เทคโนโลยี Daifuku ที่จำเป็นสำหรับโครงสร้างพื้นฐานทางสังคม ที่ลดภาระงานด้านเภสัชกรรมด้วยระบบตรวจสอบใบสั่งยาที่ขับเคลื่อนด้วย AI

ลดความเสี่ยงในการจ่ายยาผิดพลาดสำหรับยาที่มีชื่อและบรรจุภัณฑ์คล้ายกัน

ในร้านขายยา เมื่อเภสัชกรจ่ายยาตามใบสั่งแพทย์ให้กับคนไข้ โดยทั่วไปแล้วพวกเขาจะหยิบยาจากชั้นวางและอาศัยการตรวจสอบด้วยสายตาเพื่อให้แน่ใจว่าได้เลือกยาที่ถูกต้อง

ระบบ การตรวจสอบบัญชี ใบสั่งยาแบบ “การตรวจสอบบัญชี” จะระบุชนิดและปริมาณของยาโดยใช้รูปภาพและน้ำหนัก โดยอ้างอิงข้อมูลนี้กับข้อมูลใบสั่งยาเพื่อตรวจสอบข้อผิดพลาด นอกจากนี้ ระบบยังสร้างบันทึกการตรวจสอบเหล่านี้โดยอัตโนมัติ โดยเพียงแค่วางยาบนถาด ระบบจะจับภาพด้วยกล้องภายในและดึงข้อมูลใบเสร็จออกมา ระบบจะระบุชนิดและปริมาณได้อย่างแม่นยำแม้กระทั่งยาที่มัดรวมกัน

การพัฒนาชุด การตรวจสอบบัญชี เริ่มต้นเมื่อกว่า 10 ปีที่แล้ว เคนจิ ทาคาฮิระ ผู้ประสานงานโครงการของกลุ่มพัฒนาธุรกิจใหม่ ได้รับข้อเสนอแผนผลิตภัณฑ์จาก Daifuku และเริ่มสัมภาษณ์ร้านขายยา จากการสัมภาษณ์เหล่านี้ เขาได้เรียนรู้ว่าอัตราข้อผิดพลาดในการจ่ายยาอยู่ที่ประมาณ 0.25% เมื่อทำการตรวจสอบด้วยสายตา ในขณะเดียวกัน ในอุตสาหกรรมโลจิสติกส์ เทคโนโลยีและอุปกรณ์ใหม่ช่วยลดข้อผิดพลาดจนแทบจะเป็นศูนย์ ทำให้เคนจิตระหนักว่ายังมีช่องว่างอีกมากสำหรับการปรับปรุงการดำเนินงานของร้านขายยา

เคนจิ ทาคาฮิระ ผู้ประสานงานโครงการสำหรับกลุ่มโครงการพัฒนาธุรกิจใหม่ของ Contec

“แม้ว่าร้านขายยาและศูนย์กลางโลจิสติกส์จะมีความแตกต่างกันในแง่ของอุตสาหกรรมและขนาด แต่ก็มีขั้นตอนการทำงานที่คล้ายคลึงกันหลายประการ เช่น การคัดเลือก การตรวจสอบ และการจัดจำหน่าย เรารู้สึกว่าความเชี่ยวชาญของ Daifuku สามารถช่วยลดความเสี่ยงของข้อผิดพลาดในการสั่งยาได้ ในตอนแรก เราพยายามทำการตรวจสอบโดยอ้างอิงภาพของยาและบาร์โค้ดกับข้อมูลหลัก แต่บรรจุภัณฑ์ยาที่มีลักษณะเฉพาะตัวทำให้เกิดความท้าทายหลายประการ เช่น การสะท้อนแสงและถุงใส” เคนจิเล่า

เพื่อรับมือกับความท้าทายเหล่านี้ ทีมงานได้เพิ่มพื้นที่ภายในอุปกรณ์สำหรับถ่ายภาพยาด้วยแสงที่สม่ำเสมอ ทำให้การจดจำภาพของยาและบาร์โค้ดที่พิมพ์บนบรรจุภัณฑ์มีความแม่นยำมากขึ้น “การรวมข้อมูลภาพเข้ากับข้อมูลจากเครื่องชั่งในตัว ทำให้เราสามารถระบุชนิดและปริมาณของใบสั่งยาได้ในเวลาเดียวกัน แม้ว่าบริษัทอื่นๆ จะเสนอระบบการจดจำที่ใช้ภาพเช่นกัน แต่มีเพียงชุด การตรวจสอบบัญชี เท่านั้นที่สามารถระบุชนิดและปริมาณของยาหลายรายการพร้อมกันได้” เคนจิกล่าว

