Une revue systématique sur l’intelligence artificielle en pharmacie

Les publications sur l’intelligence artificielle (IA) appliquée à la pratique de la pharmacie étaient peu nombreuses jusqu’à tout récemment. Cependant, des publications intéressantes commencent à sortir en provenance de plusieurs endroits du monde. Je mentionnais en 2019 que peu de littérature démontrant des exemples concrets, et pas seulement des idées, était disponible. Cette situation semble en voie de changer.

Une revue systématique provenant d’un groupe français a été publiée fin décembre 2022. Elle avait pour objectif de recenser les études quantitatives portant sur l’utilisation d’IA dans la prestation de services cliniques en pharmacie.

L’étude a suivi la méthodologie PRISMA et a cherché dans plusieurs banques de données, selon une stratégie structurée. Les publications de 2000 à décembre 2021 ont été incluses. Elles devaient être en anglais, avoir été révisées par les pairs, comporter une description adéquate de la technique d’IA utilisée, et décrire l’implication des pharmaciens dans l’utilisation ou le développement de l’outil. Les études portant sur la robotisation ont été exclues.

1817 articles ont été identifiés et 19 ont été retenus après toutes les étapes de sélection (déclaration de conflits d’intérêts: notre publication sur un outil d’IA pour la détection de profils pharmacologiques atypiques a été incluse dans la revue). 12 des 19 articles ont été publiés en 2020 ou 2021, et provenaient principalement d’Amérique du Nord (8 au total, 5 États-Unis et 3 Canada), d’Asie (3) et d’Europe (4).

13 études ont utilisé du machine learning, dont 3 du traitement du langage et 2 de l’apprentissage profond. 15 algorithmes différents ont été testés. 5 études ont utilisé de l’apprentissage non supervisé et 6 de l’apprentissage supervisé. Des données provenant de dossiers électroniques ont été utilisées dans 6 études et des données observationnelles ont été utilisées dans 5 études.

La tâche confiée aux modèles d’IA était surtout la révision d’ordonnances, dans 9 études. La dispensation était ciblée dans 4 études, et les entrevues et l’enseignement dans 2 études.

Dans les études portant sur la révision d’ordonnances, les études cherchaient toutes à identifier les ordonnances requérant l’intervention du pharmacien. Des pharmaciens d’établissement ont été impliqués dans toutes ces études. Les tâches spécifiques ciblées étaient la surveillance d’anti-microbiens, la vérification des doses, et la détection d’ordonnances ou de profils pharmacologiques atypiques. Toutes les études incluaient la confirmation de la prédiction des modèles par un pharmacien clinicien. 2 outils parmi 8 décrits étaient des produits commercialisés.

Dans les études portant sur la dispensation, 2 études incluaient des pharmaciens d’établissements et 2 des pharmaciens communautaires. Les tâches spécifiques ciblées étaient la prédiction des médicaments nécessaires pour des visites ambulatoires afin de réduire le temps d’attente, la vérification contenant contenu à partir d’images, l’émission de rappels et de communications afin d’améliorer l’observance, et l’optimisation de l’organisation des stocks.

Dans les études sur les entrevues et l’enseignement, les modèles utilisés visaient à identifier les causes médicamenteuses d’effets indésirables et détecter les erreurs d’administration.

Les auteurs soulignent que la plupart des études étaient mono centriques et faisaient face à des défis quant à la mise à jour des modèles face à l’évolution constante de la pratique. Aucune étude n’a fait allusion au bilan comparatif des médicaments.

Cette revue systématique démontre que l’utilisation d’IA dans la pratique de la pharmacie sera certainement une réalité avant longtemps. Je pense qu’on pourra voir le nombre de publications sérieuses sur ce sujet augmenter au courant des prochaines années et qu’il est pertinent pour les pharmaciens de connaître les principes généraux de cette technologie. Il demeure essentiel selon moi que les pharmaciens soient en mesure de comprendre et d’évaluer de manière critique les outils d’IA qui seront commercialisés pour une utilisation dans le circuit du médicament.

