Improving Rural Medication Safety with AI: A Scoping Review

In ziekenhuizen en klinieken over de hele wereld schuilt een stille maar hardnekkige dreiging in de routinematige handeling van het toedienen van medicatie. Een medicatiefout treedt op wanneer een vermijdbare fout leidt tot het verkeerde medicijn, de verkeerde dosis of het verkeerde tijdstip, wat potentieel schadelijk kan zijn voor een patiënt. Deze fouten kunnen op elk punt in de reis van een pil of injectie gebeuren: wanneer een arts de opdracht schrijft, wanneer een apotheker het bereidt, wanneer een verpleegkundige het toedient, of zelfs nadat het is toegediend. Hoewel deze fouten overal voorkomen, vormen ze een bijzonder grote uitdaging in landelijke gebieden. In afgelegen gemeenschappen werken zorginstellingen vaak met minder personeel, oudere apparatuur en beperkte toegang tot specialisten, waardoor de marge voor menselijke fouten smaller is en de gevolgen ernstiger.

Om dit aan te pakken, wenden wetenschappers en artsen zich tot een krachtig hulpmiddel dat bekend staat als kunstmatige intelligentie. In eenvoudige termen is dit een type computercapaciteit die is ontworpen om te leren van gegevens en patronen te herkennen, vergelijkbaar met een menselijk brein, maar in staat om in seconden enorme hoeveelheden informatie te verwerken. Door deze digitale tools toe te passen op het complexe proces van medicatiebeheer, hopen onderzoekers een vangnet te creëren dat fouten opvangt voordat ze een patiënt bereiken. De vraag is niet alleen of deze computers kunnen werken, maar of ze kunnen werken in de moeilijke, schaarse omgevingen van het platteland, waar internetverbindingen mogelijk onbetrouwbaar zijn en trainingsbudgetten krap zijn.

Een team van onderzoekers zette zich scharpe om het antwoord te vinden door elke beschikbare studie over dit specifieke onderwerp te verzamelen en te onderzoeken. Ze voerden een brede zoektocht uit in de medische literatuur, waarbij ze zochten naar bewijs uit het afgelopen decennium dat verkende hoe kunstmatige intelligentie wordt gebruikt om medicatiefouten in landelijke en afgelegen zorgomgevingen te voorkomen. Na het doorzoeken van honderden records, identificeerden ze twaalf afzonderlijke studies uit negen verschillende landen, variërend van de Verenigde Staten en Canada tot Zimbabwe en Zwitserland. Deze studies vertegenwoordigden een mix van praktijktesten, simulaties en observaties, wat een breed beeld geeft van hoe deze technologieën momenteel in het veld worden getest.

De onderzoekers ontdekten dat kunstmatige intelligentie al in elke fase van het medicatieproces wordt verweven. In de voorschrijffase, waar een arts beslist welk medicijn een patiënt nodig heeft, worden computersystemen gebruikt om te controleren op gevaarlijke interacties tussen medicijnen of om de juiste dosis voor te stellen op basis van de leeftijd en nierfunctie van een patiënt. In de bereidingsfase, waar medicijnen worden klaargemaakt, helpen robotische systemen en slimme kastenstelsels om ervoor te zorgen dat het juiste pilletje wordt geselecteerd en gelabeld. Tijdens de toediening, wanneer een verpleegkundige het medicijn aan een patiënt geeft, verifiëren barcodescanners en slimme pompen dat de juiste persoon de juiste behandeling krijgt op het juiste moment. Ten slotte, nadat het medicijn is toegediend, analyseren kunstmatige intelligentie-tools patiëntendossiers en incidentrapporten om subtiele tekenen van schade op te sporen die een mens zou kunnen missen.

De resultaten van deze studies suggereren dat wanneer deze technologieën goed werken, ze de veiligheid aanzienlijk kunnen verbeteren. Eén studie met een robotisch bereidingssysteem in een Frans ziekenhuis liet een dramatische daling van de fouten zien, waarbij fouten in de dosering met bijna tachtig procent daalden en fouten in het type medicijn met meer dan negentig procent afnamen. Een andere studie in de Verenigde Staten vond dat het gebruik van kunstmatige intelligentie om gegevens uit medische dossiers te organiseren en te extraheren, clinici achttien procent van de tijd bespaarde die specifiek werd besteed aan het beantwoorden van klinische vragen, terwijl een hoge nauwkeurigheid behouden bleef. In landelijke Canadese klinieken hielp het gebruik van gecomputeriseerde veiligheidsfuncties om gemiste waarschuwingen te verminderen en de nauwkeurigheid van de dosering te verbeteren. Over de hele linie wijst het bewijs op een duidelijke trend: deze digitale assistenten zijn in staat om fouten op te vangen die menselijk personeel, werkend onder druk of met beperkte informatie, mogelijk over het hoofd zouden zien.

