人工智能技术在临床药学中的应用

【摘要】目的：分析人工智能技术在临床药学工作的应用效果。方法：研究选取2025年1月-2025年8月符合本研究的患者作为调查对象，将100例患者随机分两组，对照组采取常规处方点评和药学管理，观察组采取人工智能技术处方点评及药学管理，比较两组处方合格率、药学管理质量、患者用药后不良反应发生率。结果：察组处方合格率高于对照组（p<0.05）；观察组患者药学管理质量评分高于对照组（p<0.05）；观察组不良反应低于对照组（p<0.05）。结论：在临床药学服务中，人工智能技术大幅提升药学管理质量及处方合格率，并降低患者用药不良反应风险。

【关键词】人工智能技术；药学；处方点评；药物管理

临床药学作为以患者为中心的学科，目的是研究药物的合理应用，融合药学及临床医学相关知识，提升给药安全性及合理性，缩减药物不良反应风险，并提升药学服务质量，确保患者的就诊安全[1]。在现代医疗体系内，药学服务发挥至关重要作用，合理用药不仅能治疗疾病，也可规避药物滥用的情况。过往药学服务体系中，以药师主观及经验为主，但随着医疗数据海量增长，药师需处理及分析的数据量大幅增高，对药师工作效率提出全新的要求。临床药学涉及复杂的药物作用及药物剂量、患者个体差异等问题，传统人工药学管理模式依旧面对巨大的挑战[2]。人工智能技术兴起，为临床药学提供新机遇，该技术具有强大数据处理能力，可集合海量医疗数据，挖掘用药规律，为处方点评和药学管理等提供决策，并自动化预警，及时发现潜在用药风险[3]。为此，本研究将临床用药治疗患者作为研究对象，分析人工智能技术的应用价值。

1.资料与方法

1.1一般资料

研究选取2025年1月-2025年8月符合本研究的患者作为调查对象，将100例患者随机分两组，每组各有50例。对照组：男28例、女22例，年龄21-59岁，平均（41.23±4.32）岁，呼吸内科18例、消化内科13例、心内科14例、神经内科5例；观察组：男26例、女24例，年龄20-58岁，平均（41.15±4.23）岁，呼吸内科16例、消化内科14例、心内科12例、神经内科8例；两组患者一般资料对比无统计学意义（p>0.05）。

纳入标准：①患者均符合用药治疗要求；②临床资料健全；③患者同意临床疗法。

排除标准：①无法依从药物治疗；②自主退出研究；③精神疾病。

1.2方法

对照组：采取常规处方点评和药学管理，医生根据患者病情为其开具药物，药师受到处方后，根据个人经验和常规审方流程，为其开具药物。等待患者取药时，向患者说明药物具体使用方法和注意事项。

观察组：为患者采取人工智能技术处方点评机药学管理，将人工智能与药师结合，发挥技术的辅助功能。①搭建前置处方审核系统：引进前置审方系统，在审方药师工作站及医生工作站内加入用药前置实施审核功能。药师结合本院实际情况及患者用药特点，设置用药标识库，重点是高危药物管理和适宜性确诊、修改与分级，建立精细化用药规则。系统用药规则包括适应症用药和重复用药、配伍禁忌、相互作用规则等，系统警示含有一般警示、严重警示和必要拦截，软件工程师实现系统数据对接，并对医生和药师进行培训。②药学管理小组：建立药学管理小组的目的是针对出现警示的审方，药学小组共同分析问题，及时与医生在线沟通，说明问题所在，经商讨后调整处方。专科医生负责合理用药规范和循证依据分析，药师负责审方及查询问题，以小组为单位及时发现处方问题，并提升药学管理的质量。③审核流程：医生开具并提交处方后，系统经过药学知识库、智能审核系统，快速对方剂进行审核，审核过程中囊括患者资料，如体征、诊断结果、既往史和过敏史、基础性疾病，经综合审核后将处方发送给药师，并提出系统警示。若合理处方进入收费环节，不合理处方药师看到弹窗后，结合患者资料及处方内容进一步分析，将问题返回给医生。经修改后，再次提交审核，药师认为处方合理，无需调整则进入收费环节。医生修改处方需要向药师发起签字请求，经过双方签字，方可进入收费环节，而药师不同意、不签字，则必须修改。实施两审两拦截流程。③审方规则：审方系统内处方审核结果与处方及知识库合理用药规则对应，在临床给药期间，合理处方会源源不断进入知识库，不符合处方也是如此，便于系统辨识处方。持续完善处方审核系统是提升审方质量的基础，专科药师负责收集处方，维护系统规则，减少假阳性等处方的出现。④药学服务：等待患者取药时，药师通过专业知识，为患者提供正确的用药指导，并指导患者学会观看药物说明书及防伪码等。告知患者出现不良反应需及时咨询医生，或者在登录医院服务号，进入其中药学咨询系统反馈，为其提供后续用药指导。记录患者相关用药信息，如药物治疗方案、药师咨询记录，病情变化和用药指导等。

