俄大學開發社群監測模型 從網路貼文揪出藥物不良反應
謝切諾夫第一莫斯科國立醫科大學開發出一套演算法模型,能從社群平台的病友留言中抓出藥物不良反應,並自動比對國際醫學詞典,藉此找出潛在的未通報用藥風險。
張皓廷
· 2 分鐘閱讀

謝切諾夫第一莫斯科國立醫科大學研究團隊開發出一套演算法模型,能夠自動辨識社群網路中提及的藥物不良反應,並評估貼文內容的完整度,為上市後的藥物安全監控提供新工具。
根據外媒《GxP News》報導,該研究團隊蒐集了 2025 年間俄羅斯社群平台 VKontakte 上,7 個類風濕性關節炎病友社團的資料,分析多達 5 萬 8,884 則貼文與留言。在整個藥物研發流程中,新藥上市後仍需長期收集患者的實際用藥反應;而社群監測技術基礎就是運用自然語言處理等演算法,自動從海量非結構化的網路留言中篩選並辨識關鍵醫療訊號。
分析結果顯示,演算法在龐大資料中初步篩選出 1,463 次提及藥物不良反應的紀錄。然而,一般民眾在社群媒體上的發言往往零碎,真正同時包含發文者、患者身分、具體藥品名稱及詳細反應症狀的貼文僅有 108 則,合格比例只有 7.4%。
研究團隊開發的模型不僅能評估貼文結構是否完整,還能對照國際監管活動醫學詞典(MedDRA)將不良反應進行標準化分類。在符合標準的貼文中,團隊共歸納出 76 個獨特的不良反應詞彙,其中 59 個與現行藥品仿單登載相符,另外 17 個則屬於藥品仿單未收錄的潛在反應假說。
過去相關研究統計顯示,傳統不良反應通報主要來自醫療體系,其中醫師通報佔 61%,藥師佔 8%。研究團隊指出,社群數據雖然具備發掘未知反應的潛力,但社群貼文資訊不全的比例過高,仍是目前藥物安全監控導入自動化分析的主要阻礙。
參考來源
延伸閱讀

醫療質性研究防AI幻覺 新審計框架抓出逾1%虛構引文
學者針對醫療質性研究開發出一套AI審計框架,能在分析訪談逐字稿時驗證AI生成的引文真實性。測試發現AI有1.4%的引述為憑空捏造,該系統能自動攔截並轉交人工審查。

杜拜推AI食安監控 抓Google評論排查餐廳衛生
杜拜市政局宣布導入 AI 系統,透過自然語言處理自動分析 Google 餐廳評論中的衛生與害蟲抱怨,藉此鎖定高風險店家並即時指派人員稽查,提升公部門食安管理效率。

全球數位化翻轉公衛研究 學者籲捨棄傳統文化標籤改納動態視角
公共衛生期刊最新論文指出,數位科技改變了各國文化互動模式,傳統的衛教調查方法已難以適用,研究人員應改採動態且包容數位差異的研究架構。