AI藥物再利用如何驗證：跨國合作後要看哪些證據？

一、源華智醫與德法業者簽署了什麼合作？

2026年10月2日，媒體報導華安醫學旗下源華智醫在德國柏林參加藥物再利用研討會期間，分別與德國QuoData、法國MedInsights簽署合作備忘錄（MOU）。RExPO26大會官網列出的會議日期為9月23日至25日。公司對外說明，合作將結合其AI藥物再利用平台與夥伴的統計分析、生物資訊等專業，探索既有藥物的新適應症。

目前公開資訊可確認跨國合作方向，尚未提供足以判斷候選藥物療效的臨床證據。

目前能確認的是雙方簽署MOU並公布合作方向；公開資訊尚未呈現具體候選藥物、執行成果或臨床數據。

源華智醫表示，「智慧協奏」平台整合多種AI模型與分子結構、基因表現、知識圖譜等資料，用於提出藥物新用途的候選方向。公司說明與媒體報導可作為產業消息來源，但合作備忘錄本身無法證明平台預測準確、研究已完成，或候選藥物對患者有效。判讀時應把已簽署的合作、預計進行的工作，以及已有結果的研究分開。

二、MOU與商業化進展如何判讀？

MOU表示合作方已公布合作意向或框架，後續仍須看條款、分工、交付項目與驗收結果。

跨國合作可帶來研究人力、資料分析或疾病領域的互補，但「合作」涵蓋的範圍很廣，可能從交流、技術評估到共同研究，各自的實際承諾要看協議內容。源華智醫的公告與媒體報導提及合作方向，未公開MOU全文、候選項目清單、工作時程、里程碑或可供外部檢視的成果，因此目前無從判斷合作已進入哪一個研發階段。

「商業化」也可能指授權規劃、尋找合作對象、專利布局，或已有產品上市與收入，這些階段不能互相替代。若要追蹤合作是否落地，可查看公司是否公布具體工作分工、交付成果、專利或授權資訊，以及獨立研究者能否依公開方法重現結果。單有簽約或市場拓展消息，不能據此推估成功率、開發時程或財務回報。

三、AI找到藥物新用途後，證據要走過哪些階段？

模型提出的是待檢驗的候選假說；從實驗結果到人體研究與核准，每一步都需要對應的資料支持。

藥物再利用是評估既有藥物能否用於新的疾病或適應症。AI可以整合資料、排序候選項目，協助研究者決定先檢驗哪些方向；但模型分數或資料庫中的關聯，不能單獨回答候選藥物在真實生物系統中是否有效、安全，也不能說明患者是否受益。

研究證據通常需逐層累積：先說明模型用途、輸入資料與評估方式，再以獨立資料或不同方法檢查預測是否可重現；之後進入細胞、動物等實驗，以及依研究問題設計的人體臨床研究。若研究進入臨床試驗，還須看受試者條件、試驗階段、對照方式、主要結果與不良事件。不同階段回答不同問題，前期結果不能直接當成臨床療效證明。

FDA與EMA在《Guiding Principles of Good AI Practice in Drug Development》中列出的共同原則，涵蓋明確說明模型用途、風險導向的效能評估、資料治理與文件紀錄，以及模型生命週期管理。依這份官方文件，判讀AI成果時須知道模型用來回答什麼問題、依據哪些資料，以及表現如何被評估。

四、台灣讀者可以查哪些公開資料？

可先查台灣藥品臨床試驗資訊網的試驗登錄，再對照研究設計、狀態與結果；登錄不等於試驗成功。

衛生福利部食品藥物管理署設有「台灣藥品臨床試驗資訊網」，可用來搜尋台灣藥品臨床試驗相關資訊。若企業日後公布候選藥物或試驗名稱，讀者可核對是否有對應登錄、研究階段、試驗主持或委託資訊，以及招募與完成狀態。若找不到登錄，也不宜只憑新聞推定試驗已啟動。

1. 先記下公司公開的候選藥物名稱與預計治療的適應症。
2. 到台灣藥品臨床試驗資訊網搜尋藥物名稱或試驗名稱，確認是否有相符登錄。
3. 若找到試驗，核對研究階段、主持或委託資訊，以及招募和完成狀態。
4. 對照公開的研究設計與結果，確認證據所處階段；試驗登錄本身不代表試驗成功。

FDA於2025年發布的AI草案指引，討論AI模型用於支持藥品與生物製品安全性、有效性或品質相關監管決策時，如何依模型用途評估可信度。文件標示為草案、含非拘束性建議，適用範圍也有特定目的；它不是台灣法規，也不能直接證明某家公司已符合審查要求。EMA於2024年發布的反思文件則討論AI在藥品生命週期中的應用。兩者可作為理解監管機關關注資料品質、模型用途與風險管理的背景，實際要求仍須依所在地法規與個案判定。

FDA《Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making for Drug and Biological Products》草案指引指出，AI模型可信度應放在特定使用情境中評估，並說明模型輸出如何支持藥品安全性、有效性或品質相關的監管決策。依該草案的建議，「AI表現良好」必須連同模型用途和評估方式一起理解。

五、後續追蹤合作，先看成果再看宣稱

優先追蹤可檢視的合作產出、驗證方法和臨床研究資料，並讓每一項主張都對應到相同階段的證據。

對一般讀者而言，跨國MOU是觀察醫療AI產業布局的起點。後續若出現候選藥物名稱、公開的實驗結果、獨立驗證、試驗登錄或正式研究論文，便能逐步判斷工作進度。研究結果還要看樣本、比較組、終點與限制，不能只看摘要中的正面結論。

孕婦、兒童、慢性病患者與長期服藥者尤其不應從產業新聞推論某藥適合自己。現有合作報導沒有提供可供評估特定藥物交互作用的成分或臨床資料；文章也不提供個人用藥建議。任何人都不應依據AI藥物再利用的消息自行開始、停止或更換藥物。

• MOU可確認合作方公布合作意向與方向，不能代替研發交付或臨床結果。
• AI模型提出新適應症候選後，仍須依序檢驗資料、實驗與人體研究證據。
• 追蹤公開試驗登錄、研究設計與可重現結果，才能判斷進展到哪一階段。

常見問題

不等於；合作關係與臨床驗證是不同的資訊。

常見問題

Q1：跨國合作是否代表候選藥物已進入臨床試驗？

不一定。需查到特定藥物、試驗設計與登錄資訊，才能確認是否啟動人體研究。簽署MOU本身不足以判定試驗階段。

Q2：AI找到藥物新用途，就表示藥物有效嗎？

不是。AI結果是研究候選或假說，仍要經資料驗證、實驗及適當的人體研究，才能逐步回答效果與安全性問題。

Q3：公司談到商業化，能證明患者已受益嗎？

不能。商業化可能指授權或合作規劃；患者效益須由相應的臨床證據支持。