近年来,以大语言模型为代表的人工智能(AI)技术快速发展,为各行业智能化转型提供了新的技术支撑。本文从技术与业务适配性的角度出发,分析了当前药品监管领域智能化面临的挑战、AI 技术在药品监管业务中的应用潜力以及 AI 技术与药品监管业务的融合方法。通过国内外典型案例研究,重点探讨了在药品监管领域辅助审批、日常监管、公众服务和决策支持等关键业务场景 AI 赋能的技术路径及应用效果。得出 AI 技术可显著提升监管效率,但需解决数据安全、业务适配等关键问题的结论,并提出构建国家级药品监管大语言模型平台、完善协同创新机制等思考,为推进药品监管智能化转型提供参考。
目的 : 人工智能(AI),特别是自然语言处理(NLP)和大语言模型(LLM),有望显著提升药物警戒场景的工作效率,以应对不良反应报告数量持续增长带来的行业挑战。本文旨在系统梳理部分国际药品监管机构和国际组织在药物警戒场景关于 AI 技术的监管政策和具体应用情况,以期促进 AI 技术在该场景的健康发展。方法 : 本文通过系统性的文献回顾,对比分析美国、欧盟、英国、日本的药品监管机构在相关领域的政策法规制修订情况及国际组织相关文件的发布情况,并梳理上述药品监管机构及国际组织在药物警戒场景中运用 AI 技术的最新进展。结果 :NLP 和 LLM 技术在药物警戒全生命周期中展现出广阔的应用前景。国外监管机构及国际组织已经在不良反应识别、规范上报、评价处置以及风险信号识别评估等不同阶段,积极探索 AI 技术的应用。然而,AI 技术本身存在固有的局限性,如数据偏移及可靠性等问题,这给其实际应用带来了挑战。全球药品监管机构和国际组织正通过起草并发布指导文件等方式,促进 AI 在药物警戒中的合规应用,各类指导原则均强调了人类监督、模型验证和风险控制的重要性。结论 :为充分发挥 AI 的优势并克服其局限性,有必要建立合理的监管机制,以确保 AI技术能够安全、有效地应用于药物警戒场景。