在使用PM-TOM和ChatGPT的PIM治疗中最大限度地降低STOPP和Beers标准的风险:一个案例研究
Adnan Kulenovic1, Azra Lagumdzija-Kulenovic1
1Absolute Information Age, Inc. Toronto, Canada.
Studies in health technology and informatics
|April 9, 2025
概括
这项研究表明,将PM-TOM和ChatGPT结合起来,如何优化老年人中的多药学,减少不良药物反应和可能不适当的药物,以获得更好的健康结果.
科学领域:
- 老年医学 老年医学
- 临床药理学 临床药理学
- 医疗保健中的人工智能
背景情况:
- 老年人中的多种药物有助于药物不良反应 (ADR) 和潜在不合适的药物 (PIM).
- 临床决策支持工具和人工智能为优化药物治疗方案提供了潜力.
研究的目的:
- 为了证明PM-TOM和ChatGPT在优化老年患者多药学的协同使用.
- 为了减少多种并发症的老年人PIM和相关风险.
主要方法:
- 分析了一位拥有多种药物的老年妇女的案例研究.
- PM-TOM在初始和出院的药物治疗方案中发现了未解决的风险.
- 聊天GPT建议了替代药物类别,PM-TOM根据这些建议和文献优化了治疗方案.
主要成果:
- 优化的治疗方案显著降低了潜在的副作用和老年护理标准风险.
- 关键的药物变化包括用法莫蒂丁取代奥梅普拉佐尔,用阿戈梅拉丁取代西塔洛普拉姆,用德诺苏马布取代索莱德龙酸,用提卡格勒罗尔取代阿司匹林,用贝纳泽普里尔取代利西诺普里尔.
- 聊天GPT验证了优化的治疗计划,确认了指导方针的调整和潜在的长期益处.
结论:
- 联合使用PM-TOM和AI工具有效支持多药房管理中的临床决策.
- 这种协同方法可以优化药物治疗方案,最大限度地减少PIM,并改善老年人的健康结果.
- 这一策略有可能降低与多药学相关的发病率和医疗保健成本.
更多相关视频
06:50Computational Prediction of Amino Acid Preferences of Potentially Multispecific Peptide-Binding Domains Involved in Protein-Protein Interactions
Published on: January 26, 2024
14:34A Bilingual Computational Workflow for Identifying Potential PLK1 Inhibitors in American Sign Language and English
Published on: April 3, 2026
