Q&A： AI 如何重塑药房和个性化医疗 |亚太大学 2025
快速阅读: 据《药物主题》最新报道，人工智能正深刻变革药学实践，通过机器学习、自然语言处理和深度学习等技术，药师可更高效地预测药物结果、生成临床文档及协调患者数据。尽管AI带来伦理和实施挑战，但药师可在保障数据完整性和人性化护理方面发挥关键作用，推动技术公平应用。
人工智能（AI）正在迅速改变药学实践，为预测建模、临床文档和个性化医疗提供了前所未有的能力。通过利用机器学习、自然语言处理和深度学习等先进技术，药师如今能够比以往任何时候都更高效地预测药物结果、生成临床笔记，并将复杂的患者数据与基因组知识进行协调。根据匹兹堡大学药学院创新主管拉维·帕特尔博士的说法，这项技术进步有望提升患者护理质量，减少错误，并提供一种智能支持，这种支持是增强而非取代人类专业知识。然而，随着AI越来越多地融入医学实践中，药师正成为这一技术前沿的关键引领者，他们独特地定位来应对伴随数字创新而来的伦理、实际和以人为本的考量。他们的角色不仅限于技术实施，还包括确保数据完整、减轻潜在偏差、保护患者隐私以及维护任何算法都无法完全复制的基本人性化护理要素。通过提出关于数据归属、患者知情同意和技术局限性的探究性问题，药师可以帮助塑造AI的发展，使其成为一个协作工具，而不是取代而是增强人类专业知识。
**药物主题：在药学实践中，机器学习、深度学习和自然语言处理之间的关键区别是什么？**
拉维·帕特尔博士：现在很有趣的是，当我们想到人工智能时，我们大量思考生成式AI，而生成式AI实际上是由超过50年甚至更多的计算机科学和演变组成的。因此，当我们分解一些组成部分时，像机器学习这样的概念非常重要且广泛。当作为药剂师的我们考虑逻辑回归等概念时，我们正在进行形式的机器学习，但当我们开始叠加一些有趣的高级计算时，我们有机会使用自然语言处理的概念，将文本或口语分解为定义的情感和紧张感，甚至思考是否存在一个被解决或框架的概念。当我们引入深度学习时，能够使用神经网络（作为一个概念，自20世纪初以来就存在），能够构想我们可能如何应用生成式学习，这是因为深度学习中的这些先进的神经网络。
**药物主题：这些技术如何在药房中使用，有哪些好处？**
帕特尔：在药房中，当我们分解不同的任务时，能够应用逻辑回归等概念来创建分类变量的预测模型。例如，如果我知道一类药物，我们可以使用机器学习的概念来进行预测。如果我知道是或否，我服用哪些药物，我们可以将其构建到创建一个说“是”或“否”的模型中；我会发展成疾病状态或慢性病吗？当我们考虑更高级的应用时，自然语言处理，在我通过手机语音助手或家里的智能扬声器提问时，我们正在使用自然语言处理。作为一个项目，我们曾经尝试比较我可以问我的智能扬声器什么咨询问题，“我什么时候应该服用这种药物？”与一个人类可能会说什么，得到了一些非常有趣的结果，这些结果随着时间的推移发生了变化。当我们使用深度学习时，我们可以思考创造像我们看到的生成式AI那样的图像，或者能够编写SOAP笔记的例子，当我们寻找创建临床文档时，当然需要一些临床检查和验证。
**药物主题：人工智能是如何用于分析患者的医疗记录并改善药物协调的？**
帕特尔：当我们想到我们的电子健康记录时，人工智能可能已经以我们不知道的方式存在。允许我们记录和存储这些数据的系统本身就可能运行着人工智能。我们作为消费者体验它的一种方式是使用像谷歌这样的搜索引擎上的自动完成功能。当我们考虑如何在临床文档中使用这一点时，能够开始像SOAP笔记一样，并从图表中自动提取信息是生成式AI已经使用的例子。
