2025 年 9 月 8 日，在台北醫學大學（Taipei Medical University, TMU）舉行的「2025 年國際藥學研討會」以「Next Generation of Pharmacy in Health Care and Pharmaceutical Science」為主題，匯聚國際藥學重量級產學研先進共聚探討下一代藥學的發展方向與應用。

聚焦教改、體學、AI 與用藥安全四大軸線，共探藥學發展新方向

首日開幕式上，北醫校長吳麥斯點出本次兩天議程的四大軸線：把藥學教育改革、藥物基因學／藥物基因體學（pharmacogenomics）、人工智慧藥物研發與藥品安全監測，放在同一條時間軸上，從「培養人才」到「精準醫療」，再到「用藥安全」，試圖畫出下一代藥學的完整生態鏈。他也透露學校正嘗試將遺傳資料（genetic data）納入全校醫療與環境資料系統，為精準醫療鋪路。

衛福部食品藥物管理署（Taiwan Food and Drug Administration, TFDA）品質監督管理組組長遲蘭慧強調跨域與跨國協作、智慧監管（smart regulation）與人才發展（workforce development）的重要性。台灣藥學會（Pharmaceutical Society of Taiwan）理事長高純琇則以「倫理、病人安全與以病人為中心（ethics, safety and patient-centered care）」定錨專業價值。

台北醫學大學董事趙宇天指出，從藥物發現—研發—製造—商業化—藥物安全與醫療溝通環環相扣，人工智慧／機器學習（AI/ML）與數位健康（digital health）帶來機會也帶來責任，「資料品質不佳，結果也會失真（garbage in, garbage out）」是新時代的基本功。

下一代的教育改革，朝向培養未來藥師的跨域與數位素養

吳麥斯校長指出，變局快速，「教育是起點」。議程需以藥學教育為首，呼應臨床現場對跨領域能力（interdisciplinary skills）與數位素養（digital literacy）的需求。遲蘭慧組長也提到，臨床藥學（clinical pharmacy）角色日益重要，特別是在藥物基因體學與個人化醫療情境中。

未來的藥師，必須能理解資料、連結證據，並在跨專業團隊中協作。這不只是課程調整，而是訓練面向「真實世界證據（RWE）」的能力——把病人資料、治療結果與安全訊號串成決策鏈。簡言之，課綱的更新只是開始，能力形塑才是真正落地。

藥物基因學是精準醫療的「底層密碼」

吳校長把藥物基因學定位為精準醫療的地基工程：北醫正推進「全學門的基因普查（generic genetic survey）」，並將遺傳資料×醫療資料×環境資料整合。其意義在於：當我們提前應對代謝型態、藥物反應、多型性（polymorphisms）等層面，處方設計與劑量判斷便能更朝向個體化，副作用管理亦可超前部署。把遺傳變異這把刀磨利後，後端的藥品安全監測與治療成效追蹤才能更精確。

AI 藥研與安全監測，成為創新與品管兩大基石

AI 藥物開發方面，演算法與高品質資料如果有效的相輔相成，將可以大幅縮短候選藥物篩選時間；而藥品安全監測（pharmacovigilance）則是「創新之後的秤與尺」，負責驗證、校準與回饋。

遲蘭慧組長點出，智慧監管與國際協作是關鍵路徑；美、日、英等地學者與實務界參與，讓台灣在規範、資料與方法學上與世界接軌。

趙宇天董事提醒，AI/ML 應用成敗取決於輸入資訊的一致性與正確性，否則將面臨「垃圾進，垃圾出」的挑戰；更重要的是，數位健康與機器人只是工具，改善人類健康才是目的。高純琇理事長則重申，所有創新必須回到倫理、安全與以病人為本。

三大觀點串聯，建構次世代藥學的閉循環體系

首先是資料—模型—決策的閉循環，從教育改革培養資料素養與跨域合作能力，支撐藥物基因學的資料整合，再推動AI藥物研發；最終由藥品安全監測把臨床真實世界訊號回輸。這是「教育→資料→創新→監管→再教育」的學術—產業—臨床閉循環。

其二是監管與創新的協同進行，遲蘭慧提出的智慧監管不僅是看門人，更是創新促進者：以證據與風險做權衡，得以讓 AI 研發與精準用藥在安全軌道上加速前進。當跨國與跨界合作成為新常態，建立一致的標準與資料互通模式將會是非常關鍵的環節。

最後，隨著時代快速變遷，專業價值需要再定義，不論演算法或新型平台如何更迭，倫理—安全—以病人為中心仍是藥學專業的鐵三角。臨床藥師必須在醫師、護理、研究與產業之間扮演「翻譯者與整合者」，把複雜科學轉為可執行的用藥決策。

「以學習為燈、以協作為舟」，成就下一代藥師精神

既然變化是定數，學習則是必要的解方。本次會議，從課綱到資料、從研發到監管，台北醫學大學與 TFDA、台灣藥學協會及各國學者專家並肩，為精準醫療搭建「從學校到臨床」的跑道。先求正確，再求快速——當資料品質、證據鏈與倫理框架三者同時到位，AI 藥物發現與個人化醫療才能真正落地。