新闻链接：http://jkbshare.183read.cc/article/6178000/5.html?t=175400801243791

发布时间：2025-8-1

作者：张微微

临床药学是一门临床医学与药学交叉形成的学科，也是以患者为中心，应用药学专业知识与技能直接参与临床药物治疗过程，与医生、护士及其他医疗团队成员共同研究和实践合理用药，优化药物治疗效果、降低药物风险、改善患者生命质量的综合性应用学科。

临床药师通常需要具备药学、医学、流行病学、药事管理学等多个学科知识，并需要在参与临床诊疗活动时关注患者的个体差异，比如年龄、肝肾功能、基因、性别、合并症、合并用药、生活方式、药物依从性等对药物治疗的影响。海量的药物信息、复杂的药物相互作用、显著的个体差异以及大量的处方及医嘱审核工作、难以预料的药物不良反应等因素，均为临床药师开展工作增加了难度。

人工智能（AI）的兴起及AI技术在医疗领域的应用为破解上述难题提供了有力的工具。机器学习、深度学习、自然语言处理及大语言模型等AI技术，可以在辅助药物选择、优化给药剂量及给药时间、提供智能化药学服务、预测药物相互作用、监测药物不良反应、减少或避免用药错误等多个方面赋能临床药学实践，成为提升精准用药与患者安全的新引擎。

赋能精准用药

患者间的个体差异既会导致药物疗效的不同也会引起药物毒性的差异。以抗肿瘤药物为例，对不同患者使用同一种抗肿瘤药物可能出现截然不同的治疗效果，药物不良反应也会有所不同。AI可以整合药物及疾病相关的大量信息，如基因组学、蛋白组学、药物分子结构、药物代谢动力学特征等，通过机器学习、深度学习等方法建立预测模型，基于患者个体特点对药物治疗反应性及药物毒性进行预测，为临床针对不同患者的个体化药物选择提供决策支持。此外，AI能够对药物的溶解度、渗透性、剂型、药物代谢动力学及药物效应动力学特点进行分析并通过机器学习的方法预测药物在人体内的浓度变化以及代谢过程，从而优化给药剂量、给药剂型及给药时间。

药物相互作用也是影响药物使用的一个重要因素，特别是服用多种药品的人群。据相关统计，我国药物相互作用的发生率约为5%，然而药物种类繁多、人群个体差异往往会导致药物相互作用难以预测。AI通过深度学习可以建立药物与药物、药物与食物相互作用的预测模型，对可能存在相互作用的药物进行精准预测。应用大语言模型还可以在识别药物相互作用的基础上对相互作用的严重程度进行分级，更好地指导临床用药。

AI除了可以帮助临床药师在药物选择、用药剂量、相互作用等方面进行决策支持外，还具有辅助临床药师开展智能化药学服务的重要作用。基于演绎、溯因、逻辑推理能力等诸多优势，大语言模型已逐渐应用于临床药学服务的多个领域，包括处方审核、用药咨询、用药重整、处方精简、用药教育以及药物治疗管理等。一项研究显示，ChatGPT4.0能够针对医师、药师提出的用药问题（涉及用药剂量、相互作用、特殊人群用药等）进行回复，准确率为64.3%，与人类药师水平相当。另外一项研究显示，ChatGPT4.0能够在药物治疗管理过程中识别测试案例患者存在的药物相关性问题，并推荐相应的替代治疗方案，制订后续治疗管理计划，虽然其中针对药物剂量的推荐仍有欠缺，但整体可以帮助临床药师在开展药物治疗管理工作时提升效率。

此外，在药学会诊领域ChatGPT也显示出了一定的潜力，其能够在短时间内完成相关药学信息检索并提供相应的参考依据，同时能够识别处方中存在的用药问题，比如药物剂型、浓度、途径、单位换算等问题，并提供相应的解决策略。近期有国内学者针对国产大语言模型——DeepSeek在处方审核中的应用效果进行了评价，结果显示，DeepSeek-R1模型在评价处方合理性方面的准确率高达93.82%，但其精确率及召回率还需要进一步提升。