1.3观察指标

①处方合格率：统计处方中的重复用药、配伍禁忌、相互作用等不合格处方，排除不合格处方，计算合格处方。

②药学管理质量：包括药物搭配、药学指导、随访管理、用药咨询，每个项目20分，共计80分，通过不记名调查，患者通过电子问卷填写，分值高代表药学管理质量高。

③患者用药后不良反应发生率：对患者随访期间，询问患者是否发生不良反应，包括低血压、心律不齐、恶心呕吐、皮疹、头晕。

1.4统计学分析

研究使用SPSS27.0软件对数据进行统计学分析，符合正态分布计量资料通过表示，t值检验，计数资料以n，%表示，卡方检验，p<0.05为差异有统计学意义。

2.结果

2.1两组患者处方合格率对比

观察组处方合格率高于对照组（p<0.05），见表1。

表1两组患者处方合格率对比（n，%）

2.2两组患者药学管理质量评分

观察组患者药学管理质量评分高于对照组（p<0.05），见表2。

表2两组患者药学管理质量评分（，分）

2.3两组患者不良反应对比

观察组不良反应低于对照组（p<0.05），见表3。

表3两组患者不良反应对比（n，%）

3.讨论

人工智能是计算机系统中具有数据学习能力的技术，该技术对经济和社会发展产生巨大的影响。人工智能技术在语言识别和智能终端、移动商务等方面广泛应用，为各个行业带来发展机遇，自医疗卫生领域看，人工智能技术为临床诊断和治疗、预防等提供有效工具，与传统数据分析对比，人工智能技术效率更高，性能较好，为药学发展提供新依据[4]。

有研究中指出[5]，在药学领域中，人工智能技术可提升临床药学服务质量。建立药物数据库和人工智能聊天机器人，回答用药问题较为完整及准确、安全。药学数据回答与临床药师回答基本无显著差异。ChatGPT在提升药学服务质量上也具有显著的效果，与医生相比，ChatGPT回答问题质量更高，共情能力较强。基于GPT架构建立电子健康记录微调可开发用药预测模型，对复杂疾病患者搭建合理用药方案。在辅助用药方面，建立良好的药物体系是关键，其目的是缩减辅助用药偏差，确保用药安全性及连续性，从而大量节约医疗成本。人工智能在药物重整中具有显著的效果，基于人工智能决策搭建开发软件，使患者自助对药物进行核对，与医生搭建共建注释清单，从而准确了解药物使用情况，减轻临床医生的工作负担[6]。

