 |
|
Kunstig intelligens på apoteket?
|
|
|
Fire internationale forskere giver et bud på de opgaver og færdigheder, der stadig kræver et menneske bag skranken – og på opgaver, som AI kan hjælpe med.
|
|
|
Lad os starte med et tankeeksperiment: En 56-årig kvinde med nyopdaget forhøjet blodtryk kommer på apoteket i oktober 2035. ”Medi-stationen” tjekker hendes identitet, gennemgår hendes blodprøver, optager medicinanamnese via en chatbot, måler blodtrykket, udleverer medicinen og giver personlig tilpasset rådgivning. Til sidst spørger chatbotten, om hun ønsker at tale med en farmaceut. Hun siger nej og er samtidig imponeret over, hvor hurtigt og grundigt det gik.
Men farmaceuten følger med og kan se på hende, at hun er bekymret. Derfor henvender farmaceuten sig til hende. Det er hér, forskernes pointe ligger.
|
|
|
Hovedbudskabet: "The Pharmacist's Touch" – den menneskelige hånd på apoteket
|
|
|
Forfatterne introducerer den menneskelige hånd på apoteket, apoteksmedarbejdernes menneskelige bidrag, som ikke kan erstattes af AI-løsninger. Det omfatter blandt andet empati, kendskab til patientens sociale og økonomiske situation, evnen til at aflæse, hvordan den enkelte helst vil indgå i en dialog, og hvordan apoteket kan hjælpe patienterne til at sætte mål for deres behandling.
Forskerne henviser til, at automatisering ikke er nyt i sig selv. Forskning viser, at teknologien øger antallet af ekspederinger og nedsætter tidsforbruget, men at de relations-baserede opgaver som rådgivning stort set ikke påvirkes. Spørgsmålet er, om det samme gælder, når AI rykker ind på de fagligt tungere opgaver.
|
|
|
Forfatterne har brugt en hybrid metode: De har bedt to store sprogmodeller (ChatGPT 5.5 (thinking mode) and Gemini 3.5 Flash (extended)) om at beskrive apotekspraksis i 2035 og derefter selv gennemgået, suppleret og kategoriseret svarene. Resultatet er en oversigt over apotekets kerneopgaver i to grupper.
Opgaver, hvor AI kan understøtte fagligheden: Vurdering og fortolkning af data output, tilpasning af AI-baserede indsatser til den enkelte, AI-understøttet rådgivning og receptudstedelse, monitorering og opfølgning, vurdering af lægemidlers egnethed og sikkerhed, samt undervisning af patienter, borgere og andre sundhedsprofessionelle. Hertil kommer AI-literacy (se nedenfor).
Opgaver, hvor mennesket står alene: Motiverende samtale, psykosocial støtte, empatisk omsorg, kommunikation, tværfagligt samarbejde, kliniske og farmaceutiske vurderinger, etiske overvejelser — og ikke mindst den menneskelige dømmekraft, der skal lægges oven på AI'ens output.
Forfatternes konklusion er, at udviklingen ikke afgøres af, om AI kommer ind i apotekspraksis, men af hvilken vej faget selv vælger at integrere den. Eller som de formulerer det: Apotekspersonalets evne til at fastholde og udvikle de uundværlige færdigheder afgør, om AI bliver en revolution eller en afvikling af faget.
|
|
|
|
|
|
|
|
AI-kompetence (på dansk AI-færdigheder) er evnen til ikke bare at betjene digitale værktøjer, men at vurdere det, de leverer.
Long og Magerko, som er en nøglereference, definerer AI-literacy som de kompetencer, der gør det muligt kritisk at vurdere AI-teknologier, samarbejde effektivt med dem og bruge dem som redskab i arbejdslivet. De understreger, at teknisk forkundskab ikke er en forudsætning.
|
|
|
Omsat til apotekspraksis handler det om seks ting:
|
|
|
På dansk AI-færdigheder eller AI-kompetence er evnen til ikke bare at betjene digitale værktøjer, men at vurdere det, de leverer.
Long og Magerko som er en nøglereference definerer AI-literacy som de kompetencer, der gør det muligt kritisk at vurdere AI-teknologier, samarbejde effektivt med dem og bruge dem som redskab i arbejdslivet. De understreger, at teknisk forkundskab ikke er en forudsætning.
- At kunne se, hvad der overhovedet er AI. At kunne skelne mellem teknologier, der bruger AI, og dem der ikke gør. (Long & Magerko)
- At kende AI-models styrker og svagheder på lige fod. Sprogmodeller er afprøvet til bl.a. interaktionstjek, medicingennemgang, medicinafstemning, compliance og bivirkninger, man skal kende styrker og svagheder for de konkrete modeller (Long & Magerko; Hoti et al. 2025)
- At kunne fortolke data og output kritisk. Det handler både om data-litteracy og kritisk fortolkning af data som selvstændige kompetencer. På apoteket betyder det at kunne spørge og vurdere, hvilken population systemet er trænet på, og om kunden foran dig ligner den population. (Long & Magerko)
- At vide, at der sidder mennesker bag. Nogen har valgt data, formål og mål med en model. Det er væsentligt at vurdere, hvad er et system er sat i verden for at opnå? (Long & Magerko)
- At kunne håndtere de etiske spørgsmål. Her nævnes GDPR, bias, transparens og ansvarlighed. (Long & Magerko)
- At kunne vurdere, om AI modellen passer til situationen og turde sige fra. Apoteksmedarbejdere skal kunne tilsidesætte automatiserede vurderinger udfra klinisk dømmekraft. Hoti et al. formulerer det som, at farmaceuters ekspertise kan kræve augmentering, men at AI-løsninger bør ses som redskaber, der frigør fagligheden og ikke erstatter den. (Hoti et al. 2025; Hoti et al. 2026).
|
|
|
|
|
|
|
|
Long D, Magerko B. What is AI Literacy? Competencies and Design Considerations. CHI '20. DOI: 10.1145/3313831.3376727
Hoti K, Weidmann AE, Stewart D. Learnings from research on artificial intelligence enabled solutions in clinical pharmacy practice and education. Int J Clin Pharm 2025;47(4):917-20. DOI: 10.1007/s11096-025-01982-4
Kilde: Hoti K, Austin Z, Rosenthal M, Tsuyuki RT. "The Pharmacist's Touch": The indispensable skills of the pharmacist in an era of AI. Canadian Pharmacists Journal, 2026. DOI: 10.3138/cpj-26-0618-ED. Artiklen er frit tilgængelig.
|
|
|
|
|
|
|