ChatGPT-5 vs. CDSS pro lékové interakce na JIP

Hodnocení ChatGPT-5 pro detekci potenciálních lékových interakcí na jednotkách intenzivní péče: Srovnávací analýza s klinickým rozhodovacím podpůrným systémem

Pozadí:

Polyfarmacie je častým problémem na jednotkách intenzivní péče (JIP), kde jsou kriticky nemocní pacienti vystaveni více souběžným lékům. Tato situace výrazně zvyšuje riziko potenciálních lékových interakcí (pDDI), které mohou přispívat k nežádoucím lékovým účinkům, prodlouženým pobytům na JIP a vyšší morbiditě a mortalitě. Zajištění včasné a přesné detekce pDDI je proto klíčovým kamenem bezpečnosti pacientů v kritické péči. Tradiční pravidly řízené klinické rozhodovací podpůrné systémy (CDSS), jako je UpToDate Drug Interaction Checker, poskytují standardizovaná upozornění, ale mohou mít omezení v kontextuální interpretaci a přizpůsobivosti. Nedávno se velké jazykové modely (LLM), jako je ChatGPT-4.0, objevily jako pokročilé nástroje s možnostmi zpracování přirozeného jazyka, potenciálně nabízející nový přístup k bezpečnosti medikace.

Cíl:

Tato studie si klade za cíl porovnat výkonnost ChatGPT-4.0 s UpToDate Drug Interaction Checker při identifikaci, klasifikaci a interpretaci potenciálních lékových interakcí v rámci skutečných medikačních příkazů pacientů na JIP.

Metody:

Retrospektivní soubor dat medikačních příkazů pacientů na JIP bude systematicky analyzován pomocí ChatGPT-4.0 a UpToDate Drug Interaction Checker. Každá potenciální interakce bude hodnocena z hlediska senzitivity, specificity, přesnosti a klinické relevance. Rozdíly mezi oběma systémy budou dokumentovány a hodnoceny nezávislými odborníky na intenzivní péči. Bude provedena statistická analýza pro porovnání míry detekce a kvalitativní hloubky vysvětlení interakcí poskytovaných každým nástrojem.

Očekávané výsledky:

Studie by měla určit, zda ChatGPT-4.0 jako systém založený na umělé inteligenci může zlepšit detekci klinicky významných lékových interakcí ve srovnání s tradičním CDSS. Výsledky mohou přispět k budoucí integraci generativní AI do klinických pracovních postupů na JIP a přispět k bezpečnějším farmakoterapeutickým postupům v kritické péči.

Závěr:

Přímým porovnáním špičkového LLM s široce používaným pravidly řízeným systémem tato studie usiluje o zdůraznění silných a slabých stránek a potenciálních klinických implikací generativní AI v oblasti bezpečnosti léčiv.