Công nghệ Daifuku thiết yếu cho cơ sở hạ tầng xã hội Giảm khối lượng công việc của nhà thuốc bằng hệ thống kiểm toán đơn thuốc hỗ trợ AI

Giảm nguy cơ sai sót khi cấp phát thuốc có tên và bao bì tương tự

Tại các hiệu thuốc, khi dược sĩ cung cấp thuốc theo toa cho bệnh nhân, họ thường lấy thuốc từ kệ và quan sát bằng mắt để đảm bảo rằng họ đã chọn đúng thuốc.

Chuỗi “audit” của hệ thống audit đơn thuốc xác định loại và số lượng thuốc bằng hình ảnh và trọng lượng, đối chiếu dữ liệu này với thông tin đơn thuốc để kiểm tra lỗi. Hệ thống cũng tự động tạo hồ sơ kiểm toán này. Chỉ cần đặt thuốc lên khay, hệ thống sẽ chụp ảnh bằng camera bên trong và kéo dữ liệu biên lai lên. Hệ thống xác định chính xác loại và số lượng ngay cả đối với các loại thuốc được bó lại với nhau.

Quá trình phát triển audit bắt đầu từ hơn 10 năm trước. Kenji Takahira, Điều phối viên dự án của Nhóm dự án phát triển kinh doanh mới, đã nhận được đề xuất lập kế hoạch sản phẩm từ Daifuku và bắt đầu tiến hành phỏng vấn các hiệu thuốc. Thông qua các cuộc phỏng vấn này, ông biết được rằng tỷ lệ lỗi pha chế là khoảng 0,25% khi tiến hành bằng cách kiểm tra trực quan. Trong khi đó, trong ngành hậu cần, các công nghệ và thiết bị mới đã giảm lỗi xuống gần như bằng không, khiến Kenji nhận ra rằng có nhiều chỗ để cải thiện hoạt động của hiệu thuốc.

Kenji Takahira, Điều phối viên dự án cho Nhóm dự án phát triển kinh doanh mới của Contec

“Mặc dù các hiệu thuốc và trung tâm hậu cần khác nhau về mặt ngành và quy mô, nhưng có nhiều điểm tương đồng về quy trình làm việc, chẳng hạn như chọn, kiểm tra và phân phối. Chúng tôi cảm thấy rằng chuyên môn của Daifuku có thể giúp giảm nguy cơ sai sót trong đơn thuốc. Lúc đầu, chúng tôi đã thử thực hiện kiểm toán bằng cách tham chiếu chéo hình ảnh của thuốc và mã vạch với dữ liệu chính, nhưng bao bì thuốc độc đáo đặt ra nhiều thách thức khác nhau, chẳng hạn như phản chiếu và túi trong suốt”, Kenji nhớ lại.

Để giải quyết những thách thức này, nhóm đã thêm một không gian bên trong thiết bị để chụp ảnh thuốc với ánh sáng đồng đều, tăng độ chính xác của việc nhận dạng hình ảnh của cả thuốc và mã vạch được in trên bao bì. Kenji cho biết: "Bằng cách kết hợp dữ liệu hình ảnh với thông tin từ thang đo tích hợp, chúng tôi có thể đảm bảo loại và số lượng đơn thuốc có thể được xác định cùng một lúc. Mặc dù các công ty khác cũng cung cấp hệ thống nhận dạng dựa trên hình ảnh, nhưng chỉ có loạt audit mới có thể xác định đồng thời nhiều loại thuốc và số lượng".

Một số loại thuốc có tên hoặc bao bì tương tự nhau, và việc thay đổi thiết kế bao bì cũng như bổ sung thuốc gốc đã làm tăng nguy cơ sai sót, gây thêm gánh nặng cho dược sĩ, những người phải luôn cảnh giác để tránh nhầm lẫn.