Une étude sur l’autovérification des prescriptions à haut volume et faible risque

L’arrivée de la prescription électronique et des dossiers électroniques intégrés affecte considérablement le travail du pharmacien, en particulier au niveau de la validation des ordonnances. Dans le mode de travail traditionnel de la prescription et de la validation d’ordonnances en établissement de santé, les ordonnances rédigées sur papier sont transmises à la pharmacie par fax ou par numérisation. Il s’agit actuellement du fonctionnement le plus fréquent au Québec. Dans ce mode, le pharmacien en distribution est tributaire de la transmission d’ordonnances par un tiers; il ne peut vérifier que les ordonnances qu’on lui envoie, et bien que techniquement « toutes » les ordonnances sont censées être vérifiées, un grand nombre d’ordonnances, notamment celles destinées à une utilisation en dose unique d’un médicament disponible directement sur l’unité de soins, ne sont jamais transmises à la pharmacie.

Avec le passage aux dossiers électroniques intégrés ou à la prescription électronique dans un logiciel dédié à cette fin interfacé avec la pharmacie, la barrière humaine à la transmission d’ordonnances n’existe plus, celle-ci devient automatique. Il devient possible pour le pharmacien d’avoir accès en temps réel à toutes les ordonnances, incluant un grand nombre qui n’étaient pas accessible avant. De ce changement découle un dilemme: les pharmaciens pourraient vouloir continuer à vérifier toutes les ordonnances, incluant celles nouvellement accessibles, mais cette charge de travail additionnelle demande un investissement en ressources, qui, en contexte de pénurie de personnel, risque d’entraîner des ruptures d’autres services dont la valeur ajoutée est potentiellement plus grande, notamment les soins pharmaceutiques. Pour beaucoup des ordonnances nouvellement transmises, comme le démontre la littérature sur le sujet et comme je constate dans ma propre expérience, la validation prospective par le pharmacien est d’une valeur ajoutée plutôt limitée.

Pourtant, dans plusieurs logiciels de dossiers électroniques, en particulier ceux basés sur les pratiques américaines, il est attendu que la majorité des ordonnances soient vérifiées prospectivement par un pharmacien. Ceci n’est pas étranger à plusieurs publications autour de 2010, le moment où le déploiement des dossiers électroniques intégrés a commencé aux États-Unis, qui parlaient des risques de submerger les pharmaciens d’ordonnances à vérifier ayant peu de valeur ajoutée et risquant d’affecter la capacité à offrir des soins cliniques. Cette inquiétude est toujours d’actualité, une publication en 2019 disait:

The verification of low complexity orders is a basic and repetitive drug distribution function that pharmacists frequently characterize as rote work due to the extremely low rate of problems. The most serious concerns, such as drug allergies, drug interactions, and dosing errors are generally identified using clinical decision support rules and alerts, while others would need to be identified through anomalous or important patient-specific factors that arise during routine profile review or clinical rounds. Verification of these low complexity orders may actually increase the risk of error due to the lack of vigilance by the pharmacist when reviewing these orders, similar to errors of omission seen with alert fatigue.

En réponse à cette inquiétude, plusieurs logiciels ont développé des fonctionnalités « d’autovérification » permettant de soustraire des ordonnances rencontrant certains critères à la vérification prospective du pharmacien. Paradoxalement, les standards de pratique américains, notamment les standards d’excellence de l’ASHP, découragent l’utilisation de cette fonction. Je crois que l’on peut assumer que ceci est bien intentionné, en encourageant les pharmaciens à limiter cette pratique au minimum à des fins de sécurité. De même, les normes d’agrément américaines de la Joint Commission demandent une vérification des ordonnances par un pharmacien avant que celles-ci deviennent disponibles pour retrait des cabinets et administration dans la FADM électronique, sauf pour des cas d’exception bien définis.