ยาบางชนิดมีชื่อหรือบรรจุภัณฑ์ที่คล้ายกัน และการเปลี่ยนแปลงการออกแบบบรรจุภัณฑ์และการเพิ่มยาสามัญทำให้ความเสี่ยงต่อข้อผิดพลาดเพิ่มขึ้น ส่งผลให้ภาระทางจิตใจของเภสัชกรเพิ่มขึ้น ซึ่งจะต้องเฝ้าระวังอยู่เสมอเพื่อหลีกเลี่ยงการสับสน

ตามกฎของไฮน์ริช อุบัติเหตุร้ายแรงทุกครั้งจะตามมาด้วยอุบัติเหตุเล็กน้อย 29 ครั้งและอุบัติเหตุที่ไม่ก่อให้เกิดการบาดเจ็บ (near-misses) 300 ครั้ง ดังนั้น สมาคมอุตสาหกรรมต่างๆ จึงได้รวบรวมและวิเคราะห์อุบัติเหตุที่เกือบเกิดขึ้นอย่างแข็งขันเพื่อช่วยส่งเสริมความปลอดภัยทางการแพทย์ ถึงกระนั้น แม้จะมีการเอาใจใส่เป็นอย่างดี แต่ก็ไม่สามารถขจัดข้อผิดพลาดของมนุษย์ได้หมดสิ้น ส่งผลให้เกิดกรณียาผสมกันและใบสั่งยาไม่ครบ ชุด การตรวจสอบบัญชี ช่วยลดความเสี่ยงของข้อผิดพลาดและบรรเทาภาระทางจิตใจของเภสัชกร ขณะเดียวกันก็ให้บันทึก การตรวจสอบบัญชี สำหรับเมื่อผู้ป่วยรายงานความคลาดเคลื่อน เช่น ยาหรือปริมาณที่ไม่ถูกต้อง

กระทรวงสาธารณสุข แรงงาน และสวัสดิการของญี่ปุ่นได้สนับสนุนให้ร้านขายยาปรับปรุงบริการที่เน้นผู้ป่วยเป็นหลักมากกว่าบริการที่เน้นงาน เช่น การอธิบายรายละเอียดการสั่งยา ให้คำแนะนำเกี่ยวกับการสั่งยาที่มีระยะเวลานานขึ้น และยืนยันสถานะการสั่งยา การปรับกระบวนการตรวจสอบให้คล่องตัวขึ้นจะทำให้เภสัชกรมีเวลามากขึ้นในการสื่อสารกับผู้ป่วย

การใช้เทคโนโลยีการแยกความแตกต่างเพื่อปรับปรุงการจดจำภาพ AI

ร้านขายยาทั่วประเทศญี่ปุ่นได้ติดตั้งเครื่องตรวจรุ่น การตรวจสอบบัญชี Series รุ่นก่อนหน้าจำนวนประมาณ 2,000 เครื่อง ซึ่งเปิดตัวในปี 2012 เนื่องจากร้านขายยาแต่ละแห่งมียาหลากหลายชนิดมากขึ้นทุกปี จึงมีความต้องการอุปกรณ์ขนาดเล็กมากขึ้น อย่างไรก็ตาม เทคโนโลยีในเวลานั้นจำเป็นต้องใช้พื้นที่เฉพาะสำหรับการถ่ายภาพ ทำให้การออกแบบอุปกรณ์ขนาดเล็กมีข้อจำกัด เคนจิมองเห็นศักยภาพของ AI ที่จะแก้ไขปัญหาการลดขนาดได้