Theo Luật Heinrich, mỗi tai nạn nghiêm trọng đều có 29 tai nạn nhỏ và 300 tai nạn không gây thương tích (suýt xảy ra). Do đó, nhiều hiệp hội ngành đang tích cực thu thập và phân tích các tai nạn suýt xảy ra để giúp thúc đẩy an toàn y tế. Tuy nhiên, mặc dù đã chú ý cẩn thận, lỗi của con người không bao giờ có thể được loại bỏ hoàn toàn, dẫn đến các trường hợp nhầm lẫn thuốc và đơn thuốc bị thiếu. Chuỗi audit làm giảm nguy cơ mắc lỗi và giảm bớt gánh nặng tinh thần cho các dược sĩ đồng thời cung cấp hồ sơ audit khi bệnh nhân báo cáo những sai sót như thuốc hoặc số lượng không đúng.

Bộ Y tế, Lao động và Phúc lợi Nhật Bản gần đây cũng khuyến khích các hiệu thuốc tăng cường dịch vụ hướng đến bệnh nhân hơn là dịch vụ hướng đến nhiệm vụ, bao gồm giải thích chi tiết đơn thuốc, hướng dẫn về đơn thuốc dài hơn và xác nhận tình trạng đơn thuốc. Việc đơn giản hóa quy trình kiểm toán giúp các dược sĩ có nhiều thời gian hơn để tập trung vào việc giao tiếp với bệnh nhân.

Sử dụng công nghệ trích xuất sự khác biệt để cải thiện khả năng nhận dạng hình ảnh AI

Khoảng 2.000 đơn vị của mô hình audit trước đó, được phát hành vào năm 2012, đã được lắp đặt tại các hiệu thuốc trên khắp Nhật Bản. Khi số lượng thuốc được các hiệu thuốc xử lý tăng lên theo từng năm, nhu cầu về các thiết bị nhỏ hơn cũng tăng lên. Tuy nhiên, công nghệ tại thời điểm đó có nghĩa là cần có không gian riêng để chụp ảnh, hạn chế khả năng thiết kế các thiết bị nhỏ. Kenji thấy tiềm năng của AI như một giải pháp cho vấn đề giảm kích thước này.

Yusuke Yokoyama, Giám sát viên Nhóm phát triển ứng dụng của Contec, Bộ phận công nghệ

Vào khoảng thời gian đó, Yusuke Yokoyama, một giám sát viên trong Nhóm phát triển ứng dụng thuộc Bộ phận công nghệ của Contec, bắt đầu nghiên cứu AI vì một lý do hoàn toàn khác. “Công ty đang xôn xao thảo luận về các ứng dụng AI khi chúng tôi bắt đầu tìm hiểu về việc sử dụng công nghệ nhận dạng hình ảnh dựa trên AI để phát hiện các khuyết tật và lỗi lắp ráp trong các bảng mạch điện tử. Vào mùa xuân năm 2020, Kenji đã tiếp cận tôi về khả năng sử dụng AI để nhận dạng dược phẩm. Lần đầu tiên tôi biết về một AI nguồn mở có thể phân biệt được 9.000 loại hình ảnh khác nhau, nhưng nó không thể phân biệt được các loại thuốc có bao bì tương tự, chỉ có thể phân biệt được các vật thể rõ ràng như người và chó”, Yusuke nhớ lại.

Trong quá trình tìm kiếm giải pháp, Yusuke đã nghiên cứu nhiều công nghệ tìm kiếm hình ảnh khác nhau. Yusuke cho biết: "Trong khi tìm kiếm cách phân biệt các loại thuốc có bao bì tương tự, chúng tôi thấy rằng có khả năng cao là công nghệ trích xuất sự khác biệt trong hình ảnh có thể được áp dụng và sự thay đổi trong suy nghĩ này cuối cùng đã dẫn đến bước đột phá mà chúng tôi đang tìm kiếm".

Shota Kawase, thành viên của Nhóm phát triển ứng dụng Contec, Bộ phận công nghệ

Shota Kawase thuộc Nhóm Phát triển Ứng dụng của Bộ phận Công nghệ đã tham gia dự án vào mùa xuân năm 2021.