Une publication parue récemment dans l’AJHP, s’est penchée sur ce sujet dans le contexte de l’urgence. Elle avait pour objectif d’évaluer l’effet de la fonction d’autovérification d’ordonnances activée à l’urgence pour des ordonnances rencontrant des critères de haut volume et faible risque, sur la charge de travail de vérification d’ordonnances des pharmaciens. L’étude a eu lieu dans deux hôpitaux, le premier académique et le deuxième communautaire, au Wisconsin. Dans l’hôpital académique, un pharmacien était présent à l’urgence 24 heures sur 24, 7 jours sur 7, alors que l’hôpital communautaire ne disposait pas de pharmacien à l’urgence.

Une liste de médicaments éligibles à l’autovérification a été établie à l’aide d’une revue rétrospective de 3 mois de données de prescription (36 000 prescriptions de août à octobre 2019). 10 médicaments représentaient près de la moitié de toutes les ordonnances. Un comité multidisciplinaire incluant des médecins, infirmières, pharmaciens cliniciens et pharmaciens en informatique clinique ont établi des critères pour évaluer ces médicaments à partir de listes de l’ISMP dont la liste des médicaments à haut risque. Les antibiotiques, analgésiques à longue action et vaccins ont été exclus. Ensuite, une logique clinique a été programmée dans le logiciel de dossier électronique. Celle-ci est détaillée dans le texte complet, mais essentiellement l’ordonnance devait figurer à la liste prédéterminée, ne déclencher aucune alerte dans le système d’aide à la décision, être disponible dans les cabinets de l’urgence, et destinée à une administration à l’urgence pour un patient adulte.

Ensuite, toutes les ordonnances du 20 au 29 janvier 2020 ont été évaluées rétrospectivement pour vérifier si les critères ainsi établis étaient adéquats. Celles-ci ont été révisées indépendamment par deux pharmaciens pour déterminer si une intervention aurait été requise sur l’ordonnance au moment de sa vérification. 7433 ordonnances ont été émises durant la période, dont 3057 rencontrant les critères d’autovérification. 18 ont requis une intervention du pharmacien et 75 n’ont jamais été révisées par un pharmacien pour diverses raisons, pour un total de 93 qui ont été évaluées par les deux pharmaciens; 2 de ces 93 auraient requis une intervention, soit 0,07% du total. L’autovérification aurait permis de réduire la charge de travail de validation des ordonnances de 40%.

Les auteurs concluent donc que l’autovérification de médicaments à haut volume et faible risque est possible dans le contexte de l’urgence sans présenter de risque significatif pour les patients, et permet de diminuer significativement la charge de travail de vérification d’ordonnances.

Je trouve cet article très intéressant car dans le contexte québécois actuel, il s’agit de médicaments pour lesquels les ordonnances ne se rendent probablement pas à la pharmacie, je vous invite à consulter la liste dans l’article, mais on voit qu’il s’agit essentiellement de solutés sans additifs, d’analgésiques à courte action et d’antinauséeux. Dans ma pratique, je conste à peu près la même chose: la vaste majorité des ordonnances à haut volume nouvellement transmises suite au déploiement de la prescription électronique sont dans ces catégories. Dans le contexte de la prescription électronique, en plus, ces ordonnances sont souvent générées à l’aide de règles d’aide à la décision, notamment le calcul automatique de dose et les order sets, les rendant peu susceptibles de contenir une erreur. Avec le déploiement à venir à plus grande échelle de la prescription électronique, du circuit du médicament en boucle fermée et des dossiers électroniques intégrés au Québec, je pense que nous avons une opportunité de définir quelles ordonnances méritent vraiment une validation prospective par le pharmacien et de se servir des technologies pour éviter un accroissement indu de la charge de travail en distribution.

