Prevenção de erros de dispensação de medicamentos na prática farmacêutica com inteligência de máquina interpretável

Atualmente, os farmacêuticos realizam uma verificação dupla independente para identificar erros na seleção de medicamentos antes que eles cheguem ao paciente. No entanto, o uso de inteligência artificial (MI) para apoiar este trabalho de tomada de decisão cognitiva por parte dos farmacêuticos não existe na prática. Em vez disso, os farmacêuticos baseiam-se apenas em imagens de referência do medicamento que podem comparar com o conteúdo do frasco de prescrição. Pesquisas anteriores mostraram que os sistemas de apoio à decisão podem efetivamente melhorar a eficiência e a precisão da prestação de cuidados de saúde, ao mesmo tempo que previnem eventos adversos relacionados a medicamentos. No entanto, pouco se sabe sobre como as tecnologias de IM impactam o desempenho profissional e a demanda cognitiva dos farmacêuticos.

Para facilitar a relação simbiótica a longo prazo entre os farmacêuticos e o sistema de IM, é necessário estabelecer uma confiança adequada. Embora a confiança tenha sido identificada como o factor central para uma equipa homem-máquina eficaz, surgem problemas quando os humanos depositam confiança injustificada em tecnologias automatizadas e não depositam confiança suficiente nelas. O excesso de confiança na automação pode levar à complacência e ao preconceito de automação. Por exemplo, os farmacêuticos podem confiar no sistema MI a ponto de aceitarem cegamente qualquer recomendação do sistema. A falta de confiança pode resultar no desuso do farmacêutico e no potencial abandono do sistema de IM.

Além disso, pouco se sabe sobre o momento do aconselhamento do IM sobre o desempenho profissional dos farmacêuticos. Por exemplo, mostrar o conselho do IM enquanto o farmacêutico realiza a tarefa de verificação da medicação pode produzir resultados diferentes do que mostrar o conselho do IM depois de o farmacêutico ter tomado a sua decisão.

Os investigadores do estudo desenvolveram um sistema MI para classificação de imagens de medicamentos. O objetivo deste estudo é examinar a eficácia do momento do aconselhamento do IM para determinar se isso resulta em menor tempo de tarefa, maior precisão e maior confiança no IM.