Thunk.AI AI藥物警戒可靠度逾99% 加速藥品通報效率

Thunk.AI 近日公布一項人工智慧（AI）在藥物警戒領域的自動化效能評估標準，展示其 AI 解決方案在藥品安全通報處理上的可靠度高達九成九以上。藥物警戒（Pharmacovigilance）指的是藥廠在藥品上市後，持續監測其安全性與不良反應的機制，以確保民眾用藥安全，並遵守相關法規。

這份評估報告是 Thunk.AI 的第三份「HiFi」系列基準測試，旨在衡量 AI 代理在藥物警戒案件受理環節的可靠性。測試過程模擬一家虛構的藥廠，涵蓋四種腫瘤藥物與一種試驗藥物，並依循一份詳盡的七步驟標準作業程序（SOP）。測試中，AI 處理 75 份藥物不良反應報告，其中有 37 份需要緊急通報，共進行了 1,797 項事實檢查。

測試結果顯示，在 Thunk.AI 平台導入結構化工作流程後，無論是 GPT-5.1、gemini-3.5-flash 或 muse-spark-1.3 等 AI 模型，其藥物安全報告分類加權分數（Weighted Score）皆可達到 97.9% 至 99.8% 的高水準。相較於模型未經平台處理的表現（最高僅 95.4%），透過平台的最佳化，模型性能顯著提升，例如 GPT-5.1 提升 9.8 個百分點，gemini-3.5-flash 提升 6.4 個百分點。

在平台協助下，75 份報告中有 72 至 75 份分類正確，所有 37 份緊急法規報告也皆被正確識別。在總計 225 次報告運行中，僅發生 2 次安全錯誤。相較之下，未經平台最佳化的模型，其加權分數僅介於 88.1% 至 95.4%，且在 75 份報告中僅 56 至 67 份分類正確，並錯失了 3 至 9 份緊急報告，安全錯誤次數更高達 23 次。

Thunk.AI 的共同創辦人暨執行長 Praveen Seshadri 指出：「藥物安全團隊需要的 AI，不是大部分時候正確，而是能在每一個案例，包括困難案例中，都嚴格遵守 SOP。」他強調：「智慧來自 AI 模型，但流程的可靠性則源於自動化平台、其應用模型及其提供的代理驅動架構。」這意味著透過將複雜流程分解為多個步驟，並為每個步驟指定特定工具，搭配固定數值類型記錄結果，可大幅減少錯誤，有效確保藥物不良反應通報的準確性與時效性。

對於台灣生技製藥產業而言，隨著新藥開發與國際合作日益頻繁，藥物警戒的效率與準確性也愈發關鍵。此類 AI 技術的發展，可望為台灣業者在面對日益複雜的藥品法規與龐大的數據處理需求時，提供一套高效且可靠的解決方案，提升整體藥品安全監測的國際競爭力。