Optimisation d’alertes de dose par des pharmaciens en informatique clinique

L’optimisation des alertes dans les dossiers électroniques, principalement dans le but de diminuer leur nombre, augmenter leur pertinence, et réduire la désensibilisation aux alertes, est un sujet d’actualité. Un article paru en août 2022 décrit comment les pharmaciens en informatique clinique d’une organisation de santé américaine ont mis en place une stratégie d’optimisation des alertes de dose.

L’étude a eu lieu dans une organisation comprenant 11 hôpitaux et plus de 100 cliniques. Le département d’informatique de pharmacie de cette organisation comportait 10 pharmaciens en informatique clinique et 5 consultants cliniques. Les alertes d’intervalles de dose (dose-range checking, une fonctionnalité qui compare une dose prescrite à une dose minimale et maximale et alerte dans le cas où ces limites sont franchies) ont été activées dans le logiciel de dossier électronique de cette institution en juin 2018. Les intervalles initialement activés étaient ceux fournis par défaut dans le logiciel. Un mois plus tard, les 623 groupes de médicaments (un générique et les entités prescriptibles en découlant) les plus fréquemment concernés par les alertes ont été identifiés. Pour chaque groupe, 21 pharmaciens ont évalué les intervalles de dose proposés, qui comportaient des particularités par âge, fonction rénale, dose unique et dose quotidienne. Plusieurs références ont été consultées et les évaluations ont inclus les indications approuvées de même que l’utilisation hors-indication (off-label). Une marge de 10% a aussi été ajoutée pour prendre en compte l’arrondissement des doses.

Les pharmaciens ont mis à jour les intervalles de dose proposés par le système en fonction des recommandations révisées progressivement sur plusieurs mois, le tout en monitorant hebdomadairement le déclenchement d’alertes et en encourageant les cliniciens à rapporter les alertes inappropriées, de manière à prioriser les alertes les plus problématiques. Les stratégies mises en place pour réduire les alertes inutiles sont détaillées dans le texte complet et sont très intéressantes, je retiens 3 types d’interventions: la désactivation d’alertes liées au fonctionnement interne du logiciel et sur lesquelles le clinicien ne peut pas agir, la désactivation d’alertes redondantes (ex: désactiver les alertes pour un poids manquant s’il y a déjà une autre alerte qui avise que le poids est manquant en dehors du processus de prescription) et l’optimisation des ordonnances préprogrammées (order sentences, order sets ou similaires).

En juin 2018, donc au moment du déploiement initial, 11 452 alertes étaient contournées par semaine en moyenne. Entre juin et septembre 2018, 70 groupes de médicaments ont été optimisées. Durant la première semaine de septembre 2018, 4796 alertes ont été contournées, représentant une diminution de 63% des contournements.

Suite à l’optimisation des intervalles de dose par groupe de médicaments, une deuxième stratégie d’ajustement des messages d’erreurs et de la logique de détection d’erreurs dans le système a permis une diminution encore plus grande, permettant de passer d’un taux de contournement d’alertes de 6.6% à 3.2% entre janvier 2019 et mars 2020.

Je trouve l’article intéressant car il démontre un aspect important du travail des pharmaciens en informatique clinique, soit l’optimisation des fonctionnalités d’aide à la décision. Il est intéressant de constater d’abord que l’utilisation des fonctionnalités de vérification de doses dans les dossiers électroniques intégrés n’est pas si ancienne dans cette étude (2018). Ensuite, les intervalles de dose fournis par défaut dans le logiciel, pourtant un « joueur majeur » américain, nécessitaient des ajustements importants pour être utilisables. Enfin, l’optimisation de la performance de ces alertes a demandé à une grande équipe de pharmaciens un travail colossal, réalisé progressivement sur plusieurs années. L’aide à la décision clinique dans les dossiers électroniques demande un travail de maintenance constant et des ressources en conséquence. Clairement, il ne s’agit pas simplement d’acheter un logiciel ou de déployer une fonctionnalité telle quelle, la maintenance, l’optimisation et le suivi doivent faire partie du plan dès le départ.