人工智能在老年多重用藥中的應用

叢曉飛 李銘麟

《國家老齡事業發展公報》顯示,截至2021年末,我國60歲及以上人口的比例達18.9%,大約2.6億人[1]。78%以上的老年人至少患有1種以上慢性病[2]。老年慢性病病人多重用藥不可避免,這引起的不合理用藥進一步導致了各種不良臨床結果[3]。

人工智能是計算機模仿人類獨有的智力的能力[4]。人工智能技術在藥物治療中最常見的應用是將病人與最佳藥物或藥物組合相匹配,預測藥物靶點或藥物相互作用,以及優化治療方案并幫助臨床決策[5]。

本文通過對人工智能在老年多重用藥方面的研究進行綜述,歸納并概括了人工智能在老年多重用藥方面的現狀、實現的手段與效果,為充分發揮人工智能技術在老年多重用藥方面的應用提供參考。

1 多重用藥

1.1 多重用藥概述 “多重用藥”指同時使用5種及以上藥物。另外,缺乏適應證的用藥和2種或2種以上不必要藥物的聯合使用,也被稱為多重用藥[6]。導致老年人多重用藥的發生主要有2個因素:(1)病人因素:多重用藥與年齡增長密切相關[7];老年慢性病病人忘記服藥、重復用藥、錯服藥物等情況均可導致多重用藥的發生[8];老年病人由于疾病多,身體反應大,通過媒體或朋友“口口相傳”購買多種保健品導致多重用藥[9]。(2)醫療系統因素:老年病人由于身患多種慢性疾病就診于醫院多個科室,若醫生不了解病人當前服用的藥物且沒有與病人溝通,亦可導致“開藥瀑布”的多重用藥[10];藥物治療方案復雜,可導致多重用藥[11]。研究顯示,多重用藥與許多臨床不良結局相關,亦可增加藥物不良反應、藥物間相互作用發生,以及用藥依從性不佳、藥物使用不當的風險[12]。

1.2 老年病人多重用藥的流行病學 WHO最新的報告稱:多重用藥是全球所有醫療機構中一個日益嚴重的重大公共衛生問題[13]。2021年,國內一項研究顯示,老年病人多重用藥率為50.14%[14]。在美國,老年人的多重用藥率為36.8%[15]。多重用藥與健康不良風險的增加相關[16],如藥物不良事件(ADEs)、發病率、住院率和死亡率。此外,生理變化(年齡)對藥物效應動力學和藥物代謝動力學的影響[17],可能會降低某些藥物的收益/風險比。

2 人工智能在醫學領域中的發展

2019年4月,我國醫療人工智能領域首份正式出版的系統研究報告——《中國醫療人工智能發展報告》(2019)藍皮書正式面向大眾發布,該報告促進了人工智能和醫療健康信息化建設的充分發展,積極推動了健康中國建設的戰略部署[18]。目前在人工智能技術的幫助下,傳統的醫療環境發生了很大的變化。通過人工智能結合影像技術、病理技術和生化技術等醫療手段,病人的診斷準確性得到有效的提升。人工智能對于手術病人的術前準備、術中操作以及術后恢復等方面也有較明顯的幫助與提升。此外,人工智能科技在藥品生產、醫療管理、醫療教育等方面也發揮了重要作用[19]。通過人工智能技術,醫療服務效率有所提高,醫療成本下降,醫療領域人工智能蓬勃發展[20]。

截至今日,人工智能在醫療衛生領域的應用涉及智能語音電子病歷、智能導醫問診、智能病理與智能影像、醫療質量監控、遠程醫療、智能藥物研發、居家健康管理/慢病管理、疾病風險預控、傳染病防控、藥物選擇等等[21-22]。

3 人工智能技術在多重用藥中的應用

各種人工智能和機器學習已被用于減少2種或2種以上藥物的重復使用、藥物濃度或暴露預測、劑量優化、提高病人依從性、藥效學、定量系統藥理學、藥物相互作用和藥物不良反應監測與預測以及聯合用藥方案的制訂等方面[23]。

3.1 人工智能技術在提高病人依從性方面的應用 老年人的用藥依從性不斷下降,這可能是隨著年齡增長,病人在記憶力、聽力、視力等各方面存在生理功能的下降和退化[24],從而出現忘服、漏服等影響用藥依從性的行為。由此,一些人工智能技術應運而生,使這些問題給醫療系統帶來的負擔得以緩解。智能藥物管理系統實現了家屬及醫護人員共同監測病人服藥的過程,彌補了部分產品監護碎片化的不足,提高了老年病人的用藥依從性[25]。用藥信息采集及多藥物聯合分析系統、用藥提醒與信息采集原型應用程序在實現用藥提醒功能的同時提出了一種安全時間段規劃策略,在原型系統中進一步設計并實現了對聯合用藥信息的采集,從病人的角度提供了用藥的監督,從醫生與研究工作角度為聯合用藥分析提供了數據支持[26]。物聯網健康管理模式不僅能自動發現并解決病患用藥過程中存在的問題,還可以與醫生線上交流,使病人用藥及時、精準,藥物依從性大大增強。楊英等[27]研究發現,物聯網健康管理模式使老年病人多重用藥發生的情況明顯減少。

