Tecnologías esenciales de Daifuku para la infraestructura social Reducción de las cargas de trabajo en las farmacias con sistemas de auditoría de recetas impulsados por IA

El sistema audit de recetas audit-i de Contec, una empresa del grupo Daifuku centrada en la electrónica, reduce el riesgo de errores en la dispensación de recetas en las farmacias mediante el reconocimiento de imágenes y otras herramientas, lo que ayuda a aliviar la carga mental de los farmacéuticos. Este sistema mejora los modelos anteriores al incorporar inteligencia artificial (IA) para mejorar la precisión en el reconocimiento de datos de imágenes de medicamentos y, al mismo tiempo, reducir el tamaño del sistema en un 60 %. Para este artículo, hablamos con Kenji Takahira, coordinador de proyectos del grupo de proyectos de desarrollo de nuevos negocios de Contec, y con Yusuke Yokoyama y Shota Kawase del grupo de desarrollo aplicado de Contec para conocer más sobre el desarrollo de audit-i.

Reducir el riesgo de errores en la dispensación de medicamentos con nombres y envases similares

En las farmacias, cuando los farmacéuticos proporcionan medicamentos recetados a los pacientes, normalmente seleccionan los medicamentos de los estantes y confían en la inspección visual para asegurarse de haber seleccionado el medicamento correcto.

La serie de sistemas audit de recetas “audit” identifica el tipo y la cantidad de un medicamento mediante imágenes y peso, y contrasta estos datos con la información de la receta para comprobar si hay errores. El sistema también crea automáticamente registros de estas auditorías. Con solo colocar los medicamentos en una bandeja, el sistema captura una imagen con su cámara interna y extrae los datos del recibo. El sistema identifica con precisión los tipos y las cantidades incluso de medicamentos que están agrupados.

El desarrollo de la serie audit comenzó hace más de 10 años. Kenji Takahira, coordinador de proyectos del grupo de proyectos de desarrollo de nuevos negocios, recibió una propuesta de planificación de productos de Daifuku y comenzó a realizar entrevistas con farmacias. A través de estas entrevistas, se enteró de que la tasa de error de dispensación era de aproximadamente el 0,25 % cuando se realizaba mediante inspección visual. Mientras tanto, en la industria de la logística, las nuevas tecnologías y equipos estaban reduciendo los errores a prácticamente cero, lo que llevó a Kenji a reconocer que había un amplio margen de mejora en las operaciones de las farmacias.

Kenji Takahira, coordinador de proyectos del grupo de proyectos de desarrollo de nuevos negocios de Contec

“Aunque las farmacias y los centros logísticos son diferentes en términos de industria y escala, existen muchas similitudes en el flujo de trabajo, como la selección, la inspección y la distribución. Pensamos que la experiencia de Daifuku podría ayudar a reducir el riesgo de errores en las recetas. Al principio, intentamos realizar auditorías mediante la comparación de imágenes de los medicamentos y códigos de barras con datos maestros, pero el embalaje único de los medicamentos presentaba varios desafíos, como reflejos y bolsas transparentes”, recuerda Kenji.

Para hacer frente a estos desafíos, el equipo agregó un espacio dentro del dispositivo para capturar imágenes del medicamento con iluminación uniforme, lo que aumenta la precisión del reconocimiento de imágenes tanto del medicamento en sí como de los códigos de barras impresos en el envase. “Al combinar los datos de las imágenes con la información de la báscula incorporada, pudimos garantizar que se pudiera identificar al mismo tiempo el tipo y la cantidad de una receta de medicamento. Aunque otras empresas también ofrecen sistemas de reconocimiento basados en imágenes, solo la serie audit identifica simultáneamente varios tipos y cantidades de medicamentos”, dice Kenji.

Algunos medicamentos tienen nombres o envases similares, y los cambios en el diseño de los envases y la adición de medicamentos genéricos han aumentado el riesgo de errores, lo que genera una mayor carga mental para los farmacéuticos, que deben permanecer siempre atentos para evitar confusiones.

Según la Ley de Heinrich, cada accidente grave es precedido por 29 accidentes menores y 300 accidentes sin lesiones (casi accidentes). Por ello, varias asociaciones del sector están recopilando y analizando activamente los casi accidentes para ayudar a promover la seguridad médica. Sin embargo, a pesar de la atención cuidadosa, los errores humanos nunca se pueden eliminar por completo, lo que da lugar a casos de confusión de medicamentos y recetas olvidadas. La serie audit reduce el riesgo de errores y alivia la carga mental de los farmacéuticos, al tiempo que proporciona registros audit para cuando los pacientes informan de discrepancias, como medicamentos o cantidades incorrectas.

El Ministerio de Salud, Trabajo y Bienestar Social de Japón también ha estado alentando recientemente a las farmacias a mejorar los servicios orientados al paciente en lugar de los servicios orientados a las tareas, lo que incluye explicar los detalles de las recetas, brindar orientación sobre recetas más largas y confirmar el estado de las recetas. La agilización del proceso de auditoría les da a los farmacéuticos más tiempo para centrarse en la comunicación con los pacientes.

Uso de tecnología de extracción de diferencias para mejorar el reconocimiento de imágenes por IA

Se han instalado unas 2.000 unidades del modelo anterior de la serie audit, lanzado en 2012, en farmacias de todo Japón. A medida que la variedad de medicamentos que se manejan en las farmacias ha aumentado año tras año, ha habido una creciente demanda de dispositivos más pequeños. Sin embargo, la tecnología en ese momento implicaba que se necesitaba un espacio dedicado para la obtención de imágenes, lo que limitaba el tamaño de los dispositivos que se podían diseñar. Kenji vio el potencial de la IA como una solución a este problema de reducción de tamaño.

