目前关于人工智能(AI)在药物安全领域的讨论大多集中在增量改进上：简化入组表单、加速监管活动医学词典(MedDRA)编码，或减少不良事件记录中的文书错误率。这些都是有意义的改进，但未能解决一个更根本的问题：当安全案例处理本身不再是瓶颈时，会发生什么？
答案是信号管理的质变——从周期性、回顾性活动转变为连续和近乎实时的学科。如果结构化、经过质量审查的案例数据能在几小时内（而非几天）提供给信号检测团队，这将产生深远影响。常规月度列表周期将变得多余。目前被视为监管底线而非绩效目标的七天疑似非预期严重不良反应(SUSAR)时间线，将不仅轻松可达，而且容易超越。同时，安全科学家可以将时间集中在解释和决策上。
监管发展方向
这种时间压缩的雄心反映了主要监管机构已经规划的方向。欧洲药品管理局(EMA)几年前就提出，到2030年，关键新药的药物警戒(PV)应支持监管机构进行实时决策——将该学科从被动案例收集转变为积极、连续的安全监测。GVP第IX模块关于信号管理的内容强化了这一期望，将早期检测和及时评估确定为核心目标。
在美国，FDA的哨兵计划(Sentinel Initiative)追求类似目标，寻求建立主动监测基础设施，能够补充——最终超越——自发不良事件报告的固有限制。
满足这些期望所需的技术，尤其是代理式AI，离我们并不遥远。自动化案例录入、AI辅助编码和医学审查，以及持续质量监控，要么已经可用，要么正在积极开发中。现在还需要的是愿意大规模连接这些组件，并投资于治理基础设施，使公司能够有信心地利用这些能力。
一旦近乎即时的案例处理成为标准，对报告时间线的影响将是实质性的。现行法规要求致命或危及生命的非预期反应在七日历日内到达卫生当局——这一窗口期是围绕手动工作流程校准的。自动化处理可能实现当日周转，意味着更早的监管可见性、更早的患者保护和更强的整体安全状况。
数据量、噪音与顺序分析的局限性
更多数据的可用性本身并不能转化为更清晰的信号情报。在许多方面，数据源的增长使分析任务变得更难而非更容易。内部数据集——临床试验记录、暴露史、安全数据库——现在由真实世界证据、电子健康记录、已发表文献以及FDA不良事件报告系统(FAERS)和欧盟EudraVigilance等监管存储库补充。当前的顺序工作流程并非设计用于快速或连贯地交叉分析这些源。
仅重复问题就很有启发性。TransCelerate BioPharma对七家主要制药公司的研究发现，在250万个案例版本中，每个案例版本平均提交三次，相当一部分达到十个或更多卫生当局接收者。同时，外部因素——对特定药物类别的高度媒体关注、对新授权疫苗的公众关注——可以产生报告量的激增，而不会改变潜在产品风险。GLP-1受体激动剂不良事件报告的记录激增，与公众和媒体对该类别的兴趣激增同时发生，就是这种效应的一个例证。真正的信号可能被不断扩大的噪音层所掩埋。
AI提供了通过这一问题的途径——不是取代专家分析，而是使其更有效。训练有素的模型可以区分真正的统计模式和报告伪影，突出最可能代表真正安全信号的案例子集，并将专家注意力集中在最高优先级项目上。结果是安全科学家的时间花在评估预先优先排序、上下文丰富的信号上，而不是处理未区分的大量数据。
重新考虑人工审核的角色
对减少人工参与案例处理的担忧是可以理解的。然而，它们通常基于一个隐含假设，即手动性能既可靠又一致——这一假设经不起仔细审查。
关于个例安全性报告(ICSR)质量的例行检查之所以存在，正是因为人类依赖的工作流程难以大规模标准化。5%或10%案例量的质量控制抽样并不能保证系统质量。疲劳和解释不一致的众所周知的影响随着处理量的增加变得更加明显。提供100%质量覆盖的自动化系统——具有检测模型漂移和启用系统重新训练的治理层——代表了对这一基线的实质性改进。当质量问题确实出现时，重新训练模型比重新训练数百名案例处理人员要容易得多。AI驱动的处理也本质上更可审计：每个决策都被记录，每个偏差都可追溯。
