Ο Τζον Βίντερσπαν, νοσηλευτής αναισθησιολόγος στη UW Medicine στο Σιάτλ, γνωρίζει καλά πώς μπορεί να προκύψουν λάθη στο περιβάλλον των χειρουργείων υπό υψηλή πίεση, ιδίως σε έκτακτες καταστάσεις όπου η αδρεναλίνη και η επείγουσα ανάγκη οδηγούν σε βιαστική χορήγηση φαρμάκων έκτακτης ανάγκης. Παρ’ όλες τις συνεχείς προσπάθειες για την ασφάλεια των ασθενών, τα λάθη στη χορήγησή τους παραμένουν συχνά, επηρεάζοντας τουλάχιστον 1 στους 20 ασθενείς, με περίπου 1, 3 εκατομμύρια τραυματισμούς και μία θάνατο ημερησίως στις ΗΠΑ μόνο, σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας. Τα λάθη στα φάρμακα συνήθως περιλαμβάνουν την χορήγηση λάθους φαρμάκου ή λανθασμένων δόσεων. Τα νοσοκομεία έχουν υιοθετήσει μέτρα ασφαλείας, όπως κωδικοποιημένες ετικέτες και σαρωτές γραμμωτού κώδικα, για την αποτροπή σφαλμάτων, όμως αυτά εξακολουθούν να συμβαίνουν. Η Δρ. Κέλλυ Μικάλσεν, αναισθησιολόγος και μηχανικός στη UW Medicine και το Πανεπιστήμιο της Ουάσιγκτον, σημείωσε ότι το 90% των αναισθησιολόγων αναγνωρίζουν ότι έχουν κάνει λάθη στη χορήγηση φαρμάκων σε κάποιο σημείο της καριέρας τους. Είδε ότι η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει λειτουργώντας ως δεύτερο μάτι για την ανίχνευση λαθών σε πραγματικό χρόνο, δεδομένου ότι περίπου το 99% των χρησιμοποιούμενων φαρμάκων ανήκουν σε μια περιορισμένη ομάδα 10-20 φαρμάκων. Η εστίαση της ήταν στα λάθη ανταλλαγής φιαλιδίων, που ευθύνονται για περίπου το 20% των λαθών στα φάρμακα, τα οποία συμβαίνουν όταν η λανθασμένη ετικέτα φιαλιδίου ή σύριγγας οδηγεί τους ασθενείς να λάβουν λάθος φάρμακο. Ένα τραγικό παράδειγμα είναι ο θάνατος μιας 75χρονης γυναίκας στο Vanderbilt University Medical Center, που έλαβε ένα μυοχαλαρωτικό αντί για κατασταλτικό. Για την πρόληψη τέτοιων λαθών, η Μικάλσεν ανέπτυξε “έξυπνα γυαλιά” εξοπλισμένα με κάμερα, που ενσωματώθηκαν σε προστατευτικά γυαλιά που φορούνται κατά τη διάρκεια των επεμβάσεων. Αυτό το σύστημα σκανάρει, διαβάζει και συγκρίνει τις ετικέτες στα φιαλίδια και τις σύριγγες, προειδοποιώντας τους ιατρούς αν ανιχνευθούν ασυμφωνίες. Η κατασκευή και η εκπαίδευση της τεχνητής νοημοσύνης διήρκεσαν πάνω από τρία χρόνια, συμπεριλαμβανομένων των αδειοδοτήσεων για τη χρήση prerecorded βίντεο από την προετοιμασία φαρμάκων και την προσομοίωση σεναρίων λαθών για την εκπαίδευση, λόγω των ηθικών περιορισμών που απαγορεύουν την πρόκληση λαθών σε πραγματικούς ασθενείς.

