Page 9 - 《中国药房》2025年13期
P. 9
和实验室结果，协助药师准确识别高风险患者，快速预 解读与证据：AIPS系统通过对自然语言的理解和对
测、评估药物疗效和药物不良事件（adverse drug event， 语音、图片内容的识别，采集患者的病史及用药史信息，
ADE），并提供个性化的干预建议；基于患者的个体化数 汇总并生成结构化的电子文档；基于药物和疾病的知识
据（如基因组信息、肝肾功能、体液药物浓度等），AIPS系 图谱，通过模型的匹配运算，为出诊药师提供优化患者
统可以结合知识图谱和机器学习模型推荐最优的给药 治疗方案的建议和用药指导，不仅涵盖药物的用法用
方案，快速预测、识别并报告疑似药物相互作用和ADE， 量，还包括用药注意事项、潜在ADE的监测与预防，以及
提高用药的有效性和安全性 [5―6] ；通过对药品物资的数 生活方式调整建议等，从而提升药学建议采纳率、患者
智化管理，降低人为配送失误风险，减少人力成本。（3） 用药依从性和治疗效果 [16―17] 。
提升药学服务的准确性——AIPS 工具还可以整合政策 2.3 AIPS在药物重整中的应用
法规、药物信息、临床指南和研究文献等多源数据，通过 推荐意见荐意见55（（强推荐强推荐））：AIPS可以通过LLM或多模态
推
构建知识图谱并进行高级推理与验证，辅助药师提供更 技术与住院患者或其家属展开面对面问询和交流、查阅
[7]
准确的药事管理与诊疗意见 ；基于大语言模型（large 患者既往病历信息等方式，高效、精准地采集和录入必
language model，LLM）的智能聊天机器人和虚拟助手可 要信息，节约药师临床工作时间，提升药物重整效能。
以为医务人员和患者提供用药指导和常见问题的解答， 解读与证据：AIPS 系统可以依托自然语言处理技
[8]
提高临床服务满意度和患者用药依从性 。 术，通过文字、语言、图像等与患者或其家属交流，获取
2.2 AIPS在药学门诊中的应用 患者的既往史、家族史、过敏史、用药情况等重要的背景
推荐意见荐意见33（（强推荐强推荐））：AIPS能够基于患者的病史信 信息，结合对患者电子病历的查阅，实现对关键信息的
推
[18]
息和检验检查结果，结合最新的药学知识和临床指南， 识别、采集、整合、录入，并生成药物重整所需文档 。
准确、快速地判断处方合理性并识别潜在的深层次用药 这不仅提高了信息采集的效率和准确性，还可以减少大
[19]
问题，为药师提供实时的决策支持建议，辅助药师提升 量重复性劳动对药师临床工作时间的占用 ，辅助提升
处方合理性评估能力。基于强大的自我学习潜能，AIPS 药师的药物重整工作效率。
推荐意见荐意见 66（（强推荐强推荐））：针对老年人、儿童、妊娠及哺
能够根据药师反馈不断优化审核规则，进一步提高处方 推
审核的准确性，从而提升处方质量，保障患者用药安全。 乳期女性、肝肾功能不全者、危重症患者等特殊住院人
解读与证据：AIPS 系统通过读取电子病历系统、医 群的代谢特征异质性，AIPS能够结合群体药动学和生理
学影像归档与传输系统、实验室信息系统等多源数据， 药动学，与机器学习方法联合建模，解析非线性剂量与
结合深度学习和大数据分析技术，能够以更全面、深入 药物暴露的关系，智能并动态生成满足特殊个体清除率
[9]
的视角识别处方潜在的不合理问题 ，包括但不限于适 特征、覆盖药物治疗窗的最优给药方案，辅助药师开展
[10]
应证、用法用量、药物相互作用、配伍禁忌等 。通过对 高质量药物重整。
不适当处方的早期识别，药师能够在药品调配前及时向 解读与证据：老年人、儿童、妊娠及哺乳期女性、肝
接诊医师提出患者的个体化干预措施建议，在确保药效 肾功能不全者、危重症患者等特殊人群存在明显的药物
的 前 提 下 ，最 大 限 度 降 低 ADE 和 药 物 相 互 作 用 风 代谢差异，导致其发生ADE的风险增加，故其是开展药
险 [11―12] 。特别在面对复杂用药病例时，AIPS系统可以通 物重整的重点对象。AIPS系统通过算法分析大量患者
过分析患者的完整医疗记录和药师的反馈，自主学习并 数据，建立群体药动学及生理药动学模型，预测药物在
更新知识库，辅助药师识别出难以发现的规律和信 不同群体及不同个体中的药动学过程，为特殊人群开展
号 。有研究表明，使用梯度提升分类和参数筛查技术 药物重整提供参考。例如，对肝肾功能不全的重症患
[13]
建立的高警示药品筛查工具，对高警示药品错误处方的 者，AI模型可综合患者药动学指标调整药物剂量和给药
[14]
识别率接近 100% 。此外，基于 LLM 结合检索增强生 频率，维持有效药物浓度，减少ADE的发生 。AI模型
[20]
成技术和专业知识库建立的临床决策支持系统，能够显 在处理复杂高维数据和非线性关系时同样出色，可有效
著提高识别处方问题的准确性，尤其在面对复杂处方 优化剂量-药效关系，明确治疗窗口，结合现有的血药浓
[15]
（如抗感染药物、多专科药物）时表现出色 。AIPS系统 度监测数据构建浓度和暴露量预测模型，助力精细化治
[21]
还能够通过分析问题的大小和缓急，筛选出需要药师优 疗 。对儿童患者，AI模型可根据其生长发育特点和药
先处置的问题处方和高危药品 ，提升处方审核效率。 物代谢酶活性，调整药物剂量和给药方式，确保用药安
[11]
推 全、有效。例如，在应对新生儿感染中，基于群体药动学
推荐意见荐意见44（（强推荐强推荐））：AIPS能够基于患者的个体化
医疗数据和先进的数据分析技术，融合药物知识图谱和 数据，用机器学习方法建立的AI模型可以实现通过抗菌
临床治疗指南，生成更为准确、详尽的处方优化建议和 药物目标谷浓度的初始剂量设计和后续给药剂量优化，
[22]
个性化的患者用药指导意见，提高药师接诊能力。 指导药物重整 。使用 LLM 模拟的重症监护病房临床
中国药房 2025年第36卷第13期 China Pharmacy 2025 Vol. 36 No. 13 · 1555 ·