El sistema audit de recetas “audit-i” impulsado por IA (izquierda), lanzado en 2023, y el sistema “audit” original (derecha)

Yusuke Yokoyama, supervisor del grupo de desarrollo aplicado de Contec, división de tecnología

Casi al mismo tiempo, Yusuke Yokoyama, supervisor del Grupo de Desarrollo Aplicado de la División de Tecnología de Contec, comenzó a investigar sobre la IA por un motivo completamente diferente. “La empresa estaba en plena efervescencia con las discusiones sobre las aplicaciones de la IA cuando empezamos a estudiar el uso de la tecnología de reconocimiento de imágenes basada en IA para detectar defectos y errores de montaje en placas de circuitos electrónicos. En la primavera de 2020, Kenji me propuso la posibilidad de utilizar la IA para identificar productos farmacéuticos. Lo primero que supe de una IA de código abierto que podía distinguir entre 9.000 tipos de imágenes diferentes, pero no podía diferenciar entre medicamentos con envases similares, solo objetos claramente distintos como personas y perros”, recuerda Yusuke.

En busca de una solución, Yusuke investigó varias tecnologías de búsqueda de imágenes. “Mientras buscábamos una forma de distinguir entre medicamentos con envases similares, descubrimos que existía una gran posibilidad de que se pudiera aplicar una tecnología para extraer diferencias en las imágenes, y este cambio de mentalidad finalmente condujo al avance que buscábamos”, afirma Yusuke.

Shota Kawase, miembro del Grupo de Desarrollo Aplicado de Contec, División de Tecnología

Shota Kawase, del Grupo de Desarrollo Aplicado de la División de Tecnología, se unió al proyecto en la primavera de 2021.

En esta etapa, ya se había establecido la tecnología de inteligencia artificial básica para identificar el medicamento correcto entre decenas de miles. Sin embargo, todavía había algunos problemas de reconocimiento con las imágenes capturadas por la cámara del sistema. “Durante el procesamiento de imágenes, a veces las condiciones de iluminación hacían imposible reconocer los medicamentos correctamente, o si la bandeja utilizada para la toma de imágenes era del mismo color que el envase del medicamento, los dos se mezclaban y dificultaban demasiado el reconocimiento. Utilizamos inteligencia artificial para resolver esto identificando las características visuales del medicamento, separando el medicamento del fondo y extrayendo solo la imagen del medicamento en sí. Esto mejoró significativamente la precisión del reconocimiento, lo que permitió la identificación de objetivos independientemente de la iluminación o el color del fondo”, explica Shota.

La pandemia de COVID-19 obligó a trabajar mucho desde casa durante el desarrollo del sistema, pero esto produjo beneficios sorprendentes. "Creo que el hecho de que pudiéramos probar el reconocimiento de imágenes no solo en la oficina sino también en casa, en entornos diferentes y diversos, fue una de las razones de nuestro éxito esta vez", afirma Shota.

Los medicamentos se colocan en una bandeja para su obtención. Se utiliza inteligencia artificial para diferenciar entre los medicamentos y la bandeja durante el proceso de reconocimiento.

Cada vez que cambian los diseños de los envases o se introducen medicamentos nuevos o genéricos, la IA debe actualizarse con la nueva información. Se descubrió que este aprendizaje adicional para una IA estándar que reemplaza directamente la función de procesamiento de imágenes demoraba entre 8 y 12 horas por cada sesión de aprendizaje. “Las farmacias no tienen tanto tiempo para esperar. Por eso, desarrollamos un nuevo proceso en el que limitamos el procesamiento de la IA a las principales fortalezas: capturar características externas como la forma y el diseño del envase. Durante el aprendizaje adicional, solo se registran las características extraídas y el nombre del medicamento, lo que acelera significativamente el proceso. La identificación del medicamento ahora no lleva más de 1 segundo, y el aprendizaje adicional no más de 3 segundos. Hemos patentado este nuevo método”, dice Kenji.

Con el modelo anterior, se utilizaba la coincidencia de patrones para comparar la imagen capturada con las imágenes maestras. Esto significa que el dispositivo de captura de imágenes y el entorno deben ser los mismos que los de la imagen maestra. Sin embargo, con la extracción de características basada en IA, el entorno de captura de imágenes no tiene por qué ser el mismo y los conjuntos de datos aprendidos también se pueden compartir en línea con mayor facilidad.

Con la adopción de IA, el sistema audit-i ofrece un rendimiento significativamente mejorado con requisitos de condiciones de imagen relajados y una reducción del 60% en el tamaño general del sistema.

La capacidad de conectar el sistema a Internet es otro cambio significativo, que permite el uso de varios servicios en la nube. La centralización de los registros audit en la nube puede ser increíblemente significativa para las empresas que gestionan varias ubicaciones, ya que los datos son útiles para la gestión de farmacias, la planificación y la formación del personal. “Poder analizar las tendencias de los medicamentos que son propensos a fallas casi totales y la relación entre la ubicación de una farmacia y sus productos más vendidos puede beneficiar a los fabricantes farmacéuticos de diversas maneras. Al ampliar nuestros servicios a más ubicaciones, esperamos crear un mejor entorno de trabajo para los farmacéuticos y un sistema más cómodo para los pacientes de todo el país”, afirma Kenji.

El equipo de desarrollo considera que el proceso de lanzamiento al mercado del sistema audit-i ha sido una experiencia excelente y gratificante.

Aviso

La información a la que está a punto de acceder no está destinada a su divulgación, publicación ni distribución en los Estados Unidos de América. Al proceder a acceder a la información, usted acepta y confirma que no se encuentra en los Estados Unidos de América.