Η τεχνητή νοημοσύνη έδειξε ακρίβεια 99, 6% στην ανίχνευση λαθών ανταλλαγής φιαλιδίων. Τα επόμενα βήματα περιλαμβάνουν τον καθορισμό του τρόπου καλύτερης παροχής προειδοποιήσεων, με τις ακουστικές ειδοποιήσεις να προτιμώνται, εν αναμονή της έγκρισης από τον FDA. Η μελέτη χρηματοδοτήθηκε ανεξάρτητα. Ο Βίντερσπαν, που έχει δοκιμάσει τη συσκευή, είναι αισιόδοξος για τις δυνατότητές της να βελτιώσει την ασφάλεια των ασθενών, αλλά σημειώνει ότι η τρέχουσα συσκευή τύπου GoPro είναι ογκώδης, και μια πιο μικρή μορφή θα αύξανε την αποδοχή. Οπως και ο Δρ. Νίκολας Κόρντελα από το Πανεπιστήμιο της Βοστώνης, προβάλλει ότι οι παραδοσιακές παρεμβάσεις που βασίζονται σε αυξημένη επαγρύπνηση ή σε λίστες ελέγχου συχνά αυξάνουν το γνωστικό φόρτο των ήδη καταπονημένων ιατρών και έχουν περιορισμένη αποτελεσματικότητα. Ο Δρ. Νικόλαος Κόρντελα επισημαίνει ότι οι κάμερες με τεχνητή νοημοσύνη παρέχουν παθητική παρακολούθηση χωρίς να αυξάνουν τον φόρτο εργασίας των ιατρών, κάτι που μπορεί να βελτιώσει την ασφάλεια σε πολυάσχολα περιβάλλοντα, όπως τα χειρουργεία και οι εξωτερικές μονάδες. Μελλοντικά, η Μικάλσεν στοχεύει στην επέκταση των δυνατοτήτων της τεχνητής νοημοσύνης ώστε να μετράει τον όγκο των φαρμάκων στις σύριγγες, αποτρέποντας λάθη δόσεων, κάτι πολύ σημαντικό στα παιδιά, όπου οι διακυμάνσεις στο μέγεθος των ασθενών και η διαίρεση των φαρμάκων είναι συχνές. Ο Βίντερσπαν οραματίζεται επίσης την προσαρμογή της τεχνολογίας για χρήση στα επείγοντα και στους ορόφους των νοσοκομείων, για τη βοήθεια στη διαχείριση των ηλεκτρονικών φαρμάκων που χορηγούνται orally, που περιλαμβάνει την διαχείριση πολλών φαρμάκων ανά ασθενή. Ωστόσο, η ευρύτερη εφαρμογή της τεχνητής νοημοσύνης στα νοσοκομεία εγείρει σημαντικά ζητήματα ιδιωτικότητας και ασφάλειας δεδομένων, ιδιαίτερα με τις συσκευές που θα μπορούσαν να καταγράψουν τα πρόσωπα των ασθενών ή ευαίσθητες πληροφορίες. Η Μικάλσεν διαβεβαιώνει ότι το σύστημά τους σκανάρει μόνο τις ετικέτες των σύριγγων και δεν αποθηκεύει προσωπικά δεδομένα. Ο Κόρντελα τονίζει την ανάγκη για σαφείς κανόνες, διαφάνεια και επιτήρηση, ώστε να αντιμετωπιστούν οι κίνδυνοι ιδιωτικότητας και να αποτραπεί η υπερεξάρτηση των ιατρών από την τεχνητή νοημοσύνη, κάτι που θα μπορούσε να μειώσει την επαγρύπνηση και την παραδοσιακή έλεγχο ασφάλειας. Συνολικά, η τεχνολογία φορετής τεχνητής νοημοσύνης δείχνει υποσχόμενη δυνατότητα να μειώσει τα λάθη στα φάρμακα σε πολύπλοκα κλινικά περιβάλλοντα, συμπληρώνοντας τα υπάρχοντα μέτρα ασφαλείας και βοηθώντας τους επαγγελματίες υγείας στη βελτίωση των αποτελεσμάτων για τους ασθενείς, ενώ ταυτόχρονα υπογραμμίζει τη σημασία ηθικών, πρακτικών και απορρητού δικαίων.