जॉन व्हीडरस्पान, यूडब्ल्यू मेडिसिन येथे सिएटलमध्ये नर्स अ‍ॅनस्थेसिस्ट म्हणून कार्यरत आहेत, हे उच्च-दाब ऑपरेशन्स रूमच्या वातावरणात चुका कशा प्रकारे होऊ शकतात हे चांगलेच ओळखतात, विशेषतः आपातकालीन परिस्थितीत जेंव्हा अ‍ॅड्रेनालिन आणि वेग वाढल्यामुळे तातडीने औषध देणे गरजेचे असते. चालू रुग्ण सुरक्षेच्या प्रयत्नांनंतरही, औषधांच्या चुका सामान्य राहतात, ज्या किमान 1 च्या 20 रुग्णांवर परिणाम करतात, आणि फक्त अमेरिकेतच दर दिवशी अंदाजे 1. 3 मिलियन जखमा आणि एक मृत्यू होतो, असे जागतिक आरोग्य संघटनेने सांगितले आहे. औषधांच्या चुका अनेक वेळा चुकीचे औषध देणे किंवा चुकीच्या मात्रा देणे यांमध्ये असतात. रुग्णालयांनी चुका रोखण्यासाठी रंग कोडित लेबले आणि बारकोड स्कॅनर यांसारखे सुरक्षा उपाय राबवले आहेत, तरीही चुका कायम असतात. डॉ. केली मिखाएलसन, यूडब्ल्यू मेडिसिन आणि वॉशिंगटन विद्यापीठ यामध्ये अ‍ॅनस्थेसिओलॉजिस्ट आणि अभियंता आहेत, यांनी सांगितले की 90% अ‍ॅनस्थेसिआलॉजिस्ट कधी ना कधी औषधांच्या चुका मान्य करतात. त्यांना वाटते की AI चांगले मदत करू शकतो, कारण ते एक दुसरे डोळे म्हणून काम करून, खऱ्या वेळेस चुका शोधू शकते, कारण जवळपास 99% औषधांच्या वापरात 10-20 प्रकारची औषधे असतात. तिची लक्ष केंद्रित झाली ती व्हायल स्वॅप चुकांवर, ज्या सुमारे 20% औषधांच्या चुका करणाऱ्या कारणांपैकी एक आहेत, जिथे चुकीचा वस्तू किंवा सिरींज लेबिल वापरल्यामुळे रुग्णांना चुकीचे औषध देण्यात येते. एक दुर्दैवी किस्सा म्हणजे व्हहानडरविलेट युनिव्हर्सिटी मेडिकल सेंटरमध्ये 75 वर्षीय महिलेकडे व्रणावरून सेंद्रीय औषधाऐवजी अडथळ्यांवर लावा लागले आणि त्यात तिची प्राणासह प्राणही गेले. अशा चुका टाळण्यासाठी, मिखाएलसनने AI-आधारित "स्मार्ट आयवियर" तयार केले ज्यामध्ये ऑपरेशन्स दरम्यान वापरल्या जाणाऱ्या सुरक्षात्मक चष्म्यांत एक कॅमेरा बसवला आहे. हे सिस्टीम व्हायल आणि सिरींजच्या लेबली स्कॅन करते, वाचते आणि तुलना करते, आणि चुकीचे लेबेल असल्यास चिकित्सकांना सूचित करते. या AI सिस्टीमची निर्माण आणि प्रशिक्षण तीन वर्षांहून जास्त कालावधीत झाले, ज्यामध्ये औषध तयार करण्याचे पूर्वनिर्धारित व्हिडिओ आणि चुका शोधण्याच्या विविध परिस्थितींचे सिम्युलेशन करणे यासाठी परवानगी घेण्यात आली, कारण नैतिक कारणांमुळे खऱ्या रूग्णांवर चुका करणे प्रतिबंधित आहे. या AI ने 99. 6% अचूकतेने व्हायल स्वॅप चुकांची ओळख केली.