**药物主题：人工智能能否用于优化药物依从性和个性化给药方案？如果是的话，如何实现？**
帕特尔：看到计算的进步，特别是当涉及到个性化医疗时，真的很令人兴奋。我们利用这些先进方法进行个性化药物的一个方式是绘制人类基因组图谱。当我们今天想到药房实践时，我们可以考虑能够利用现有的基因组学知识，并将动态的患者图表（随着时间变化的图表）与我们对个性化医疗和基因组学的动态知识进行比较。因此，能够以单个人类大脑难以识别或无法识别的方式协调信息，这是人工智能可以影响个性化药物应用的一种方式。
**药物主题：人工智能能否用于配制以确保准确性？如果是的话，如何实现？**
帕特尔：当我们看配制的一些基础知识时，任务、识别质量和思考是否完成了每一步都有大量的变异性。我们尝试在人工智能应用中进行实验的一种方式是包括计算机视觉映射，这可能是一个药剂师在获取特定成分或正确顺序应用药物时可能使用的手或情绪。当然，我们用纸笔协议自动完成这些工作，但在叠加人工智能的情况下，我们能够思考使用计算机作为双重核验，一种说“在计算机的帮助下，我能记住我是否做了这个吗？”的方式，而不是通过计算机的替代。
**药物主题：将人工智能集成到药房工作流程中可能存在哪些挑战？**
帕特尔：任何技术往往受制于人类特质带来的挑战。人工智能在技术实施和工作流程整合方面可能遇到挑战。我们是否能够获取人类数据？我是否信任生成的数据？当我们思考药剂师如何通过与最终用户合作来解决在工作流程中应用人工智能的障碍时，无论是药剂师、患者还是护理人员，询问诸如“我们试图解决的问题是什么，我们如何使用技术来解决这些人类问题？”之类的问题时，我们可以思考工作流程信任的障碍，甚至是数据访问的障碍。
**药物主题：在药房实践中使用人工智能相关的伦理考虑是什么？**
帕特尔：使用数据通常带来伦理考虑。对于任何数据使用而言，一个常见的问题是：谁拥有这些数据？例如，在当前研究中，药品记录或健康记录已经以商业格式存在。所以当我拿到某种东西或如果我去医院就诊时，我的记录已经成为研究数据集的一部分；我们面临关于我是否有权拒绝或退出该过程的伦理问题。即使没有人工智能和数据访问，我们也面临挑战。当我们考虑将这些独特的方法应用于生成新数据时，我们可能必须问：“原始数据的所有者是谁，我的记录、我的药品信息，以及新数据的所有者是谁，即因我的信息而产生的结果？”因此，当我们考虑药剂师的新机会或新角色时，能够提前思考这些问题或挑战和伦理可能是药剂师积极实施人工智能的一个很好的角色。
**药物主题：我们如何确保AI工具被公平使用，不会加剧现有的健康差异？**
帕特尔：任何技术都可能带来风险，增加数字鸿沟。我们如何评估临床医生和患者对指导其实践或接受护理的技术的理解？一个挑战在于，尤其是在人工智能领域，偏见数据的风险。如果我只使用特定人群的数据并试图将其应用于可能未被代表的另一人群，这可能会加剧这些限制或偏见。人工智能实施或任何技术的一个有趣方面是它可能会问我们：“我们作为人类如何更好地认识到我们的差异？”因此，虽然我们可能面临识别偏见累积效应或增加数字鸿沟的挑战，但我们可以通过人工智能的快速迭代来利用这个机会，问：“我们的上一版本错过了什么，或者当我们制定新的技术实施计划时，我们如何更好地应对偏见风险？”
**药物主题：还有其他你想补充的内容吗？**
帕特尔：谈及技术时，我们常关注变化的意义。当我们思考核心能力、关键事项或相同数据时，什么保持不变。我们有机会让新技术不仅仅是一种新奇或可怕的想法，而是让它成为人类和技术之间真正的协作方法，从而改善他们的工作。阅读更多关于我们对美国药剂师协会2025年年会和博览会的报道。
(以上内容均由Ai生成)
