基于人工智能的老年用药智能管理系统：处方数字化与自适应分药技术研究

为解决老年及慢性病患者用药依从性低、传统分药系统适应性差等问题，研究人员开发了集成处方数字化OCR（光学字符识别）和吸盘式分药装置的AI智能管理系统。该系统通过计算机视觉算法（IoU=0.952）精准提取处方关键信息，结合大语言模型（LLM）修正52.63%的OCR错误，并采用线性致动器与气泵电机实现多形态药片100%精准分装，为智能化用药管理提供新范式。

　　

随着全球老龄化加剧，慢性病负担日益沉重。到2030年，慢性病将占全球死亡原因的70%和疾病总负担的56%。老年患者因认知衰退和用药复杂，面临严重的用药依从性问题——研究表明，仅61.6%的慢性病患者能正确遵循医嘱，而用药错误可能导致从治疗失败到药物中毒等一系列严重后果。现有解决方案如电子药盒或手机提醒APP虽有一定效果，但存在功能单一（仅提供提醒）、无法适配异形药片、依赖人工输入等缺陷。为此，Mohammed Ghazal团队在《Expert Systems with Applications》发表研究，提出融合处方数字化与自适应分药技术的AI系统。

研究团队采用多模态技术路径：1）基于计算机视觉的处方区域检测算法（IoU评估）；2）OCR与OpenAI大语言模型结合的文本解析流程；3）含线性致动器、步进电机和气泵的吸盘式分药机构；4）针对阿联酋医疗机构的标准处方模板优化系统。测试样本来源于当地医疗机构的标准化处方文档。

ROI Detection Performance
通过交并比（IoU）评估处方关键区域检测效果，系统达到0.952的高精度，显著优于传统方法。OCR环节单词和字符错误率分别低至0.039和0.025，为后续分析奠定基础。

System Overview
分药机构采用旋转托盘设计，通过负压吸附实现多形态药片（包括不规则形状和易碎质地）的精准抓取。步进电机控制使容器定位成功率达100%，解决了传统重力式分药机的药片卡滞问题。

Conclusions
该系统首次实现从处方识别到分药执行的全流程自动化：大语言模型纠正半数以上OCR错误，吸盘机构突破药片物理特性限制。相比现有方案，其核心优势在于：1）免除人工输入错误；2）适应90%以上常见药片类型；3）支持阿拉伯语处方解析。未来通过扩展处方模板库和云端协同，有望成为跨区域智慧医疗基础设施。

研究意义不仅体现在技术参数——如IoU^0.952
或ADR降低潜力，更在于构建了可扩展的智能用药管理框架。作者团队（含Hadil Salman、Abdalla Gad等）特别指出，该系统对多语种医疗文档的适配性将为"一带一路"国家的健康老龄化提供关键技术支撑。