传统药物治疗方案制定以人工为主，人工智能技术为制定更加精准及个体化药物方案提供新思路。经分析患者特征、病情、基因等数据，预测患者对特定药物反应，制定更加精准的用药方案，从而提升疾病治疗效果，预防不良反应。人工智能技术与生物信息学充分结合，寻找基因序列内的抗药突变，为患者提供药物组合，制定有效的治疗策略，降低患者耐药性风险[7]。本研究中，实施人工智能技术审方和药学管理后，观察组患者的药学管理质量高，且处方点评后的合格率高，观察组不良反应发生率低。在药学机构中，常见处方审核效率低、容易出错等问题，无法满足现代医疗服务体系。人工智能识别处方内药物作用及剂量错误，给予患者对应的提示和建议。引入处方审核系统，从而精准预警。大数据及人工智能技术所研发的处方审核系统，可实现对处方的语义识别、数据纠错、早期预警和全自动审核，药师适当复核[8]。此人机结合模式可提升审方准确率，为处方前置审核提供支持。

伴随我国进入人口老龄化阶段，老年患者多伴随基础性疾病，多药治疗较为普遍。在药物相互作用问题屡见不鲜。比如，心血管疾病患者中，其合并恶性肿瘤，使用抗肿瘤药物和降压药物期间，容易增加药物对人体毒性反应，并引起严重血管性水肿。药物及食物、补充剂之间搭配后，也容易发生不反应。而实施人工智能技术辅助分析，可预测药物相互作用后的不良反应，从而为安全用药提供支持。有研究中指出，个体化治疗是药学服务的核心观念，基于个体特点调整给药方案，提升药物效果同时，可缩减药物不良反应，在适合时间范围内提供最佳的治疗方案。基因监测和治疗药物监测打破传统监测模式，为患者个体化用药提供支持[9]。而药物不良反应则是在正常剂量和适应症下用药，患者出现与治疗目的无关的有害反应。在临床实践中，因不良反应不完整，无法及时获得信息，会发生少报和误报等情况。人工智能技术将大数据为基础，对数据库中的电子病历，实现对药物不良反应智能筛查，对海量数据挖掘，并发现潜在不良反应，降低药物风险，促进患者合理用药[10]。但人工智能技术在临床药学领域应用处于起步阶段，在药学领域应用依旧存在研发空间，需要大量高质量数据进行训练和学习，而医疗数据可能存在复杂及不完整的情况，影响模型构建的准确性，导致人工智能技术在支持和决策上无法有效应用专业知识，医疗数据涉及患者隐私，需解决隐私问题，未来融合更多高质量药学数据，为人工智能技术的应用效果提供支持。

综上所述，针对临床药学服务中，实施人工智能技术将有效提升药学管理质量，降低不良反应风险及提升处方合格率。

参考文献

[1]周展,曹戟,周斌彬,等. 人工智能赋能药学教育改革的探索与实践 [J]. 药学教育, 2025, 41 (04): 1-6.

[2]蒋晓娟. 人工智能时代高职院校药学服务人才培养的思考与探索 [J]. 时代青年, 2025, (20): 93-95.

[3]许龙. 人工智能赋能执业药师开展药学服务的探讨 [J]. 中国药业, 2025, 34 (10): 11-15.

[4]李旭,孙爱峰. 人工智能技术在药学领域的应用与发展 [J]. 中国卫生产业, 2025, 22 (09): 139-141.

[5]崔立有. 人工智能背景下临床药学教育改革策略 [J]. 药学教育, 2025, 41 (02): 48-52.

[6]吴青,冯越,孔粼. 基于“互联网+人工智能”的智慧临床药学服务模式探索——以儿童癫痫病为例 [J]. 卫生软科学, 2025, 39 (02): 58-62.

[7]刘文辉,王可欣,肖轶雯,等. 基于人工智能+多元化教学法在肿瘤药学培训中的应用 [J]. 中南药学, 2024, 22 (09): 2526-2529.

[8]李靖阳,于慧敏,肖坚. 人工智能工具ChatGPT在临床药学教育中的应用 [J]. 药学教育, 2024, 40 (02): 40-43.

[9]高剑. 互联网平台与人工智能技术对药学教育的影响与应对策略 [J]. 成都中医药大学学报(教育科学版), 2023, 25 (03): 26-28+68.

[10]黄永亮,吴萍,杨婷,等. 中药智慧药学服务的实践与技术分析 [J]. 医药导报, 2024, 43 (01): 59-63.