即時了解新藥上市後的各種不良藥物反應（英語：Adverse Drug Reaction，簡稱 ADR）情形，對於藥品製造商、醫療機構、政府部門以及一般民眾來說極為重要。因為一旦患者發生 ADR，輕則導致失眠或是暫時性的不適症狀，重則導致患者住院或延長其住院時間、產生永久性殘疾或先天性畸形，甚而危及生命。藥物不良反應事件（英語：Adverse Drug Event，簡稱 ADE）是一個全球性的問題，雖然世界各國政府皆提出各種藥物上市後的安全監控計劃與機制，2011 年的研究報告仍指出約有高達 90％ 的未通報 ADR。主動通報在目前的監控機制中扮演了重要的角色，根據臺灣全國藥物不良反應通報中心的統計，104 年度總計收到上市後 ADR 通報有 12,815 件，其中主要通報來源以醫療人員為主，民眾的主動通報僅占整體數量 0.1%。近年來隨著網際網路的普及讓民眾有更多取得與分享健康資訊的管道，許多的線上資源如健康論壇，甚至是病患社群的出現，連帶產生了巨量的發文，也為藥物安全監控來源開啟新的契機，並可望翻轉原先以醫療從業人員為主的通報方式，成為新的以病患為主導的 ADE 回報機制。

鑑於 ADR 自動監視與通報系統為先進國家對上市後藥品安全性評估的必備機制，除了被動的進行藥物安全監控與 ADR 通報的宣導與推廣外，以自然語言處理（英語：Natural Language Processing，簡稱 NLP）技術分析社群網路中所分享的巨量未結構化文字訊息，並從中擷取可能潛在之 ADE 實為一具備可行性、前瞻性且高進入門檻的發展方向。本計畫擬建置一巨量資料分析平台，於其上發展 ADR 監控系統來即時分析主流中英文社群媒體（推特及批踢踢）上之社群發文串流，自動化擷取其中提及之 ADE ，結構化的儲存於資料庫系統與資料倉儲中，最後再利用應用程式介面讓商業智慧分析軟體、一般應用程式或研究者能根據其需求對即時社群媒體上的 ADE 進行多維度、程式化或視覺化之分析等加值應用。本計畫研究主題囊括社群媒體探勘、機器學習（包括如 Self-training、Transfer Learning 技術與深度學習）與雲端計算應用，更是目前首度計畫將中文社群媒體作為 ADR 監控資料來源之一的研究型計畫。

希望能藉由本計畫的執行輔助各機構現有的藥物安全監控機制，將監視期內藥品所引發的 ADR 即時的回報，以提供醫院藥學部或衛生福利部食品藥物管理署進行藥品管理參考之用，以期能達到即時迅速的藥物安全監控與分析，並發掘潛在之藥物安全疑慮。本計畫最後產生的開放資料成果，也可望成為相關生醫研究學者另一個巨量健康資料分析的來源，針對特定疾病及症狀，或藥物及特定的 ADR 來進行深入分析，並與其它資料分析成果進行交叉比較。

科技部 [MOST 106-2221-E-143 -007 -MY3]

Role: 主持人
Status: 執行中
NTD: 2778000