ยูสึเกะ โยโกยามะ หัวหน้ากลุ่มพัฒนาประยุกต์ของ Contec ฝ่ายเทคโนโลยี

ในช่วงเวลาเดียวกันนั้น ยูสึเกะ โยโกยามะ หัวหน้าฝ่ายพัฒนาประยุกต์ในฝ่ายเทคโนโลยีของบริษัท Contec เริ่มค้นคว้าเกี่ยวกับ AI ด้วยเหตุผลที่แตกต่างไปจากเดิมอย่างสิ้นเชิง “บริษัทมีการอภิปรายเกี่ยวกับแอปพลิเคชัน AI มากมาย เนื่องจากเราเริ่มพิจารณาใช้เทคโนโลยีการจดจำภาพที่ใช้ AI เพื่อตรวจจับข้อบกพร่องและข้อผิดพลาดในการประกอบบนแผงวงจรอิเล็กทรอนิกส์ ในช่วงฤดูใบไม้ผลิของปี 2020 เคนจิได้ติดต่อฉันเกี่ยวกับความเป็นไปได้ในการใช้ AI เพื่อระบุผลิตภัณฑ์ยา ฉันได้เรียนรู้เกี่ยวกับ AI โอเพนซอร์สที่สามารถแยกแยะภาพประเภทต่างๆ ได้ถึง 9,000 ภาพ แต่ไม่สามารถแยกแยะระหว่างยาที่มีบรรจุภัณฑ์คล้ายกันได้ แยกแยะได้เฉพาะวัตถุอย่างคนและสุนัขเท่านั้น” ยูสึเกะเล่า

ในการค้นหาวิธีแก้ปัญหา ยูสึเกะได้ค้นคว้าเกี่ยวกับเทคโนโลยีการค้นหารูปภาพต่างๆ "ในขณะที่กำลังค้นหาวิธีแยกแยะยาที่มีบรรจุภัณฑ์คล้ายกัน เราพบว่ามีความเป็นไปได้สูงที่เทคโนโลยีในการแยกความแตกต่างของรูปภาพจะสามารถนำมาใช้ได้ และการเปลี่ยนแปลงความคิดนี้ในที่สุดก็นำไปสู่ความก้าวหน้าที่เรากำลังมองหา" ยูสึเกะกล่าว

โชตะ คาวาเสะ สมาชิกกลุ่มพัฒนาประยุกต์ ฝ่ายเทคโนโลยีของ Contec

โชตะ คาวาเสะจากกลุ่มการพัฒนาประยุกต์ของแผนกเทคโนโลยีเข้าร่วมโครงการในช่วงฤดูใบไม้ผลิปี 2021

ในขั้นตอนนี้ เทคโนโลยี AI พื้นฐานสำหรับการระบุยาที่ถูกต้องจากยาหลายหมื่นชนิดได้รับการจัดทำขึ้นแล้ว อย่างไรก็ตาม ยังคงมีปัญหาด้านการจดจำอยู่บ้างกับภาพที่ถ่ายด้วยกล้องของระบบ “ในระหว่างการประมวลผลภาพ บางครั้งสภาพแสงทำให้ไม่สามารถจดจำยาได้อย่างถูกต้อง หรือหากถาดที่ใช้สำหรับถ่ายภาพมีสีเดียวกับบรรจุภัณฑ์ของยา ทั้งสองอย่างจะผสมกันและทำให้การจดจำทำได้ยากเกินไป เราใช้ AI เพื่อแก้ปัญหานี้โดยระบุลักษณะทางภาพของยา แยกยาออกจากพื้นหลัง และแยกเฉพาะภาพของยาเท่านั้น วิธีนี้ช่วยปรับปรุงความแม่นยำในการจดจำได้อย่างมาก ทำให้สามารถระบุเป้าหมายได้โดยไม่คำนึงถึงแสงหรือสีพื้นหลัง” โชตะอธิบาย

การระบาดของ COVID-19 ทำให้เราต้องทำงานจากที่บ้านมากขึ้นในระหว่างการพัฒนาระบบ แต่สิ่งนี้ก็ทำให้เกิดประโยชน์อย่างน่าแปลกใจ “ฉันคิดว่าความจริงที่ว่าเราสามารถทดสอบการจดจำภาพได้ไม่เพียงแค่ที่สำนักงานเท่านั้น แต่ที่บ้าน ในสภาพแวดล้อมที่แตกต่างและหลากหลาย ถือเป็นเหตุผลประการหนึ่งที่ทำให้เราประสบความสำเร็จในครั้งนี้” โชตะกล่าว

