Pharmazeutik

ChatGPT ist vielversprechend im Polypharmazie-Management

Die Zukunft der Medizin: Wie ChatGPT das Polypharmazie-Management revolutioniert.

Polypharmazie, also die gleichzeitige Einnahme von fünf oder mehr Medikamenten, kommt bei älteren Erwachsenen häufig vor und erhöht das Risiko unerwünschter Arzneimittelwechselwirkungen. Obwohl die Abschaffung unnötiger Medikamente diesem Risiko entgegenwirken kann, kann der Entscheidungsprozess komplex und zeitaufwändig sein. Es besteht zunehmend Bedarf an effektiven Tools für das Polypharmazie-Management, die Personalmangel bei Hausärzten unterstützen können.

In einer neuen Studie fanden Forscher des Mass General Brigham MESH Incubator heraus, dass ChatGPT, ein Chatbot mit generativer künstlicher Intelligenz (KI), ein vielversprechendes Werkzeug zur Verwaltung von Polypharmazie und Verschreibungen darstellt. Diese Ergebnisse wurden am 18. April in der veröffentlicht Zeitschrift für medizinische Systemedemonstrieren den ersten Anwendungsfall von KI-Modellen im Medizinmanagement.

Um seinen Nutzen zu bewerten, stellten die Forscher ChatGPT verschiedene klinische Szenarien zur Verfügung und stellten ihm eine Reihe von Entscheidungsfragen. In jedem Szenario nahm derselbe ältere Patient eine Mischung von Medikamenten ein, beinhaltete jedoch Unterschiede in der Vorgeschichte von Herz-Kreislauf-Erkrankungen (CVD) und dem Grad der Beeinträchtigung bei Aktivitäten des täglichen Lebens (ADL).

Auf Ja- oder Nein-Fragen zur Reduzierung verschriebener Medikamente empfahl ChatGPT durchweg, Patienten ohne kardiovaskuläre Erkrankungen in der Vorgeschichte von der Verschreibung von Medikamenten abzusehen. Bei der Einführung einer überlagernden Herz-Kreislauf-Erkrankung war man jedoch vorsichtiger und behielt mit größerer Wahrscheinlichkeit das Medikationsschema des Patienten bei. In beiden Fällen stellten die Forscher fest, dass der Schweregrad der ADL-Beeinträchtigung die Entscheidungsergebnisse offenbar nicht beeinflusste.

Das Team stellte außerdem fest, dass ChatGPT dazu neigte, Schmerzen zu vernachlässigen und die Verschreibung von Schmerzmitteln gegenüber anderen Arzneimittelarten wie Statinen oder blutdrucksenkenden Mitteln vorzog. Darüber hinaus variierten die Antworten von ChatGPT, wenn in neuen Chat-Sitzungen das gleiche Szenario präsentiert wurde –; Die Autoren gehen davon aus, dass dies auf die Inkonsistenz der häufig berichteten klinischen Tendenzen zur Verschreibung von Medikamenten zurückzuführen sein könnte, anhand derer das Modell trainiert wurde.

Mehr als 40 Prozent der älteren Erwachsenen erfüllen die Kriterien für Polypharmazie. Die Zahl der Senioren, die Medicare beziehen, hat in den letzten Jahren mehr Spezialisten in ihren Pflegeteams aufgesucht, so dass die Hausärzte die Medikamentenverwaltung überwachen müssen. Den Forschern zufolge könnte ein wirksames KI-Tool diese Praxis unterstützen.

Unsere Studie liefert den ersten Anwendungsfall von ChatGPT als klinisches Unterstützungstool für das Medikamentenmanagement. Während bei der Erhöhung der Genauigkeit solcher Modelle Vorsicht geboten ist, könnte ein KI-gestütztes Polypharmaziemanagement dazu beitragen, die zunehmende Belastung für Allgemeinmediziner zu verringern. Weitere Forschung mit speziell trainierten KI-Tools könnte die Versorgung älterer Patienten deutlich verbessern.“

Marc Succi, MD, Leitender korrespondierender Autor, Assoziierter Lehrstuhl für Innovation und Kommerzialisierung bei Mass General Brigham Radiology und Geschäftsführer des MESH-Inkubators

Arya Rao, Hauptautorin, MESH-Forscherin und Harvard-Medizinstudentin, fügte hinzu: „Unsere Ergebnisse legen nahe, dass KI-basierte Tools eine wichtige Rolle bei der Gewährleistung sicherer Medikationspraktiken für ältere Erwachsene spielen können; wir müssen diese Tools unbedingt weiter verfeinern, um dies zu berücksichtigen.“ die Komplexität medizinischer Entscheidungen.


Quellen:

Journal reference:

Rao, A., et al. (2024) Proactive Polypharmacy Management Using Large Language Models: Opportunities to Enhance Geriatric Care. Journal of Medical Systems. doi.org/10.1007/s10916-024-02058-y.

Ähnliche Artikel

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert