台灣用藥量與其他國家相比，數量相當驚人，總人口雖然只有 2,300 萬，每一年全台醫療院所開出的處方箋卻高達 3 億 6,000 萬張，健保局給付的藥品費用一年高達 1,200 億元。

根據行政院主計處調查，2016 年家庭消費支出結構按消費型態區分（見圖表2-a），食品飲料及菸草占 15.76％，醫療保健花費占 15.33％。也就是說，台灣人每 100 元的花費，有 15 元用在吃飯，也有 15 元用在看病吃藥，「吃藥」幾乎跟「吃飯」一樣重要了。

如此龐大的用藥量，相對出現問題的機率也會增加，不論大醫院或小診所都可能曾發生藥物劑量錯誤、使用方式混淆等用藥疏失，輕則傷身，重則致命。

醫療用藥過程可區分為四個階段：從醫師開處方箋 ( Prescribe)、藥師調劑 ( Dispense ) 、住院給藥 ( Administration ) 到病人服藥遵從性 ( Compliance ) ，每個環節都可能發生錯誤，若能透過 AI 把關，便能在問題發生前將之「攔截」，有效降低用藥錯誤的機率。

以 AI 做為用藥安全的第一道防線，在醫療早期階段捕捉不適當用藥處方，不僅確保病人安全與品質，更能減少後續衍生不必要的醫療成本。

就醫師開處方箋來說，AI 可以扮演很好的守門人角色。

醫師每天得開出許多處方箋，藥方和病症並非絕對的一對一恆等式，而是一對多、多對一，乃至多對多的複雜交錯關係，光是普拿疼一種藥，就可以用在 1,500 種疾病上，要做出百分之百正確的下藥判斷，對醫師也是很大的考驗。

據估，台灣一年約有 1,800 萬張的不適當處方箋，大約是台灣每年3 億 6,000 萬張處方箋中的 5%，這個比例和美國相當也接近全球平均。

在這 5％ 之中，很大比例是不小心多開或少開幾顆無害的藥，或診斷不精確的情況，看似不嚴重，仍然不可不慎，開錯藥不僅會對人體造成傷害，嚴重甚至會致命，過去就曾發生過某醫院開錯劑量，將每次 0.5 顆的劑量開成每次 5 顆，導致病人一次吃下十倍劑量而致死的案例。相對而言，利用簡單條件式就可以阻擋用藥劑量明顯過高或過低的錯誤，但用藥與診斷是否相符，則需要較強大的 AI 系統才能判斷。

如果只是將適應症和用藥規則化，輸入電腦、建立資料庫，並無法徹底管理處方箋錯誤的問題，主因在於臨床上有太多例外狀況，舉例來說，感冒並不是抗生素的適應症，但是當醫師根據病人的狀況，認為有必要開抗生素時，該不該視為開錯藥？

→更多內容，請閱讀《AI醫療大未來：台灣第一本智慧醫療關鍵報告》