पुढील टप्प्यात, ध्वनीसूचक चेतावणी कशी दिली जावी या बाबीचा विचार केला जात आहे, FDA च्या मंजुरीची प्रतीक्षा असून, यासाठी सर्वांनी टाकलेले सध्याचे धोरण आहे. या अध्ययनाला स्वतंत्र निधी मिळाला. वेडरस्पान, ज्यांनी हा उपकरण तपासले आहे, त्यांना त्याच्या रुग्ण सुरक्षेवर होणाऱ्या प्रभावाबद्दल आशावादी आहेत, मात्र सध्या गोपरो-स्लाईड हेडसेट जड आहे, त्यासाठी त्याचा आकार लहान करणे अधिक प्रचलित होईल असे ते म्हणतात. रुग्ण सुरक्षा तज्ञ जसे की UCLA हेल्थचे डॉ. डॅन कोल आणि मेलीसा शेल्डरिक, ज्यांनी आपल्या मुलाच्या मृत्यूसाठी औषध चुकांमुळे सामना केला आहे, त्यांच्या मदतीसाठी AI चांगला उपाय असू शकतो असे मानतात, पण त्यांचं म्हणणं आहे की, तंत्रज्ञान केवळ सर्व चुका टाळू शकत नाही. शेल्डरिक म्हणतात की चुका अनेक घटकांमुळे होतात जसे की खराब संपर्क व व्यवस्थापन, आणि तंत्रज्ञानाला एक सहाय्यक स्तर मानला पाहिजे, फेल असलेली पद्धत म्हणून नाही. विशेषज्ञांसह असेही म्हणतात की, पारंपरिक उपाय जसे सावधगिरी वाढवणे किंवा चाचण्या करणे, त्या आधीच व्यापलेल्या डॉक्टरांसाठी अधिक मानसिक बोजा उचलतात आणि त्यांची परिणामकारकता कमी असते. बोस्टन युनिव्हर्सिटीचे डॉ. निकोलास कोरडेला म्हणतात की, AI-आधारित कॅमेरे फक्त निरीक्षण करतात आणि कामावर जास्त भार टाकत नाहीत. ते म्हणतात की, हे तापदी आपत्ती आणि आपत्कालीन विभागांमध्ये सुरक्षितता सुधारू शकतात. आगामी भविष्यात, मिखाएलसन AI च्या क्षमतेचा विस्तार करायला इच्छुक आहेत, ज्यात सिरींजमध्ये औषधांची मात्रा मोजली जाईल, विशेषतः बालरुग्णांमध्ये जिथे वस्तूंचे आकार खूप वेगळे असतात आणि औषध जुस देणे गरजेचे असते. वريدरस्पानही या तंत्रज्ञानाला आपत्कालीन रुग्णालयांमध्ये जसे की औषध देण्याच्या प्रक्रियेतील मदतीसाठी रूपांतरित करण्याची कल्पना करतात, जिथे अनेक औषध एकाच रुग्णाला दिले जातात. परंतु, स्ट्रॉंग AI चे रुग्णालयांमध्ये व्यापक वापर केल्याने गोपनीयता व डेटा सुरक्षा या प्रश्नांना सामोरे जावे लागेल, विशेषतः त्या उपकरणांमुळे जे रुग्णांच्या चेहऱ्याचा किंवा संवेदनशील माहितीचा अंमल घेऊ शकतात. मिखाएलसन यांनी कबूल केलं की, त्यांचे सिस्टीम फक्त सिरींज लेबले स्कॅन करतात आणि वैयक्तिक डेटा संग्रहित करत नाहीत. कोरडेला हे देखील सांगतात की, गोपनीयता धोके टाळण्यासाठी स्पष्ट मानके, पारदर्शकता आणि देखरेख गरजेची आहे; तसेच, डॉक्टरांनी AI वर पूर्णपणे अवलंबून राहू नये, कारण यामुळे सतर्कता कमी होऊ शकते आणि पारंपरिक सुरक्षेच्या तपासण्यांमध्ये लक्षणीय वाधा येऊ शकते. सामान्यतः, AI-आधारित वियरबल तंत्रज्ञानाच्या मदतीने औषध चुकांना कमी करण्याची शक्यता मोठी आहे, ज्यामुळे सुरक्षिततेच्या आधीच्या उपायांना पूरक होत आहे आणि डॉक्टरांना रुग्ण परिणाम सुधारण्यात मदत करत आहे, पण त्यासोबतच नैतिक, व्यवहारिक, आणि गोपनीयता संज्ञेय बाबींचा योग्य विचार करणे आवश्यक आहे.