Chiesi 凯西制药 - 药物警戒文献智能分析系统

项目概述

针对药物警戒（Pharmacovigilance）领域打造的智能文献分析系统。该系统旨在自动化处理海量医学文献，精准识别公司产品相关信息并进行安全性评估，从而提升合规效率与准确性。

行业痛点

文献筛查工作量巨大

药物警戒部门需要每日监测全球范围内的海量医学文献，人工逐篇阅读和筛选耗时耗力，效率低下。

安全性信息遗漏风险

准确识别药物不良反应（ADR）及特殊用药情况（如过量、孕期使用）对专业性要求极高，人工疲劳审查容易导致关键安全信号遗漏。

缺乏统一标准

人工判断文献相关性时，主观性较强，难以保持一致的评分标准，且缺乏结构化的数据沉淀。

创新解决方案

核心方法

系统构建了全自动化的文献处理流水线：

1. 智能检索与匹配： 通过API自动获取文献元数据，并与凯西制药的产品目录（如 Curosurf, Foster 等）进行自动匹配。
2. AI 相关性评分： 系统自动下载PDF全文，利用NLP技术分析内容。通过学习历史确证文献的关键词和上下文模式，为当前文献生成相关度评分（0-100%）。
3. 安全性信息评估： 自动识别文献中是否包含"安全性信息"（如副作用、不良反应）：

包含/不包含： 系统自动更新状态。 不确定： 触发"人机协作"机制，自动发送包含文献ID、标题及不确定原因的邮件通知，引入专家人工复核。

技术实现

• 深度语义分析： 利用大语言模型对PDF全文进行深度理解，而非简单的关键词匹配。
• 主动学习机制： 评分引擎持续从100%相关的历史文献中学习，不断优化判断逻辑。
• 智能问答助手： 采用 AI Agent + MCP (Model Context Protocol) 架构，实现对文献库的自然语言语义检索和自由问答。

价值体现

• 效率提升： 自动化初筛将人工从繁琐的阅读中解放出来，使其专注于高风险和不确定的复杂案例。
• 合规保障： 通过AI的全量扫描和自动预警机制，最大程度降低了安全信号遗漏的风险。
• 知识沉淀： 将非结构化的文献转化为结构化的评分和安全性数据，建立了企业级的药物安全知识库。