药房面临的挑战
当处方到达药房时，其详细信息必须输入药房软件系统。随后，执业药师会审查处方以核实患者信息，检查潜在的药物相互作用或过敏反应，并确认所开药物、剂量和说明是否合适准确。
即使处方以电子方式到达，这个过程也容易出错。美国一项研究估计，社区药房每年约有5150万例调剂错误，荟萃分析支持错误率约为1.5%。
药房还需处理患者的账单和保险索赔。这些计算涉及患者特定保险政策、自付责任以及药房与不同保险公司协商的费率。实际上，仅识别患者保险就具有挑战性。结果是患者往往直到流程结束时才知晓药物价格——无论是在零售药房取药还是在线结账。
处方验证和购买完成后，药房工作人员必须在库存中找到特定药物。但此时可能遇到所需药物、特定剂量或首选品牌缺货的情况。提供替代药物可能需要再次联系开药医生获得批准。此外，根据替代情况，可能需要重新启动账单和保险流程以应对价格或保险范围的变化。
药物准备就绪后，药师会向患者提供详细用药指导。患者可能还有关于保险覆盖或费用的问题，但这些对话通常在公共区域进行，对涉及个人或敏感问题的患者会造成不便。
患者还需要随时方便地联系药师，以便报告用药感受，这有助于药师在整个治疗过程中提供更好的指导和支持。
人工智能驱动的药房
某药房使用大型语言模型（LLM）提高处方处理的准确性、安全性和速度。首先利用LLM将原始处方数据转录为结构化、标准化的格式，便于软件处理且更易被患者理解。例如将"PRN"和"QID"等医学缩写分别转换为"按需服用"和"每日四次"的完整文本。
数据标准化后，系统会执行验证步骤，包括根据行业数据库检查药物名称、剂型、强度和用法说明。验证后所有处方仍由执业药师仔细审核。通过这种自动化流程，潜在药物错误事件减少了50%，处理速度提高了90%，使药师能专注于提供个性化护理和处理复杂药物问题。
价格透明与库存管理
当患者使用保险支付药物费用时，会首先尝试从保险公司获取确切价格。若无法获得实时定价信息，则会提供患者自付费用的预估，无需客户先完成整个结账流程。
为生成准确的价格估算，采用基于决策树的集成模型。这些模型考虑历史索赔数据（时间序列特征）和静态信息（如特定药物、供应天数和处方数量）。通过提供预先定价信息（确切费用或可靠估算），帮助患者在购买前了解自付费用。此外还会自动搜索适用行业优惠券并应用于订单，同时使用机器学习验证患者的保险注册和向保险公司提出的索赔请求。
利用广泛的物流网络，包括当日达和本地配送设施以及创新运输方式（如Prime Air无人机）。还采用专业化自动化技术，如机器人灌装系统，简化药物调配流程，实现全国范围的及时配送。
智能订单履行系统
开发了自有订单履行系统，处理复杂的药物路由和调配逻辑，同时确保符合美国160多个不同药房监管机构的要求。例如，若最近履约中心的药物缺货，即使在不同州，只要相关州法规允许跨州履约，也能识别下一个最佳合格设施来完成订单。
订单履行算法还考虑保险资格的地区差异。在这种情况下，会首先验证患者自付费用没有变化。若需要变更，将与保险公司合作澄清福利。为实现这些功能，订单履行解决方案结合了运筹学技术（如优化求解器）和深度学习模型（如变分自编码器和扩散模型）。这些模型帮助模拟不同场景并优化履约过程，确保高效合规地将药物送达患者。
个性化AI助手服务
推出个性化AI驱动聊天机器人协助用户。这些虚拟助手可以回答关于服务的常见问题。行业首创的是，聊天机器人还提供个性化支持，允许患者询问药物订单、配送状态、处方转移和库存可用性等问题。若患者需要，可随时获得24/7药师支持和客户服务团队帮助。
在医疗保健环境中实施个性化AI聊天机器人是一项复杂任务。必须保护患者隐私并确保最高准确性，避免LLM幻觉。为解决这些挑战，改进了用于LLM聊天机器人的典型检索增强生成（RAG）方法。改进包括输入输出防护栏、使用专业（迷你）AI模型集成，以及通过人类反馈强化学习（RLHF）的持续模型改进过程。
数字化药房服务台
利用机器学习和优化算法简化复杂的药物调配过程。通过解决长期存在的挑战（如数据输入错误、缺乏价格透明度、智能全国药物履约和基于AI的个性化体验），帮助患者节省时间、金钱并保持健康。
例如，药物出现短期缺货（STBO）并不罕见，尤其是新上市药物，最近用于糖尿病和减肥的GLP-1系列药物就是如此。智能履约解决方案使包括STBO在内的不可预见原因造成的配送预估失误减少了85%。
AI助手帮助客户应对药房行业的复杂性，提供24/7协助，内容包括处方跟踪、保险覆盖、药物可用性和省钱策略。与助手交互的客户中有一半不需要额外人工支持，这为他们节省了时间和精力。（对于仍需帮助的客户，同样提供24/7药师支持。）助手还提供实时药物转移或配送状态更新以响应患者查询，处理后续问题以推荐下一步骤。
尽管基于AI的系统取得了成功，但研究和工程团队仍在继续努力。将继续推动药物调配规模化、改进个性化AI聊天机器人和助手，并向主动关注患者的纵向药房转型。