Błędy w podawaniu leków to najczęściej zgłaszane krytyczne incydenty w anestezjologii i najczęstsza przyczyna poważnych błędów medycznych na oddziale intensywnej terapii. W szerszej perspektywie szacuje się, że podawanie od 5 do 10 proc. wszystkich leków wiąże się z błędami.

Błędy najczęściej występują podczas wstrzyknięć dożylnych, kiedy to lekarz musi przenieść lek z fiolki do strzykawki i podać pacjentowi. Około 20 proc. błędów to błędy zamiany, w których wybierana jest niewłaściwa fiolka lub strzykawka jest błędnie oznakowana. Kolejne 20 proc. błędów występuje, gdy lek jest prawidłowo oznakowany, ale podawany przez pomyłkę.

Szacuje się, że niepożądane zdarzenia związane z lekami wstrzykiwanymi dotyczą 1,2 miliona pacjentów rocznie, a związane z tym koszty obliczane są na 5,1 miliarda dolarów.

W celu ochrony przed takimi wypadkami stosowane są środki bezpieczeństwa takie jak system kodów kreskowych, który szybko odczytuje i potwierdza zawartość fiolki. Jednak lekarze mogą czasami zapomnieć o tej kontroli w sytuacjach wysokiego stresu, ponieważ jest to dodatkowy krok w ich pracy.

Zespół naukowców z University of Washington School of Medicine (UW Medicine) opracował pierwszy noszony system kamer, który przy pomocy sztucznej inteligencji wykrywa potencjalne błędy w podawaniu leków.

Celem badań było zbudowanie modelu głębokiego uczenia się, który w połączeniu z kamerą GoPro jest wystarczająco zaawansowany, aby rozpoznawać zawartość cylindrycznych fiolek i strzykawek oraz odpowiednio ostrzegać przed podaniem leku pacjentowi.

Szkolenie modelu zajęło całe miesiące. Trzeba było zebrać nagrania wideo w rozdzielczości 4K z 418 pobrań leków przez 13 osób w salach operacyjnych, gdzie ustawienia i oświetlenie były różne. Na nagraniu uchwycono lekarzy posługujących się fiolkami i strzykawkami. Materiał ten wykorzystano, aby wytrenować model w rozpoznawaniu ampułek z lekami.

Podczas testów prowadzonych w niełatwych warunkach klinicznych system wideo rozpoznał i zidentyfikował, jakie leki były pobierane. Sztuczna inteligencja osiągnęła 99,6 proc. czułości i 98,8 proc. swoistości w wykrywaniu błędów zamiany fiolek.

Jak powiedziała współautorka systemu, dr Kelly Michaelsen, adiunkt anestezjologii i medycyny bólu w University of Washington School of Medicine, może on stać się zabezpieczeniem o krytycznym znaczeniu, szczególnie na salach operacyjnych, oddziałach intensywnej terapii i w warunkach medycyny ratunkowej.(PAP)

Paweł Wernicki

pmw/ agt/