Potier, Arnaud <br/><br/>
Démarche pour implanter un système d’aide à la décision pharmaceutique : détecter et résoudre les problèmes liés à la pharmacothérapie 

 -  2023.<br/>							 
<br/><br/> 88 
<br/><br/> Goals. To present for implementation of a Pharmaceutical Decision Support System (PDSS) that improves the detection and resolution of Drug-related problems (DRP). The aim is to improve the relevance of the patient’s drug management. Methods. Over 4 years in two health facilities, pharmacists and IT professionals supported by the company Keenturtle (France) formalized the PDSS according to the active triangulation of a CDSS. Guidelines are defined to represent knowledge into pharmaceutical algorithms including human supervision. Terms not only in AI-pharmacy are defined in a glossary in order to contribute to users’ training. Results. Since 2018, the PDSS is operational; it associates patient health data to pharmacotherapy knowledge in the deductive reasoning software Pharmaclass®. A guideline defined in 12 steps, helps the pharmacist to transpose clinical recommendations into 201 pharmaceutical algorithms which modeled patient situations as a part of the PDSS. A specific template of the pharmaceutical algorithms supports the detection and resolution of DRP. Moreover 41 terms are defined in a glossary. Conclusion. Defining a framework to implement and use a PDSS reduces its complexity. The knowledge representation strengthens the ­pharmacists’ expertise through its pedagogical side. This representation is a central point of the PDSS. Symbolic artificial intelligence approach will help pharmacists in their practice.  Objectifs. Présenter la démarche pour implanter un système d’aide à la décision pharmaceutique (SADP) afin d’améliorer la détection et la résolution des problèmes liés à la pharmacothérapie (PLP). La cible est l’amélioration de la pertinence de la prise en charge médicamenteuse du patient. Méthodes. Sur 4 ans dans deux établissements de santé, pharmaciens et informaticiens appuyés par la société Keenturtle (France) formalisent le SADP, selon la triangulation active des Clinical decision support system. Les lignes directrices pour représenter les connaissances en algorithmes pharmaceutiques en incluant la supervision humaine sont définies. Un lexique des termes notamment sur l’IA-Pharmacie est mis à disposition pour former les utilisateurs du SADP. Résultats. Dès 2018, le SADP est opérationnel ; il relie dans un logiciel d’inférence déductive, les données de santé du patient aux connaissances en pharmacothérapie. Une ligne directrice définie en 12 étapes, aide le pharmacien à traduire les recommandations cliniques en algorithmes pharmaceutiques qui modélisent des situations patient intégrées dans le SADP. La modélisation des situations en 201 algorithmes pharmaceutiques systématise la détection et la résolution des PLP. De plus, 41 termes sont définis dans un lexique. Conclusion. La définition d’un cadre pour implanter et utiliser un SADP réduit la complexité de l’approche. La modélisation des connaissances par sa dimension pédagogique renforce l’expertise du pharmacien. Elle est donc un élément central du SADP pour mobiliser la profession dans le champ de l’intelligence artificielle symbolique.