WHO最近把“Medication Without Harm”视为全球最重要议题推动，并在2017年德国波昂召开的会议中定下明确目标：5年内降低50%的用药伤害。
台湾的医院一直落实“三读五对”的给药规范，以确保病患的用药安全，但在繁忙的临床作业中，医师常因病情变化而调整用药，若只以人力核对，很难完全落实用药安全；而利用物联网科技辅助用药安全，为当前唯一的解决方案。
麻醉管制药品监管是一家医院最重要的药品管理核心，如果出现任何差错，常会演变成重大医疗疏失。此时，智能药柜摇身一变成为最佳利器。
依照管制药品领药规定，必须同时两人取药，利用医事人员卡和3D人脸识别、再联动到院内值班系统，对于取药身份做最严格的把关。根据不同医院用药习惯，弹性组合药物放置空间；取药时利用AI药品图片识别比对药名与数量，确保正确的医师调剂处方；最后再联动医院药剂部的药品系统，时时盘点，确保全医院的用药情形安全无虞。
常在医嘱开立时发生！智能药柜把关用药风险
医院的化疗药物调剂室为受严格管制的特殊区域，因此通常设置在和一般病患施打药剂地点一段距离以上的空间。
利用3D图资与内置LiDA（认知架构）的运送机器人，可以安全且精确地在调剂室与护理站之间穿梭；调剂药师通过3D人脸识别之后，将调剂好的化疗药剂锁入内置RFID的感应门锁；送达化疗病房后，责任护理师经过3D脸部识别认证，取出药物进行投药。
整个过程不但能避免因人力运送化疗药物可能发生的倾倒，以及化疗药剂领取时人员认证的管控风险，药物取放时间点、实时位置与人员身份都即时连接院内系统，确保整个化疗用药流程的绝对安全与精准管理。
台湾在医疗医保普及的制度下，人们用药频率极高，药物事件造成的风险随时都在发生：
台湾药物事件发生地点
以药店为主（36.2%），其次是一般病房（住院，32.2%），发生阶段，以医嘱开立与输入（54.9%）最多，其次为给药阶段（23%）、药店调剂阶段（20%）
为了降低用药错误次数，利用AI人工智能，串联几率、药品数据库与深度学习，扮演药品守门人，及时拦截不正确的药物事件。
将AI应用于用药识别的方式相当多样，例如导入台湾医保数据库与大型医院提供的电子病历，实行无监督学习，让AI学习医师开立处方的行为，进一步判断医嘱开立后是否有药物名称与该病症无任何关联，进而发出系统警示。
抑或将药品识别导入药店调剂阶段，利用AI药物图片识别技术快速识别从药柜中取出的药物名称、外形和数量，随后从药品数据库带出药性、药物副作用等相关信息，使药物调剂时更快辨认是否与处方签相符，减少取药错误。
两招处理图像，无论裸锭、铝箔包、液装或盒装都看得懂
无论是裸锭、铝箔包装、液装或盒装的AI药物图片识别，前提都需要教导AI进行几何变换（geometric transformations）：包含放大、缩小、旋转；颜色亮度、对比度、色调修正；图像融合（image composite），拍摄图片与图片数据库的加、减、组合、拼接；降噪（image denoising／noise reduction），图片上的噪声来自硬件或环境光等因素，如果图片噪声太多，将会影响边缘检测与图片分割的准确性，因此如何过滤图片上的噪声并保留有效消息就相当重要。
边缘检测（edge detection）与图片分割（image segmentation）的配合，能将一张图片分割成多个不同区域，并准确截取局部特征，让AI进而认识药物形状、大小、颜色、文本、数量等特征，最后根据前述截取的图片信息，与药品数据库进行配对，即可精准告知用户药物名称和相关信息。
AI药物识别技术大致可分成两种：1：1和1：N，前者的应用多为医疗中心药剂部调剂时，验证管制药或高贵药的身份；后者则应用在预防取用多种药品时的错误。
以技术难度来看，1：N的难度比1：1还要高，因为1：N的药物识别更容易受药物类型、拍摄角度、拍摄方向、拍摄距离、环境光等因素影响识别准确度。
因此在现阶段，药物图片识别技术与药物识别机构的配合度相当重要，产品设计者需针对不同类型药物提供适合的识别环境，以降低这些干扰因素。