3.2 人工智能技術在藥物相互作用和藥物不良反應監測與預測方面的應用 人工智能技術通過實施特定的計算機化決策支持系統和移動應用程序,可以提供關于病人信息的在線訪問、處方不當藥物的警報、評估伴隨疾病的影響、審查潛在的藥物-藥物相互作用等[28]。一種基于多視圖的藥物相互作用預測模型,從單個藥物和藥物對中學習藥物的子結構,顯著提高了藥物相互作用預測的準確性,特別是在預測未見過的藥物時表現出色[29]。深度圖神經網絡自編碼器可以用于藥物相互作用的預測。類似地,CASTER是一種端到端模型,通過使用從藥物SMILES字符串提取的子結構信息來預測藥物的相互作用。目前,常用的方法還有運用自上而下研究方法的反饋系統控制技術法,其特點是靈活的藥物選擇及支持個性化定制,為個體篩選出最合適的藥物組合[30]。

人工智能技術可以實現不良反應監測與預測,從而指導臨床提前干預,以減少或避免不良反應發生。樹狀掃描統計量是藥品上市后安全性主動監測的一種新方法,能夠同時分析大量的藥物-事件對,在調整多重檢驗問題后找出有統計學意義的藥物不良反應信號作為下一步進行驗證的候選藥物-事件對,從而為藥物不良反應的監測和預警提供信號依據[31]。另外,值得注意的是,以客觀指標篩查為主的全面觸發工具已逐漸替代傳統的藥物不良反應監測方法,成為臨床實踐中更加可靠的藥物不良反應主動監測方法[32]。例如,Hammann等[33]將基于構效關系和決策樹算法的機器學習模型用于中樞神經系統、肝臟、腎臟和其他過敏反應4種類型藥物不良反應預測。Hatmal等[34]基于新冠疫苗類型、人口統計學和不良反應相關數據,利用XGBoost算法建立了一種可以準確預測新冠疫苗不良反應嚴重程度的機器學習模型。這些人工智能技術的革新與嘗試為藥物不良反應的預測和監測提供了有效的經驗與模板,并逐漸衍射到更多的多重用藥相關領域。

3.3 其他 目前,有一些在線網站創建了一定的算法,支持和促進老年病人在臨床治療中合理使用藥物。例如,deprescribing.org是一個在線應用程序,為加拿大有限數量的醫學類別提供處方算法,但它只能在合同醫院系統內訪問。MedStopper是另一個在線應用程序,其信息系統包括比爾斯(Beers)標準和老年人潛在不適當處方篩選工具標準。該應用程序提供了藥物制劑的建議、處方解除時可能出現的癥狀,以及比爾斯標準和老年人潛在不適當處方篩選工具標準中相關藥物的劑量建議。雖然此應用程序是合理用藥的重要工具,但該程序忽略了病人現有的疾病,不是以病人為中心的方法。

4 現狀與展望

近年來,人工智能技術的應用在臨床診斷、改善老年病人用藥依從性、老年多重用藥導致的藥物相互作用、藥物不良反應的預警方面做出了突出的貢獻,極大地減少了多重用藥導致的病程延長、藥物相關不良事件的發生。人工智能技術在多重用藥上的應用是一種經驗性的“建模與模擬”方法,可綜合考慮疾病進程、藥物和病人特征,準確地預測藥物療效,重塑傳統疾病診斷、個體化治療、精確醫療服務和醫學研究模式[35]。但是,何種算法的預測性能最佳,目前尚無定論[36]。此外,現有報道的算法仍缺乏嚴格的臨床驗證,難以廣泛應用。因此,更多的技術設計與實踐應當被加速進行,從而為老年人多重用藥的精確管理提供更多的便利,促進老年人的健康老齡化。

總之,人工智能技術通過構建模型、實施特定的計算機化決策支持系統和移動應用程序等方式,大大減少了老年多重用藥帶來的不良事件,使臨床用藥精細化、精準化,對病人大有裨益。但現有的技術仍需不斷驗證和改進,以及需要創造更多的新技術,才能更合理地監測與管理老年多重用藥病人。