首页 > 论文范文 > 医药卫生论文 > 药学论文 > 药学综合论文 > 人工智能在老年多重用药中的应用

人工智能在老年多重用药中的应用

2024-01-22 139 上传者：管理员

摘要：本文旨在探讨多重用药在人工智能技术的帮助下，减少或杜绝造成的不良事件的发生。通过对老年多重用药的剖析，明确老年多重用药的两大影响因素，即病人因素和医疗系统因素，并根据影响因素分析其在人工智能技术帮助下的解决方法，以保障老年人用药安全，实现老年人多重用药的风险管控。

关键词：
人工智能技术
多重用药
老年人
药品不良反应
药物相互作用
加入收藏

《国家老龄事业发展公报》显示，截至2021年末，我国60岁及以上人口的比例达18.9%,大约2.6亿人[1]。78%以上的老年人至少患有1种以上慢性病[2]。老年慢性病病人多重用药不可避免，这引起的不合理用药进一步导致了各种不良临床结果[3]。

人工智能是计算机模仿人类独有的智力的能力[4]。人工智能技术在药物治疗中最常见的应用是将病人与最佳药物或药物组合相匹配，预测药物靶点或药物相互作用，以及优化治疗方案并帮助临床决策[5]。

本文通过对人工智能在老年多重用药方面的研究进行综述，归纳并概括了人工智能在老年多重用药方面的现状、实现的手段与效果，为充分发挥人工智能技术在老年多重用药方面的应用提供参考。

1、多重用药

1.1 多重用药概述

“多重用药”指同时使用5种及以上药物。另外，缺乏适应证的用药和2种或2种以上不必要药物的联合使用，也被称为多重用药[6]。导致老年人多重用药的发生主要有2个因素：(1)病人因素：多重用药与年龄增长密切相关[7];老年慢性病病人忘记服药、重复用药、错服药物等情况均可导致多重用药的发生[8];老年病人由于疾病多，身体反应大，通过媒体或朋友“口口相传”购买多种保健品导致多重用药[9]。(2)医疗系统因素：老年病人由于身患多种慢性疾病就诊于医院多个科室，若医生不了解病人当前服用的药物且没有与病人沟通，亦可导致“开药瀑布”的多重用药[10];药物治疗方案复杂，可导致多重用药[11]。研究显示，多重用药与许多临床不良结局相关，亦可增加药物不良反应、药物间相互作用发生，以及用药依从性不佳、药物使用不当的风险[12]。

1.2 老年病人多重用药的流行病学

WHO最新的报告称：多重用药是全球所有医疗机构中一个日益严重的重大公共卫生问题[13]。2021年，国内一项研究显示，老年病人多重用药率为50.14%[14]。在美国，老年人的多重用药率为36.8%[15]。多重用药与健康不良风险的增加相关[16],如药物不良事件(ADEs)、发病率、住院率和死亡率。此外，生理变化(年龄)对药物效应动力学和药物代谢动力学的影响[17],可能会降低某些药物的收益/风险比。

2、人工智能在医学领域中的发展

2019年4月，我国医疗人工智能领域首份正式出版的系统研究报告——《中国医疗人工智能发展报告》(2019)蓝皮书正式面向大众发布，该报告促进了人工智能和医疗健康信息化建设的充分发展，积极推动了健康中国建设的战略部署[18]。目前在人工智能技术的帮助下，传统的医疗环境发生了很大的变化。通过人工智能结合影像技术、病理技术和生化技术等医疗手段，病人的诊断准确性得到有效的提升。人工智能对于手术病人的术前准备、术中操作以及术后恢复等方面也有较明显的帮助与提升。此外，人工智能科技在药品生产、医疗管理、医疗教育等方面也发挥了重要作用[19]。通过人工智能技术，医疗服务效率有所提高，医疗成本下降，医疗领域人工智能蓬勃发展[20]。

截至今日，人工智能在医疗卫生领域的应用涉及智能语音电子病历、智能导医问诊、智能病理与智能影像、医疗质量监控、远程医疗、智能药物研发、居家健康管理/慢病管理、疾病风险预控、传染病防控、药物选择等等[21,22]。

3、人工智能技术在多重用药中的应用

各种人工智能和机器学习已被用于减少2种或2种以上药物的重复使用、药物浓度或暴露预测、剂量优化、提高病人依从性、药效学、定量系统药理学、药物相互作用和药物不良反应监测与预测以及联合用药方案的制订等方面[23]。

3.1 人工智能技术在提高病人依从性方面的应用

老年人的用药依从性不断下降，这可能是随着年龄增长，病人在记忆力、听力、视力等各方面存在生理功能的下降和退化[24],从而出现忘服、漏服等影响用药依从性的行为。由此，一些人工智能技术应运而生，使这些问题给医疗系统带来的负担得以缓解。智能药物管理系统实现了家属及医护人员共同监测病人服药的过程，弥补了部分产品监护碎片化的不足，提高了老年病人的用药依从性[25]。用药信息采集及多药物联合分析系统、用药提醒与信息采集原型应用程序在实现用药提醒功能的同时提出了一种安全时间段规划策略，在原型系统中进一步设计并实现了对联合用药信息的采集，从病人的角度提供了用药的监督，从医生与研究工作角度为联合用药分析提供了数据支持[26]。物联网健康管理模式不仅能自动发现并解决病患用药过程中存在的问题，还可以与医生线上交流，使病人用药及时、精准，药物依从性大大增强。杨英等[27]研究发现，物联网健康管理模式使老年病人多重用药发生的情况明显减少。

