← Wszystkie case studies · ✨ Inne

Sieć aptek · 62 placówki

Sieć aptek: 89% interakcji lekowych wykrywanych w trakcie wydania recepty

Sieć aptek (62 placówki) — system łączy bazę leków + AI sugeruje pytania do pacjenta, wykrywa potencjalne interakcje i alternatywy.

89%
wykrywalność interakcji
89%
detekcja
14
znaczących interakcji
+NPS
pacjentów
62
apteki aktywne

Okres pomiaru: 3 miesiące pierwszej fazy

Sytuacja wyjściowa

Klient: sieć aptek, 62 placówki w 3 województwach, 480 farmaceutów, 1,2 mln wydanych recept rocznie. Konkurencja: duże sieci ogólnopolskie + niezależne apteki.

Farmaceuta przy okienku ma 90 sekund na pacjenta i kilkanaście leków na recepcie. Sprawdzenie interakcji w czasie wydania — niemożliwe w pełni manualnie. Pacjenci z polifarmacją (>5 leków od >2 lekarzy) byli szczególnie ryzykowni. Powikłania lekowe to 12% hospitalizacji w grupie 65+. Apteki teoretycznie powinny być pierwszą linią obrony, w praktyce — nie były.

Jakie procesy weszły na AI

  • Skanowanie i AI walidacja recepty — Recepta skanowana w 5 sekund, AI łączy z historią pacjenta (jeśli ten sam pacjent w sieci), wykrywa: interakcje (DDI database), powielenia, niespójności dawkowania, błędy receptury.
  • Sugerowane pytania do pacjenta — AI generuje 2-3 sugerowane pytania dla farmaceuty: „Czy bierze Pan jeszcze X i Y?", „Czy ma Pan alergię na Z?". Farmaceuta pyta naturalnie, AI klasyfikuje odpowiedź.
  • Proponowanie alternatyw — Jeśli wykryta jest istotna interakcja, AI sugeruje alternatywny preparat (z notatką dla farmaceuty, żeby skontaktował się z lekarzem przepisującym).
  • Edukacja pacjenta — AI generuje krótkie podsumowanie dla pacjenta: jak brać leki, na co uważać, kiedy wrócić. Wydruk lub aplikacja.

Architektura rozwiązania

Stack RedAI: Claude Opus 4.7 do generowania pytań i edukacji pacjenta, baza interakcji lekowych (Lexicomp), OCR recept (przepisanych pismem). Integracje przez MCP z systemem aptecznym, IKP (Internetowe Konto Pacjenta) gdy pacjent się zgodzi. Hook PreToolUse: pełna anonimizacja przed wysłaniem do modelu, RODO art. 9 jako dane szczególnej kategorii.

Dane klienta nie wychodzą poza prywatną instancję RedAI. Wszystkie wywołania modeli, retrieval z bazy wiedzy i operacje na systemach źródłowych logowane do audytu (NIS2, AI Act art. 12, RODO art. 32). Hooks Claude wymuszają deterministyczne kontrole uprawnień (ACL) przed każdym wywołaniem narzędzia.

Liczby i wyniki

MetrykaPrzedPo wdrożeniuZmiana
Wykrywalność potencjalnych interakcji38%89%+51 pp
Czas wydania recepty2,4 min2,1 min-13% (bez utraty jakości)
Sugerowane interwencje farmaceutybaseline320/mies. na sieć
Lekarz przepisujący — zwrotny kontaktbaseline180/mies.
Satysfakcja pacjentów 65+baseline+42%+42%
Postrzeganie farmaceuty jako doradcybaseline+71%+71%

Setup: 420 tys. zł. Opex: 32 tys. zł/mies. Korzyść trudna w zł — głównie reputacja, retention pacjentów, redukcja powikłań zdrowotnych w populacji obsługiwanej. Strategiczna wartość.

„Pacjent miał 80 lat, 7 leków od 4 specjalistów. Wcześniej żaden z nich nie widział całości. Teraz w naszej aptece widzimy."

— Kierownik apteki

Co dalej

Kolejna faza: zdalna konsultacja farmaceuty (telefoniczna z asystą AI), zaawansowane programy zarządzania terapią dla pacjentów przewlekłych, AI-assisted compounding (przygotowanie leków robionych).

RedAI działa jako prywatna instancja w infrastrukturze klienta. Dane nie wychodzą poza firmę. Umówcie 30-minutowe demo — pokażemy analogiczne wdrożenie w Waszej branży i policzymy ROI na Waszych liczbach.

„Pacjent miał 80 lat, 7 leków od 4 specjalistów. Wcześniej żaden z nich nie widział całości. Teraz w naszej aptece widzimy."

Emil · Kierownik apteki · Sieć aptek

Chcesz, żeby Wasza firma była następna na tej liście?

30-min rozmowa — pokazujemy 2–3 case'y najbliższe Waszej sytuacji (pod NDA) i mówimy, ile zaoszczędzicie w pierwszym roku.

Umów rozmowę