De weg naar het implementeren van deze instrumenten in landelijke klinieken verloopt echter niet zonder slag of stoot. De onderzoekers ontdekten dat het succes van kunstmatige intelligentie sterk afhangt van de omgeving waarin het wordt geplaatst. In veel landelijke gebieden bestaat de digitale infrastructuur simpelweg niet om deze geavanceerde systemen te ondersteunen. Onbetrouwbare internetverbindingen kunnen voorkomen dat gegevens in realtime stromen, en oudere computersystemen in klinieken kunnen vaak niet communiceren met de nieuwe software voor kunstmatige intelligentie, wat een gefragmenteerde en frustrerende ervaring voor het personeel creëert. Financiële beperkingen spelen ook een grote rol; de kosten voor de aanschaf, installatie en het onderhoud van deze geavanceerde systemen zijn voor kleine, ondergefinancierde landelijke ziekenhuizen vaak te hoog.

Naast de hardware zijn er menselijke factoren die deze projecten kunnen doen slagen of falen. De onderzoekers merkten op dat zorgverleners soms overweldigd worden door de technologie. Als een computersysteem te veel waarschuwingen of meldingen genereert, kan het personeel last krijgen van "alert fatigue" (waarschuwingsmoeheid), waarbij ze zo overspoeld worden door meldingen dat ze ermee beginnen te stoere, wat het doel van het veiligheidsnet tenietdoet. Er is ook weerstand tegen verandering; sommige artsen en verpleegkundigen vrezen dat het vertrouwen op een computer hen hun eigen vaardigheden kan doen verliezen of dat de machine de unieke nuances van hun patiënten niet zal begrijpen. In sommige gevallen betekende het gebrek aan goede training dat het personeel niet wist hoe ze de nieuwe tools effectief moesten gebruiken, wat leidde tot omwegen die de veiligheidsfuncties volledig omzeilden.

De studies benadrukten ook dat de gegevens die deze systemen voeden van hoge kwaliteit moeten zijn. In sommige landelijke omgevingen zijn patiëntendossiers incompleet of op een manier opgeslagen die computers niet gemakkelijk kunnen lezen, wat de mogelijkheid van kunstmatige intelligentie om te leren en nauwkeurige voorspellingen te doen, beperkt. Een simulatiestudie in Zimbabwe, die kunstmatige intelligentie gebruikte om voorschrijffouten te voorspellen, stelde vast dat zonder echte, gedetailleerde patiëntgegevens de nauwkeurigheid van het systeem beperkt was. Dit suggereert dat voor deze technologieën echt te werken in afgelegen gebieden, er een parallelle inspanning moet zijn om de kwaliteit van de gegevens en de digitale geletterdheid van de mensen die de tools gebruiken te verbeteren.

Ondanks deze hindernissen concludeerden de onderzoekers dat het potentieel van kunstmatige intelligentie om de landelijke gezondheidszorg te transformeren enorm is. De technologie biedt een manier om de veiligheidsstandaarden van grote, goed uitgeruste stedelijke ziekenhuizen naar afgelegen gemeenschappen te brengen. Door routinecontroles te automatiseren en directe toegang tot medische kennis te bieden, kunnen deze tools helpen het gat te dichten dat wordt veroorzaakt door personeelstekorten en geografische isolatie. Het realiseren van dit potentieel vereist echter meer dan alleen het kopen van software. Het vereist een gecoördineerde inspanning om betrouwbare internetverbindingen op te bouwen, de benodigde hardware te financieren en, het belangrijkste, het lokale personeel te trainen om deze systemen effectief te vertrouwen en te gebruiken.

De review maakt duidelijk dat kunstmatige intelligentie geen toverstaf is die onmiddellijk alle problemen in de landelijke geneeskunde zal oplossen. Het is een krachtig hulpmiddel dat het beste werkt wanneer het zorgvuldig wordt geïntegreerd in de dagelijkse workflow en wordt ondersteund door een sterke basis van infrastructuur en training. De studies tonen aan dat wanneer aan deze voorwaarden wordt voldaan, de technologie fouten kan verminderen en levens kan redden. Maar als het wordt geïmplementeerd zonder aandacht voor de specifieke uitdagingen van het landelijke leven, loopt het het risico slechts een duur gadget te worden dat ongebruikt blijft liggen. De toekomst van medicatieveiligheid in deze onderbediende gebieden hangt af van het vinden van de juiste balans tussen geavanceerde technologie en de menselijke realiteit van de gemeenschappen die zij dient.