3.2 人工智能技术在药物相互作用和药物不良反应监测与预测方面的应用

人工智能技术通过实施特定的计算机化决策支持系统和移动应用程序，可以提供关于病人信息的在线访问、处方不当药物的警报、评估伴随疾病的影响、审查潜在的药物-药物相互作用等[28]。一种基于多视图的药物相互作用预测模型，从单个药物和药物对中学习药物的子结构，显著提高了药物相互作用预测的准确性，特别是在预测未见过的药物时表现出色[29]。深度图神经网络自编码器可以用于药物相互作用的预测。类似地，CASTER是一种端到端模型，通过使用从药物SMILES字符串提取的子结构信息来预测药物的相互作用。目前，常用的方法还有运用自上而下研究方法的反馈系统控制技术法，其特点是灵活的药物选择及支持个性化定制，为个体筛选出最合适的药物组合[30]。

人工智能技术可以实现不良反应监测与预测，从而指导临床提前干预，以减少或避免不良反应发生。树状扫描统计量是药品上市后安全性主动监测的一种新方法，能够同时分析大量的药物-事件对，在调整多重检验问题后找出有统计学意义的药物不良反应信号作为下一步进行验证的候选药物-事件对，从而为药物不良反应的监测和预警提供信号依据[31]。另外，值得注意的是，以客观指标筛查为主的全面触发工具已逐渐替代传统的药物不良反应监测方法，成为临床实践中更加可靠的药物不良反应主动监测方法[32]。例如，Hammann等[33]将基于构效关系和决策树算法的机器学习模型用于中枢神经系统、肝脏、肾脏和其他过敏反应4种类型药物不良反应预测。Hatmal等[34]基于新冠疫苗类型、人口统计学和不良反应相关数据，利用XGBoost算法建立了一种可以准确预测新冠疫苗不良反应严重程度的机器学习模型。这些人工智能技术的革新与尝试为药物不良反应的预测和监测提供了有效的经验与模板，并逐渐衍射到更多的多重用药相关领域。

3.3 其他

目前，有一些在线网站创建了一定的算法，支持和促进老年病人在临床治疗中合理使用药物。例如，deprescribing.org是一个在线应用程序，为加拿大有限数量的医学类别提供处方算法，但它只能在合同医院系统内访问。MedStopper是另一个在线应用程序，其信息系统包括比尔斯(Beers)标准和老年人潜在不适当处方筛选工具标准。该应用程序提供了药物制剂的建议、处方解除时可能出现的症状，以及比尔斯标准和老年人潜在不适当处方筛选工具标准中相关药物的剂量建议。虽然此应用程序是合理用药的重要工具，但该程序忽略了病人现有的疾病，不是以病人为中心的方法。

4、现状与展望

近年来，人工智能技术的应用在临床诊断、改善老年病人用药依从性、老年多重用药导致的药物相互作用、药物不良反应的预警方面做出了突出的贡献，极大地减少了多重用药导致的病程延长、药物相关不良事件的发生。人工智能技术在多重用药上的应用是一种经验性的“建模与模拟”方法，可综合考虑疾病进程、药物和病人特征，准确地预测药物疗效，重塑传统疾病诊断、个体化治疗、精确医疗服务和医学研究模式[35]。但是，何种算法的预测性能最佳，目前尚无定论[36]。此外，现有报道的算法仍缺乏严格的临床验证，难以广泛应用。因此，更多的技术设计与实践应当被加速进行，从而为老年人多重用药的精确管理提供更多的便利，促进老年人的健康老龄化。

总之，人工智能技术通过构建模型、实施特定的计算机化决策支持系统和移动应用程序等方式，大大减少了老年多重用药带来的不良事件，使临床用药精细化、精准化，对病人大有裨益。但现有的技术仍需不断验证和改进，以及需要创造更多的新技术，才能更合理地监测与管理老年多重用药病人。

参考文献:

[1]国家卫生健康委老龄健康司.2021年度国家老龄事业发展公报[EB/OL].(2022-10-26)[2022-12-30].

[2]秦华,胡秀琼,高萍,等.老年慢性病出院患者对居家护理服务的需求现状调查及影响因素分析[J].临床医学研究与实践,2023,8(15):1-4.

[8]舒冰,方玉婷,李民,等.老年多重用药患者潜在不适当用药情况及其影响因素研究[J].中国全科医学,2021,24(17):2134-2139,2147.

[9]闫巍,陈雪,丁静.全科医师面对老年共病患者多重用药的应对策略[J].中国全科医学,2020,23(15):1859-1863,1872.

[10]刘杰.门诊老年患者多重用药情况调查及不适当用药影响因素分析[J].中国社区医师,2023,39(17):148-150.

[11]洪珮,沈洪.老年慢性病患者医院-家庭过渡期服药偏差研究进展[J].护理与康复,2022,21(3):75-78.

[20]庹敏,侯梦婷,鲍娟.人工智能在医疗领域的应用现状和思考[J].中国现代医生,2022,60(22):72-75.

[21]沈惠文,林永忠,陈淑良,等.基于人工智能算法的脑卒中溶栓药物精准治疗:真实世界研究[J].中国全科医学,2023,26(17):2070-2077,2088.

[22]许凤锐.人工智能决策系统在乳腺癌治疗应用中的探索性研究[D].北京:中国人民解放军军事科学院,2020.

[24]梁岚.攀枝花市老年慢性病病人合理用药的调查研究[J].循证护理,2020,6(8):802-808.