Si John Wiederspan, isang nurse anesthetist sa UW Medicine sa Seattle, ay lubos na aware kung paano nangyayari ang mga pagkakamali sa mataas ang presyon na kapaligiran ng operating room, lalo na sa panahon ng mga emerhensiya kung kailan ang adrenaline at urgency ay nagtutulak sa mabilis na pagbibigay ng mga emergency na gamot. Sa kabila ng patuloy na pagsusumikap na mapanatili ang kaligtasan ng pasyente, nananatiling karaniwan ang mga pagkakamali sa gamot, na naaapektuhan ang hindi bababa sa 1 sa 20 pasyente, na nagreresulta sa humigit-kumulang 1. 3 milyon na sugat at isang pagkamatay araw-araw sa US lamang, ayon sa World Health Organization. Kadalasan, ang mga pagkakamali sa gamot ay ang pagbibigay ng maling gamot o maling dosis. Nagpatupad ang mga ospital ng mga panseguridad tulad ng color-coded na label at barcode scanner upang maiwasan ang mga kamalian, ngunit nananatili pa rin ang mga ito. Napansin ni Dr. Kelly Michaelsen, isang anesthesiologist at engineer sa UW Medicine at University of Washington, na 90% ng mga anesthesiologist ay aminin na nagkaroon sila ng mga pagkakamali sa gamot sa isang punto ng kanilang karera. Inisip niya na maaaring makatulong ang AI bilang isang ikalawang mata upang makakita ng mga pagkakamali sa real time, dahil tungkol sa 99% ng mga gamot na ginagamit ay kabilang sa isang limitadong set na 10-20 na gamot. Ang kanyang pokus ay nasa mga error sa vial swap, na responsable sa humigit-kumulang 20% ng mga pagkakamali sa gamot, na nangyayari kapag ang maling label ng vial o syringe ang nagdudulot sa pasyente na mabigyan ng maling gamot. Isang malungkot na halimbawa ay ang pagkamatay ng isang 75-anyos na babae sa Vanderbilt University Medical Center dahil sa pagtanggap ng paralyzing na gamot sa halip na sedative. Upang maiwasan ang ganoong mga pagkakamali, gumawa si Michaelsen ng isang AI-powered na “smart eyewear” na integrated sa isang camera dentro ng proteksiyon na salamin na isinusuot tuwing operasyon. Ang sistemang ito ay nag-scan, nagbasa, at nagtutugma ng mga label sa mga vial at syringe, na nagbababala sa mga clinician kapag may kamalian. Ang paggawa at pagsasanay ng AI ay umabot ng mahigit tatlong taon, kabilang ang pagkuha ng mga pahintulot para sa paggamit ng prerecorded na video ng paghahanda ng gamot at mga simulated error scenario para sa pagsasanay, dahil sa mga etikal na restriksyon laban sa sinadyang paggawa ng mga mali sa totoong pasyente. Ipinakita ng AI ang 99. 6% na katumpakan sa pagtuklas ng mga vial swap na error.

Ang susunod na hakbang ay ang pagtukoy kung paano pinakamahusay na magbibigay ng babala, na mas pinapaboran ang auditory alerts, habang hinihintay ang clearance mula sa FDA. Ang pag-aaral ay pinondohan nang independyente. Si Wiederspan, na nasubukan na ang device, ay optimistiko sa potensyal nito na mapabuti ang kaligtasan ng pasyente ngunit napansin na ang kasalukuyang GoPro-style headset ay magulo, kaya't mas makabubuting magkaroon ng mas maliit na disenyo upang makahikayat ng mas malawak na pagtanggap. Suportado ang mga tagapagtaguyod ng kaligtasan ng pasyente tulad ni Dr. Dan Cole ng UCLA Health at Melissa Sheldrick, na nawalay ng kanyang anak dahil sa isang pagkakamali sa gamot, sa pangako ng AI habang nag-iingat na hindi maaaring mapigilan lahat ng pagkakamali ng teknolohiya lamang. Binibigyang-diin ni Sheldrick na ang mga pagkakamali ay kadalasang nagmumula sa maraming salik tulad ng mababang komunikasyon at pira-pirasong sistema sa ospital, at dapat tingnan ang teknolohiya bilang isang suportang layer sa halip na isang fail-safe na solusyon. Binibigyang-diin ng mga eksperto na ang mga tradisyong interbensyon tulad ng pagtaas ng alertness o checklists ay kadalasang nagdadagdag ng kognitibong pasanin sa mga clinician na matagal nang napupuno, at limitado ang bisa nito. Sinabi ni Dr. Nicholas Cordella mula sa Boston University na ang mga AI-enabled na camera ay nagbibigay ng passibong monitoring nang hindi nadadagdagan ang trabaho ng mga clinician, na maaaring magpabuti sa kaligtasan sa mga hektikong kapaligiran tulad ng operating room at emergency room. Sa hinaharap, nais ni Michaelsen na palawakin ang kakayahan ng AI upang masukat ang volume ng gamot sa mga syringe upang maiwasan ang mga error sa dosis, lalo na sa pediatrics kung saan malaki ang pagkakaiba-iba ng laki ng pasyente at karaniwang ginagamit ang pagpapalabnaw ng gamot. Inaasahan din ni Wiederspan na maiaangkop ang teknolohiya para magamit sa mga emergency room at hospital floor upang makatulong sa oral medication dispensing, na nangangailangan ng pamamahala sa maraming gamot bawat pasyente. Gayunpaman, ang mas malawak na pagpapatupad ng AI sa mga ospital ay nagbubunga ng mahahalagang isyu tungkol sa privacy at seguridad ng datos, lalo na sa mga device na maaaring makuha ang mukha ng pasyente o sensitibong impormasyon. Tinitiyak ni Michaelsen na ang kanilang sistema ay tanging nag-scan ng mga label ng syringe at hindi nag-iimbak ng personal na datos. Binibigyang-diin ni Cordella ang pangangailangan ng malinaw na mga pamantayan, transparency, at monitoring upang matugunan ang mga panganib sa privacy at magbala-wala laban sa labis na pag-asa sa AI, na maaaring magdulot ng pagbawas sa alertness at pagpapabaya sa mga tradisyong safety checks. Sa kabuuan, ang AI-powered wearable technology ay nagpapakita ng promising na potensyal na mabawasan ang mga pagkakamali sa gamot sa mga kumplikadong setting klinikal, na kumukumpleto sa umiiral na mga hakbang sa kaligtasan at tumutulong sa mga tagapagbigay ng pangangalagang pangkalusugan na mapabuti ang resulta ng pasyente habang binibigyang-diin ang kahalagahan ng etikal, praktikal, at privacy na mga konsiderasyon.