台灣用藥量與其他國家相比，數量相當驚人，總人口雖然只有2,300萬，每一年全台醫療院所開出的處方箋卻高達3億6,000萬張，健保局給付的藥品費用一年高達1,200億元。
根據行政院主計處調查，2016年家庭消費支出結構按消費型態區分，食品飲料及菸草占15.76％，醫療保健花費占15.33％。也就是說，台灣人每100元的花費，有15元用在吃飯，也有15元用在看病吃藥，「吃藥」幾乎跟「吃飯」一樣重要了。
如此龐大的用藥量，相對出現問題的機率也會增加，不論大醫院或小診所都可能曾發生藥物劑量錯誤、使用方式混淆等用藥疏失，輕則傷身，重則致命。
醫療用藥過程可區分為四個階段：從醫師開處方箋（Prescribe/Transcribe）、藥師調劑（Dispense）、住院給藥（Administration）到病人服藥遵從性（Compliance），每個環節都可能發生錯誤，若能透過AI把關，便能在問題發生前將之「攔截」，有效降低用藥錯誤的機率。
以AI做為用藥安全的第一道防線，在醫療階段早期捕捉不適當用藥處方，不僅確保病人安全與品質，更能減少後續衍生不必要的醫療成本。
第一階段：AESOP預警攔截問題處方
就醫師開處方箋來說，AI可以扮演很好的守門人角色。
醫師每天得開出許多處方箋，藥方和病症並非絕對的一對一恆等式，而是一對多、多對一，乃至多對多的複雜交錯關係，光是普拿疼一種藥，就可以用在1,500種疾病上，要做出百分之百正確的下藥判斷，對醫師也是很大的考驗。
據估，台灣一年約有1,800萬張的不適當處方，大約是台灣每年3億6,000萬張處方箋中的5%，這個比例和美國相當也接近全球平均。
在這5％之中，很大比例是不小心多開幾顆胃藥，或診斷漏開的情況，看似不嚴重，仍然不可不慎，開錯藥不僅會對人體造成傷害，嚴重甚至會致命，過去就曾發生過某醫院開錯劑量，將每次0.5顆的劑量開成每次5顆，導致病人一次吃下十倍劑量而致死的案例。
如果只是將適應症和用藥規則化，輸入電腦、建立資料庫，並無法徹底管理處方箋錯誤的問題，主因在於臨床上有太多例外狀況，舉例來說，感冒並不是抗生素的適應症，但是當醫師根據病人的狀況，認為有必要開抗生素時，該不該視為開錯藥？
還有醫師在開藥時，有時候會採取「off – label use（藥品仿單標示外使用）」，意思是不按照適應症去用藥，例如一種名為Levamisole（左美索）的驅蟲藥，因為具有免疫調控功能，有時候皮膚科醫師會用來治療困難的病毒疣，像這類「off – label use」，依常規所建之資料庫就無法顧及。