值得回顾的是，该行业之前已经驾驭过类似的转变。当PV功能在1990年代末和2000年代初开始将案例处理外包给合同研究组织时，提出的担忧与今天关于AI的声音非常相似。赞助商如何保持监督？如何远距离保证质量？这些担忧通过治理框架、合同控制和积累的经验得到解决。这种转变现在已经如此确立，几乎不再被提及。从外包人工处理到AI的结构性挑战并非本质上不同。即使组织可能因为担心检查而对AI使用犹豫不决，有正确的治理和监督，检查也可以非常成功地进行。
无论如何，目标并不是某种绝对意义上的自主药物警戒——一个完全无需人工输入运行的系统。它是增强的药物警戒：AI处理高容量、规则管理的任务，而人类专业知识集中在真正需要它的解释、上下文和沟通维度上。信号验证、监管对话、获益-风险评估以及与医疗专业人员的互动仍然牢固地属于安全科学家的领域。问题在于这些科学家是否应该将大部分时间花在数据准备上。
可信的近期前景
此处描述的转变的构建块已经到位或正在积极开发中。自动化的ICSR处理管道、代理式AI编码助手、持续质量审查层、跨域数据集成平台以及AI辅助信号优先级工具，共同代表了一套实质性且可部署的能力集。完成这一画面所需的是组织准备——有信心大规模部署这些工具，以及足够强大的治理框架，以支持对输出的监管审查。
做出这一承诺的组织可能在5年内以近乎即时的案例处理作为基本能力运行。在这种环境下，信号检测将常规运行在当前数据上，而不是针对周期性快照。安全科学家将把工作时间的大部分分配给决策，而不是数据组装。
随着近实时报告，7天SUSAR时间线将从标准转变为过时。这对于在小患者群体中暴露后批准的产品特别重要，因为发布时的安全数据库可能有限，早期上市后信号检测相应地更为关键。在这种情况下，检测速度直接决定了缓解速度。如果需要停止开发，早期信号意味着更早的干预来保护患者。
EMA到2030年实现实时PV的明确目标不会通过增量过程优化来实现。它将需要这里描述的那种基础设施投资和组织承诺。及早行动的组织不仅会在运营效率上获益，而且会在其安全数据的质量和及时性上获益——这是建立和维持监管信任的有形资产。在已经转向实时监测的环境中，解释为什么仍在使用月度列表周期，在检查中将变得越来越难以辩护。
拥抱变革
转型PV信号管理的基础设施今天已经触手可及，监管方向也很明确。公司现在只需要愿意接受现在可能的变革。对于那些准备超越零散自动化并投资于ICSR转型的公司来说，对整体信号管理的积极影响，回报是巨大的。这些回报范围从更快的检测和更强的患者保护，到将安全功能的人类专业知识引导到可以产生最大影响的地方。
参考文献
- ICH. 临床安全数据管理——加速报告的定义和标准指南E2A。1994。访问于2026年6月15日。
- EMA. 信号管理。2025年7月更新，反映实施条例(EU) 2025/1466。访问于2026年6月15日。
- 欧洲委员会. 2025年7月22日实施条例(EU) 2025/1466，修改实施条例(EU) No 520/2012关于药物警戒要求。《欧洲联盟官方公报》，2025年7月23日。访问于2026年6月15日。
- Gavin KM, Sundermann ML, Wieland A. 利用真实世界数据进行上市前和上市后环境中的安全信号检测和风险管理。《药物安全与监管前沿》。2025年10月。
- van Stekelenborg J等. 个例安全报告复制：案例报告传输网络分析。《药物安全》。2023;46(1):39-52. 2022年12月24日在线发布。DOI: 10.1007/s40264-022-01251-7。
- Smith L等. 我们能否共同实现管理ICSR的分散式数据模型的范式转变？《药物安全》。2025;48(8):843-853. 2025年3月8日在线发布。DOI: 10.1007/s40264-025-01539-4
关于作者
露辛达·史密斯是ArisGlobal的首席安全产品经理。在加入该公司之前，她在一家大型制药公司从事了二十多年的前线科学和战略PV及药物安全工作。
【全文结束】