止痛藥錯開成青光眼藥，每年高達3,000人次受害！一套系統，如何把關台灣人安全用藥？|數位時代 BusinessNext

止痛藥錯開成青光眼藥，每年高達3,000人次受害！一套系統，如何把關台灣人安全用藥？

Acetazolamide（青光眼用藥）與Acetaminophen（止痛用藥）是兩種不同藥品，卻很容易被誤用，醫守科技如何運用AI，從處方中抓錯？

運用13億筆台灣健保處方、2億筆美國數據，拉起開錯藥第一道防線

台灣全民健保的納保率超過99％，不但包含了台灣幾乎每一個人的就診紀錄，以及每一次的處方箋，也讓健保資料庫成為醫藥衛生領域中，最具代表性的數據來源。

醫守科技的產品「藥御守」就是運用AI，分析健保資料庫中多達13億筆的處方，設法從醫師開立處方的那一刻起，就為安全開藥把關。

如何從處方中抓錯？龍安靖舉例說明，「病患過去一整年都沒有糖尿病，但開藥突然出現糖尿病用藥，兩者毫無關聯性，這就值得注意了。」

實際運作上，醫守科技是將「藥御守」和醫師使用的處方系統串接，或以擷取畫面資訊協助辨識，「什麼症狀連結到什麼藥物，視覺化就會很清楚；完全找不到理由的用藥，系統還會發出警示。」

不過，這種「用症狀對應藥物」的模式，還是有例外狀況。

比方說，同一種藥物很可能有上百種適應症，沒辦法窮盡列舉出所有情況，對醫師在判斷上造成困難。因此，醫守不只是單純地「連連看」，除了將病症對上用藥，還納入年齡、性別、科別、過去診斷的案例、用藥情況共20～30個變數去檢驗，「所以我們系統找到的開藥錯誤，都是相當偏差的錯誤。」

另外一個特殊狀況是，像是感冒糖漿、皮膚科的抗生素這類萬用藥，有時候沒辦法直接連結到什麼病症，「病患就是說不舒服，但不舒服又不是一個症狀。碰到這種狀況我們還是會顯示出來，但不會跳出警示來煩醫生。」

「所以，我們還是需要『工人』智慧。」龍安靖解釋，醫守團隊裡有醫師和藥師，會不斷協助調整模型。

為8家醫院提供用藥分析，目標國際市場

目前包括北醫體系的3家醫院，與中部、北部各一家醫院，已經正式採用藥御守的服務。醫守科技也為8家醫院提供用藥報告分析，但是志不在賺錢，而是以推廣服務為主。

對於去年才成立的醫守科技來說，真正的機會在美國等國際市場。一來因為台灣市場太小，二來則是台灣醫院營收也有限，對於支出需要錙銖必較，對於新產品的採購，特別是軟體也較多考量，「所以台灣市場就是打平就好。」

但跨國民眾的用藥狀況會一樣嗎？「藥物在使用上，與人種差異沒有太大關聯，我們是用台灣的資料，輔以2億筆美國的數據，去做一個新的模型。」不過，龍安靖也說，美國沒有像台灣健保資料庫這樣統一的數據庫，如何在海外市場整合各地的資料，並進行格式清理，才是真正的門檻所在。

對龍安靖來說，台灣健保資料庫的可近性、資料量、廣度都很夠，所產出的產品都很有價值，再加上高素質的醫療人才，將成為醫守科技跨出台灣、放大台灣醫療價值的最大優勢。

醫守科技
成立：2019年　
創辦人：龍安靖、Jeremiah Scholl、靳嚴博、李友專　
主要業務：以AI提供病人安全處方解決方案

責任編輯：郭昱彣、林美欣

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。