助力患者安全

用药安全是患者安全的重要保障。AI在用药安全方面的应用包括监测药物不良反应以及减少或避免用药错误，同时能尽早发出预警以减少药源性损害。传统的药物不良反应监测工作需要人工识别药物不良反应并对其进行评价、报告、再评价、记录、监测、预防等一系列工作，且传统的药物不良反应报告主要以自发性报告为主，难以覆盖所有出现的药物不良反应并进行及时干预。虽然我国已经建立药品不良反应监测网络，报告数量从2021年的196.2万份增加到了2023年的241.9万份，但是仍然存在漏报情况。报告时间的迟滞以及无法尽早预警也对药物不良反应监测工作造成了困扰，难以发挥其在保证患者用药安全方面的最大作用。

AI的出现为这项工作带来新的希望。其优势在于可以在短时间内处理大量数据且保证一定的准确率。通过自然语言处理技术针对临床文本中的关键信息比如药物不良反应术语、药物名称等进行提取，可以尽早识别潜在药物不良反应。通过整合电子病历信息、患者检验信息甚至社交媒体中的信息，AI可以覆盖更大范围的信息来源并通过机器学习模型进行实时分析，实现药物不良反应的早期预警。此外，AI还能分析药物不良反应或不良事件与使用药物的时间关联性、去除其他混杂因素并能结合文献证据对药物不良反应或事件进行因果关系评价，既避免了人为评价时主观因素的干扰，又提升了药物不良反应监测工作的效率。

在减少用药错误方面，AI亦展现出了强大实力。用药错误可能发生在药品使用及管理中的任何一个环节，例如药品调配、发放、使用、储存等。虽然目前已经有电子处方、条码扫描技术、自动化药柜等多种技术用于防范用药错误，但用药错误问题仍然严峻。有研究显示，在美国每天至少有一名患者因用药错误死亡，而每年因用药错误造成身体伤害的人群则高达130万。AI在避免和减少用药错误方面的价值已经凸显，其能够及时识别不合理用药信息并形成警报提醒临床医生及药师，从而减少用药错误。

此外，AI还能够追踪患者居家用药操作的正确性，减少药物使用过程中的用药错误。目前已有研究证实应用内置于传感器的AI系统可以解析环境无线电反射信号，追踪患者使用吸入剂或胰岛素笔的特定动作，并检测患者是否遵循规范步骤使用药物，当发现操作错误时，系统自动报警，从而实现了远程用药监测，避免用药错误的发生。

应用挑战及展望

尽管AI在临床药学领域已经展现出巨大应用潜力和广阔应用前景，但其在临床药学工作中充分应用仍面临挑战。

首先，AI算法的有效性很大程度上取决于其训练数据的质量。没有大量高质量的原始数据，AI技术的应用便无从谈起。然而，临床药学领域目前尚缺乏大规模、标准化、高质量的数据。数据孤岛现象的存在，无疑进一步限制了AI技术在临床药学中发挥其应有的潜力。

其次，目前AI应用过程中仅能提供预测结果但无法完全展示其内部学习及计算机制，因此针对基于AI的决策支持仍需要谨慎对待。而基于不同数据源建立的AI预测模型不一定适合所有人群，这种数据来源的不均衡性难以应用到所有广泛人群亦难以保证十足的准确性。

最后，挑战还在于AI应用过程中的伦理问题，例如对患者数据的隐私保护以及防止AI受到网络攻击，以及如何明确AI与人类在用药决策或者用药指导中的责任归属等问题。另外，当前的AI技术尚无法实现人文关怀，难以对患者的诉求提供充分的情感支持。

虽尚存在挑战，但不可否认的是，AI正在逐步重塑临床药学。我们应主动拥抱AI，通过交叉合作、储备人才、完善基建、制定规范等措施，将其打造为临床药学工作的有力工具，从而在实践中更好地服务患者，优化药物治疗，保障患者安全。