ทุกครั้งที่มีการเปลี่ยนแปลงการออกแบบบรรจุภัณฑ์ หรือมีการเริ่มนำยาใหม่หรือยาสามัญเข้ามาใช้ AI จะต้องได้รับการอัปเดตด้วยข้อมูลใหม่ การเรียนรู้เพิ่มเติมสำหรับ AI มาตรฐานที่เข้ามาแทนที่ฟังก์ชันการประมวลผลภาพโดยตรงนี้ พบว่าใช้เวลาเรียนรู้ระหว่าง 8 ถึง 12 ชั่วโมงต่อเซสชัน “ร้านขายยาไม่มีเวลาคอยขนาดนั้น ดังนั้นเราจึงพัฒนากระบวนการใหม่โดยจำกัดการประมวลผลของ AI ให้เหลือเฉพาะจุดแข็งหลักๆ เท่านั้น นั่นคือการจับภาพคุณลักษณะภายนอก เช่น รูปร่างและการออกแบบบรรจุภัณฑ์ ระหว่างการเรียนรู้เพิ่มเติม จะมีการลงทะเบียนเฉพาะคุณลักษณะที่สกัดออกมาและชื่อยาเท่านั้น ทำให้กระบวนการนี้เร็วขึ้นอย่างมาก ปัจจุบัน การระบุยาใช้เวลาไม่เกิน 1 วินาที และการเรียนรู้เพิ่มเติมใช้เวลาไม่เกิน 3 วินาที เราได้จดสิทธิบัตรวิธีการใหม่นี้แล้ว” เคนจิกล่าว

สำหรับโมเดลก่อนหน้านี้ การจับคู่รูปแบบถูกนำมาใช้เพื่อเปรียบเทียบภาพที่ถ่ายกับภาพต้นแบบ ซึ่งหมายความว่าอุปกรณ์ถ่ายภาพและสภาพแวดล้อมจะต้องเหมือนกับภาพต้นแบบ อย่างไรก็ตาม ด้วยการแยกคุณลักษณะตาม AI สภาพแวดล้อมในการถ่ายภาพไม่จำเป็นต้องเหมือนกัน และชุดข้อมูลที่เรียนรู้สามารถแชร์ทางออนไลน์ได้ง่ายขึ้นด้วยเช่นกัน

ด้วยการนำ AI มาใช้ ระบบ การตรวจสอบบัญชี-i นำเสนอประสิทธิภาพที่ได้รับการปรับปรุงอย่างมีนัยสำคัญโดยมีข้อกำหนดเงื่อนไขการถ่ายภาพที่ผ่อนคลายลงและขนาดโดยรวมของระบบลดลง 60%

ความสามารถในการเชื่อมต่อระบบกับอินเทอร์เน็ตถือเป็นการเปลี่ยนแปลงที่สำคัญอีกประการหนึ่ง ซึ่งช่วยให้สามารถใช้บริการคลาวด์ต่างๆ ได้ การรวมศูนย์บันทึก การตรวจสอบบัญชี บนคลาวด์อาจมีประโยชน์อย่างยิ่งสำหรับบริษัทที่บริหารจัดการสถานที่หลายแห่ง โดยข้อมูลดังกล่าวมีประโยชน์ต่อการจัดการร้านขายยา การวางแผน และการฝึกอบรมพนักงาน “การสามารถวิเคราะห์แนวโน้มของยาที่มีแนวโน้มจะเกิดเหตุการณ์เกือบพลาด และความสัมพันธ์ระหว่างสถานที่ตั้งของร้านขายยาและผลิตภัณฑ์ขายดีที่สุดนั้นสามารถให้ประโยชน์แก่ผู้ผลิตยาได้หลายประการ โดยการขยายบริการของเราไปยังสถานที่อื่นๆ มากขึ้น เราหวังว่าจะสร้างสภาพแวดล้อมการทำงานที่ดีขึ้นสำหรับเภสัชกรและระบบที่สะดวกยิ่งขึ้นสำหรับผู้ป่วยทั่วประเทศ” เคนจิกล่าว