儘管近兩年新冠疫情新聞獨佔各大新聞頭版與醫療資源，但美國國內棘手的鴉片危機（opioid crisis）還是造成官方與醫療系統頭疼的燙手山芋。根據美國聯邦政府的統計，2020 年約有將近 7 萬美國國民死於鴉片類藥物過量。
美國貝斯以色列醫療中心（Beth Israel Deaconess Medical Center）的醫師與科學家組成研究團隊，透過人工智慧機器學習（machine learning）設計一種可改善術後鴉片類處方藥物濫用情形的介入式系統，將有望逆轉困擾官方數十年的鴉片危機。
研究團隊將此耗費兩年所設計出的介入模式實際使用情形與對臨床照護影響於日前刊登於 NEJM Catalyst 中。
濫藥之禍：OxyContin 在美引發的鴉片類藥物成癮危機（基因線上國際版）鴉片危機：造成比車禍更高的死亡人數
在過去 20 年來，由於醫師開立處方不當、藥廠過度行銷等導致美國飽受鴉片大流行（opioid epidemic）之苦，每年造成上萬人因鴉片過量而死亡，死亡人數甚至超過車禍或槍擊等死因。
2019 年，美國奧克拉荷馬州（Oklahoma）政府認為國際大藥廠嬌生（Johnson & Johnson）在銷售此類藥物時，將其好處誇大，並加以淡化藥物風險，導致國內鴉片類藥物濫用情形嚴重，一狀告上了法院。最終，法院判嬌生透過誤導性行銷手段，促藥物成癮率攀升，需支付奧克拉荷馬州 5.7 億美元，此判決一出震驚了全國，也表明官方欲努力消滅鴉片危機的決心。
來自貝斯以色列醫療中心的 Gabriel A. Brat 醫師更深感許多醫院沒有資源改善這個問題，於是與院內團隊分工合作，共同設計、開發出一套系統來幫助介入鴉片類藥物的處方開立。
從電話訪談建立數據資料庫，成功創造鴉片類藥物介入系統
由於醫療院所通常難以取得不會有患者鴉片實際使用量的數據，Brat 醫師與其同事決定自 2017 年 10 月開始針對貝斯以色列醫療中心的術後患者進行電話訪談，以了解止痛藥的實際服用情形，再將其與止痛藥處方開立量、患者真實所需的藥量三種數據比較。2019 年，研究者更將術後患者的電訪轉換為自動簡訊發送方式，指引受訪者上網填寫問卷。2021 年 8 月，研究團隊已累積多達 1.1 萬筆術後患者的鴉片類藥物服用數據。
接著，團隊以此大型數據資料庫和患者的電子病歷為基礎，利用機器學習開發出一種介入式系統，可為醫師預測患者在術後出院的典型鴉片類藥物服用量。其他常受到五大因素干擾的非典型服用情形，包含住院前與住院期間的鴉片藥物使用情形、大麻與菸草使用史、年齡、身體質量指數（BMI）等，也可透過隨時搜集與更新數據，為院方提供患者出院後的用藥指導。
除此之外，該系統還會向醫生提供處方開立的反饋，並在他們開出異常大量的鴉片類藥物時發送電子郵件提醒，要求醫生回傳開立異常藥量的理由，以把關院方的鴉片類藥物供應情形。
兩年實測有效，匯入他州數據更優化系統
在兩年的研究過程中，研究團隊已成功利用此介入系統幫助醫生開立個人化處方，有效促進術後藥物的安全使用，減少異常的藥物消耗量。
為了確保此系統可實際應用於其他臨床機構，貝斯以色列醫療中心團隊更匯入猶他州（Utah）的醫療保健系統的藥物使用數據，與來自密西根（Michigan）研究團隊常用的處方開立指南以優化此系統。實驗結果顯示，系統能根據這些數據與指南，更好的預測典型鴉片類藥物的服用量。
延伸閱讀：禁忌物質到精神解方？「迷幻熱」開創精神疾病新治療模式參考資料：
1. https://www.bidmc.org/about-bidmc/news/2022/05/bidmc-designed-machine-learning-assisted-model-improves-prescribing-opioids
2. https://catalyst.nejm.org/doi/full/10.1056/CAT.22.0119
©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫：[email protected]
