醫療錯誤全美2013第3大死因，用藥佔20%每年全球花費420億元。本案以機率式非監督學習及強化學習，獲得醫師處方行為特徵，偵測醫師處方的適當性。現階段本產品使用者以超過200名醫師，超過25萬張處方，醫師接受度60%以上，而專家本產品的認同度達85%以上。為醫院節省300-600萬元健保核刪。

本案為醫囑上高準確度的用藥錯誤提示。以機率式無監督學習為基礎，13億健保資料庫巨量處方為知識庫。建構於三家醫院，超過200位醫師25萬診/年使用。>85%準確度，醫師>60%接受度。強化學習模組調適不同的醫師開藥習慣，調整為3%的警示率以提高關注度。台/美專利申請中，FDA也已送件，依規定屬AI醫療器材規畫，待核准。

用藥錯誤每年耗費美國35 億美元、台灣1260 億元。除錯誤成本，健保核刪每年200-400萬台幣。舉例某幼童診斷脊髓疾病，開立惠爾血添注射劑 M300，審查後認為不恰當處方，該次藥費4,400，放大罰66萬元。此類核刪層出不窮，透過自我學習能力的醫囑開立警示與建議系統，預估每年為醫院節省300-600萬健保核刪。