MOU簽了之後帳才開始記：AI藥物再利用的證據階梯，比合作消息長得多

2026年10月2日，媒體報導華安醫學旗下源華智醫於柏林參加藥物再利用研討會（RExPO26官網列出的會期為9月23日至25日）期間，分別與德國QuoData、法國MedInsights簽署合作備忘錄。公司對外說明，合作將結合其「智慧協奏」AI藥物再利用平臺與夥伴在統計分析、生物資訊上的專業，探索既有藥物的新適應症。

一則合作消息能確認的，到此為止。平臺整合了分子結構、基因表現與知識圖譜資料，這是公司說明；MOU本身無法證明模型預測準確、研究已完成，或候選藥物對患者有效。這條界線在AI製藥這個高度依賴敘事定價的行業裡，值得攤開來算。

先分清三種訊息的證據份量

判讀這類消息，第一件事是把「已簽署的合作」、「預計進行的工作」與「已有結果的研究」分開。目前公開資訊可確認的只有第一項：MOU已簽、合作方向已公布。候選藥物清單、工作時程、里程碑、可供外部檢視的成果，均未公開。

「商業化」一詞的語意跨度更大，可能指授權規劃、尋找合作對象、專利布局，也可能指已有產品上市與收入。這些階段不能互相替代。對投資人或產業觀察者而言，追蹤落地的具體指標是：公司是否公布工作分工與交付成果、是否出現專利或授權資訊，以及獨立研究者能否依公開方法重現平臺的預測結果。

從模型分數到臨牀效益，中間有幾層帳

藥物再利用的核心邏輯是成本結構：既有藥物已有安全性資料，理論上可壓縮開發時程與前期投入。AI平臺的角色是整合資料、排序候選，協助研究者決定先檢驗哪些方向。但模型分數或資料庫關聯，不能單獨回答候選藥物在真實生物系統中是否有效安全。

證據需逐層累積。先說明模型用途、輸入資料與評估方式；再以獨立資料或不同方法檢查預測可重現性；之後進入細胞與動物實驗；最後是依研究問題設計的人體臨牀研究，須看受試者條件、試驗階段、對照方式、主要結果與不良事件。每一層回答不同的問題，前期結果不能直接當成臨牀療效證明。這與我們先前討論過的抗菌勝肽篩選加速的是搜尋而非證明是同一個結構：AI壓縮的是假說產生階段，證明階段的帳一毛都沒少。

監管框架把判準寫在哪裡

FDA與EMA在《Guiding Principles of Good AI Practice in Drug Development》中列出共同原則：明確說明模型用途、風險導向的效能評估、資料治理與文件紀錄、模型生命週期管理。依這份官方文件，判讀AI成果時須知道模型用來回答什麼問題、依據哪些資料、表現如何被評估。

更細的文件還有兩份。FDA於2025年發布的AI草案指引，討論AI模型用於支持藥品與生物製品監管決策時如何依模型用途評估可信度，文件標示為草案、含非拘束性建議。EMA則於2024年發布反思文件，討論AI在藥品生命週期中的應用。兩者可作為理解監管關注點的背景，實際要求仍依所在地法規與個案判定。

臺灣讀者的核對路徑

若源華智醫日後公布候選藥物或試驗名稱，衛生福利部食品藥物管理署設有「臺灣藥品臨牀試驗資訊網」可供查核。核對邏輯是：記下公開的候選藥物名稱與適應症，到該網搜尋是否有相符登錄；若找到試驗，核對研究階段、主持或委託資訊、招募與完成狀態；再對照公開的研究設計與結果。兩點須留意：登錄不等於試驗成功，找不到登錄也不宜只憑新聞推定試驗已啟動。

收束判斷

跨國MOU為源華智醫帶來研究人力與資料分析上的互補可能，這是布局面的正面訊號。但AI藥物再利用這門生意的價值錨點在證據階梯的位置，從可重現的模型驗證、體外體內實驗，到設計良好的臨牀研究，每一階段都有各自的淘汰率。合作消息與臨牀效益之間的距離，就是這個行業估值波動的主要來源；對外部觀察者而言，與其追蹤簽約新聞的節奏，不如等待第一份可獨立核驗的交付成果。