尽管近两年新冠疫情新闻独占各大新闻头版与医疗资源,但美国国内棘手的鸦片危机(opioid crisis)还是造成官方与医疗系统头疼的烫手山芋。根据美国联邦政府的统计,2020 年约有将近 7 万美国国民死于鸦片类药物过量。
美国贝斯以色列医疗中心(Beth Israel Deaconess Medical Center)的医师与科学家组成研究团队,透过人工智能机器学习(machine learning)设计一种可改善术后鸦片类处方药物滥用情形的介入式系统,将有望逆转困扰官方数十年的鸦片危机。
研究团队将此耗费两年所设计出的介入模式实际使用情形与对临床照护影响于日前刊登于 NEJM Catalyst 中。
滥药之祸:OxyContin 在美引发的鸦片类药物成瘾危机(基因线上国际版)鸦片危机:造成比车祸更高的死亡人数
在过去 20 年来,由于医师开立处方不当、药厂过度行销等导致美国饱受鸦片大流行(opioid epidemic)之苦,每年造成上万人因鸦片过量而死亡,死亡人数甚至超过车祸或枪击等死因。
2019 年,美国奥克拉荷马州(Oklahoma)政府认为国际大药厂娇生(Johnson & Johnson)在销售此类药物时,将其好处夸大,并加以淡化药物风险,导致国内鸦片类药物滥用情形严重,一状告上了法院。最终,法院判娇生透过误导性行销手段,促药物成瘾率攀升,需支付奥克拉荷马州 5.7 亿美元,此判决一出震惊了全国,也表明官方欲努力消灭鸦片危机的决心。
来自贝斯以色列医疗中心的 Gabriel A. Brat 医师更深感许多医院没有资源改善这个问题,于是与院内团队分工合作,共同设计、开发出一套系统来帮助介入鸦片类药物的处方开立。
从电话访谈建立数据数据库,成功创造鸦片类药物介入系统
由于医疗院所通常难以取得不会有患者鸦片实际使用量的数据,Brat 医师与其同事决定自 2017 年 10 月开始针对贝斯以色列医疗中心的术后患者进行电话访谈,以了解止痛药的实际服用情形,再将其与止痛药处方开立量、患者真实所需的药量三种数据比较。2019 年,研究者更将术后患者的电访转换为自动短信发送方式,指引受访者上网填写问卷。2021 年 8 月,研究团队已累积多达 1.1 万笔术后患者的鸦片类药物服用数据。
接着,团队以此大型数据数据库和患者的电子病历为基础,利用机器学习开发出一种介入式系统,可为医师预测患者在术后出院的典型鸦片类药物服用量。其他常受到五大因素干扰的非典型服用情形,包含住院前与住院期间的鸦片药物使用情形、大麻与菸草使用史、年龄、身体质量指数(BMI)等,也可透过随时搜集与更新数据,为院方提供患者出院后的用药指导。
除此之外,该系统还会向医生提供处方开立的反馈,并在他们开出异常大量的鸦片类药物时发送电子邮件提醒,要求医生回传开立异常药量的理由,以把关院方的鸦片类药物供应情形。
两年实测有效,汇入他州数据更优化系统
在两年的研究过程中,研究团队已成功利用此介入系统帮助医生开立个人化处方,有效促进术后药物的安全使用,减少异常的药物消耗量。
为了确保此系统可实际应用于其他临床机构,贝斯以色列医疗中心团队更汇入犹他州(Utah)的医疗保健系统的药物使用数据,与来自密西根(Michigan)研究团队常用的处方开立指南以优化此系统。实验结果显示,系统能根据这些数据与指南,更好的预测典型鸦片类药物的服用量。
延伸阅读:禁忌物质到精神解方?“迷幻热”开创精神疾病新治疗模式参考资料:
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. 基因线上版权所有 未经授权不得转载。合作请联系:service@geneonlineasia.com