藥物不良反應嚴重可致死，據國際調查，約9成以上藥物不良反應未被人通報。成大跨領域研究團隊首創利用人工智慧及深度學習方法，建立起藥物不良反應偵測模型，在模型的驗證與實驗上，以2009年747種藥物做預測，不僅可識別出747種藥物的不良反應，進一步與2012年通報的新藥不良反應資料做比對，依藥物說明書與化學結構式等資訊，測得232種新藥可能存在的藥物不良反應。論文2月刊登於Journal of Medical Internet Research，立即引起美國社群媒體Inside Digital Health重視，透過電話專訪報導。

藥物不良反應偵測模型，由成大醫學資訊所蔣榮先教授與臨床藥學研究所高雅慧教授、鄭靜蘭教授率團隊共同合作完成。蔣榮先指出，新藥開發需花費大量時間與金錢，團隊建立的藥物不良反應偵測模型可以幫助製藥業者，預測新藥潛在不良反應，製造更安全的藥物，更加保障用藥安全。他透露，「論文發表後2、3星期內，Inside Digital Health的記者Luna Adler即主動專訪，媒體對學術研究高度感興趣，這是我從事學術研究20多年來，難得的經驗」。

團隊依據全球最知名的上市藥物副作用資料庫SIDER記載2009年747種藥物及1325種藥物不良反應做為訓練資料，以美國國家醫學圖書館所建置的生物醫學文獻資料庫平台（PubMed），設定醫學文獻的搜尋條件進行文字探勘，之後又藉由2012年的不良反應紀錄來驗證模型預測結果，共預測出979種藥物的潛在不良反應，其中232種藥物是2012年才出現的新藥物。

蔣榮先指出，模型所預測的結果，不只可以幫助藥廠製造更安全的藥物，也可提供臨床醫療人員對藥物可能具有額外潛在副作用的資訊，降低病人受不良藥物反應的風險。成大團隊研發的模型同時具有擴充性，能調整需監測的藥物，達到更有彈性的預測。也能結合病人的醫療資訊與個人藥物代謝資料，整合成個人化的藥物不良反應預測系統，供醫師開立處方或藥師評估處方的風險資訊參考。

世界衛生組織（WHO）對藥物不良反應的定義，藥品在正常劑量使用下，出現預期外且有害的症狀。衛福部食藥署自1998年建置藥品不良反應通報系統，累計至2017年已達1萬5422筆，其中6199例屬嚴重或危及生命，而有627例導致死亡。美國FDA統計，美國每年有數百萬人通報藥品不良反應，約50%為嚴重或危及生命，其中更有10%的嚴重副作用導致病人死亡。目前藥物不良反應，仿單上記載的是來自於開發與臨床試驗階段觀察得到的資訊，至於較少見的不良反應，上市後要靠安全性監測系統追蹤、評估。各國常用的方法之一是藉由民眾或醫療人員自發性回報藥物不良反應，收集用藥安全資訊。（撰文／孟慶慈　圖片／成大新聞中心資料照片）