括明确限定                          高效转化。
                                                                 推荐意见荐意见 2323（（强推荐强推荐））：过度依赖 AI 会导致系统脆
          AI的职能边界（如临床药师助手的角色定位）、精准定义                             推
          任务范畴（如处方审核或用药建议生成）、系统输入多维                          弱性与应急能力不足的风险增加。如果医疗机构和药
          数据（包括人口学特征、临床诊断信息及药物治疗史等                           师过度依赖 AIPS 等 AI 技术，可能导致在面对系统故障
          核心参数），以及设定标准化输出格式要求等。此外，建                          或突发事件时难以应对。建议加强对算法、数据的备份
          议对所使用的AI工具、交互日志、AI生成的信息加以保                         管理，并保持药师独立开展药学服务的能力，确保基础
          存，以备溯源。                                            药学服务的可持续性。
              推                                                  解读与证据：为应对过度依赖AI导致的系统脆弱性
              推荐意见荐意见 2121（（强推荐强推荐））：现阶段，生成式 AI 模型（含
          推理模型）输出结果中的幻觉仍不可完全避免，在上述                           与应急能力不足的风险，建议通过 AIPS 系统的本地化
          多种药学服务场景中，如果 AIPS 模型提供的答案存在                        部署、区块链备份多版本算法以及关键数据，确保在系
          错误或误导性信息，可能引起药师建议或决策失误，对                           统故障时能持续提供基础药学服务，降低技术中断风
          患者造成伤害并引发患者对药学服务的不信任。药师                            险。为防范药师因过度依赖AI而导致专业技能退化，建
          必须对生成式 AIPS 模型输出的结果进行人工复核，将                        议加强对药师使用 AIPS 工具的原则教育，明确 AI 的辅
          幻觉风险降到最低。                                          助定位和药师承担主体责任的法规要求；同时，构建兼
              解读与证据：生成式AI的幻觉问题在药学服务中可                        顾能力考核、责任约束和持续学习的风险管控机制，如
          能引发严重后果。有研究表明，生成式模型因训练数据                           要求药师通过年度人工审方能力测试，将AI使用技术课
          偏差或逻辑推理缺陷，可能输出看似合理但实际与现有                           程纳入药师继续教育体系，制订无AI参与的药学服务应
          医药学知识不符的内容。例如，ChatGPT 对“达格列净                       急预案（如模拟系统宕机）并定期开展演练。最终目标
          是否与中性粒细胞减少症相关？”的回答是“文献中未见                          是通过制度约束与能力建设，实现药师在AI辅助下的知
                                                    [62]
          报道”，但该药的说明书中已明确标注了相关风险 ；在                          识 迭 代 而 非 能 力 替 代 ，筑 牢 人 机 协 同 的 用 药 安 全
                                                                 [62]
          回答妊娠期间服用螺内酯是否有致畸性数据时，提供了                           防线 。
                          [63]
          不存在的参考文献 ；计算万古霉素给药剂量时，未根                           3 结语
          据肌酐清除率进行调整 。汇总分析显示，ChatGPT 4.0                         本共识是国内首个系统性针对AIPS工作的专家共
                              [60]
          回答各类药学问题的总体正确率虽与人类药师相当，但                           识，不仅涵盖了 AIPS 的定义、目标、在不同应用场景中
                       [64]
          也仅达到64.3% 。药师是处方（医嘱）审核工作的第一                        的作用等内容，还对数据安全、技术依赖、质量控制、最
          责任主体，必须对 AIPS 模型输出的结果进行真实性和                        终决策、伦理与责任等关键问题进行了深入探讨，既指
          可解释性的人工复核，控制因生成式 AI 幻觉带来的风                         出了AI对提升药学服务效能的重要作用，又提出了现阶
          险，维护药学服务的专业公信力。                                    段必须面临的挑战与建议，为当下不同药学服务场景中
              推荐意见荐意见 2222（（强推荐强推荐））：引入 AIPS 模型前缺乏准入         AI技术的科学、规范应用与管理提供了明确的技术性指
              推
          机制、预先规划和自评估，可能造成资源浪费与效率失                           导。鉴于AI技术的高速发展、迭代和药学服务需求的不
          衡。应确保医疗机构在引入 AIPS 技术前建立准入机                         断拓展、深入，本共识将定期更新，以确保其内容的时效
          制，进行系统和长远的规划，充分评估药事需求，明确具                          性和实用性。期待与广大药学专业人员、医疗机构管理
          体目标与任务，实现资源精准投入与医疗质量、效率提                           人员和技术开发者共同努力，推动AIPS的高质量发展，
          升，杜绝技术空转与资源浪费。                                     为患者的健康保驾护航。
              解读与证据：随着国内先进的开源 AI 模型不断崛                          （声明：本共识由国家卫生健康委医院管理研究所
          起，医疗机构部署AI算力的成本显著降低，但仍然是一                          药学信息专家委员会、中国医药教育协会老年药学专业
          笔不小的开销，如未能将本地高质量数据与实际使用场                           委员会和北京整合医学学会数智化药学管理与服务分
          景相契合，则难以发挥出该模型的预想作用，盲目采用                           会共同发起，基于最新的研究成果，结合了来自全国多
          反而增加患者用药风险。医疗机构部署AIPS系统前应                          家医院、高校专家的意见，并邀请了多学科专家进行论
          建立完善的准入工作制度与程序，药学部门应联合临                            证和审定。然而，共识中所包含的推荐意见并不代表上


          中国药房  2025年第36卷第13期                                              China Pharmacy  2025 Vol. 36  No. 13    · 1559 ·
   8   9   10   11   12   13   14   15   16   17   18