Đến giai đoạn này, công nghệ AI nền tảng để xác định loại thuốc chính xác trong số hàng chục nghìn loại thuốc đã được thiết lập. Tuy nhiên, vẫn còn một số vấn đề về nhận dạng với hình ảnh do camera của hệ thống chụp. “Trong quá trình xử lý hình ảnh, đôi khi điều kiện ánh sáng khiến không thể nhận dạng chính xác các loại thuốc hoặc nếu khay dùng để chụp ảnh có cùng màu với bao bì thuốc, hai màu này sẽ hòa vào nhau và khiến việc nhận dạng trở nên quá khó khăn. Chúng tôi đã sử dụng AI để giải quyết vấn đề này bằng cách xác định các đặc điểm trực quan của thuốc, tách thuốc khỏi nền và chỉ trích xuất hình ảnh của chính loại thuốc đó. Điều này cải thiện đáng kể độ chính xác của nhận dạng, cho phép xác định mục tiêu bất kể ánh sáng hay màu nền”, Shota giải thích.

Đại dịch COVID-19 khiến nhiều người phải làm việc tại nhà trong quá trình phát triển hệ thống, nhưng điều này lại mang lại những lợi ích đáng ngạc nhiên. Shota cho biết: “Tôi nghĩ rằng thực tế là chúng tôi có thể thử nghiệm nhận dạng hình ảnh không chỉ tại văn phòng mà còn tại nhà, trong các môi trường khác nhau và đa dạng, là một trong những lý do cho thành công của chúng tôi lần này”.

Bất cứ khi nào thiết kế bao bì thay đổi hoặc thuốc mới hoặc thuốc gốc được giới thiệu, AI phải được cập nhật thông tin mới. Việc học bổ sung này cho một AI tiêu chuẩn thay thế trực tiếp chức năng xử lý hình ảnh được phát hiện mất từ 8 đến 12 giờ cho mỗi phiên học. “Các hiệu thuốc không có nhiều thời gian để chờ đợi như vậy. Vì vậy, chúng tôi đã phát triển một quy trình mới trong đó chúng tôi giới hạn quá trình xử lý AI ở các điểm mạnh chính—ghi lại các đặc điểm bên ngoài như hình dạng và thiết kế bao bì. Trong quá trình học bổ sung, chỉ các đặc điểm được trích xuất và tên thuốc được đăng ký, giúp tăng tốc đáng kể quá trình. Hiện tại, việc nhận dạng thuốc chỉ mất không quá 1 giây và quá trình học bổ sung chỉ mất không quá 3 giây. Chúng tôi đã cấp bằng sáng chế cho phương pháp mới này”, Kenji cho biết.

Với mô hình trước, việc khớp mẫu được sử dụng để so sánh hình ảnh đã chụp với hình ảnh chính. Điều này có nghĩa là thiết bị và môi trường hình ảnh phải giống với hình ảnh chính. Tuy nhiên, với việc trích xuất tính năng dựa trên AI, môi trường hình ảnh không nhất thiết phải giống nhau và các tập dữ liệu đã học cũng có thể được chia sẻ trực tuyến dễ dàng hơn.

Với việc áp dụng AI, hệ thống audit-i mang lại hiệu suất được cải thiện đáng kể với các yêu cầu về điều kiện hình ảnh được nới lỏng và giảm 60% kích thước tổng thể của hệ thống.

Khả năng kết nối hệ thống với internet là một thay đổi quan trọng khác, cho phép sử dụng nhiều dịch vụ đám mây khác nhau. Việc tập trung hóa hồ sơ audit dựa trên đám mây có thể cực kỳ có ý nghĩa đối với các công ty quản lý nhiều địa điểm, với dữ liệu hữu ích cho việc quản lý, lập kế hoạch và đào tạo nhân viên của hiệu thuốc. Kenji cho biết: "Có thể phân tích xu hướng của các loại thuốc dễ xảy ra tình trạng suýt xảy ra tai nạn và mối quan hệ giữa vị trí của hiệu thuốc và các sản phẩm bán chạy nhất của họ có thể mang lại lợi ích cho các nhà sản xuất dược phẩm theo nhiều cách khác nhau. Bằng cách mở rộng dịch vụ của mình đến nhiều địa điểm hơn, chúng tôi hy vọng sẽ tạo ra một môi trường làm việc tốt hơn cho các dược sĩ và một hệ thống thuận tiện hơn cho bệnh nhân trên khắp cả nước".