随着中药使用范围的扩大，药物性肝损伤等安全性问题备受关注。数据挖掘技术，特别是比例报告比（PRR）与报告 odds ratio（ROR）等不对等性分析算法，被广泛用于从自发报告系统中识别潜在的安全性信号。这些方法能快速筛选出与特定中药关联度较高的不良反应，为监管决策提供早期预警。
然而，数据挖掘算法存在固有的局限性，易产生假阳性信号。由于自发报告系统缺乏分母数据（即总用药人数），报告频率受多种因素影响，如媒体关注度、医生报告意愿及药物使用基数。例如，某些常用中药因使用量大，其不良反应报告数自然较高，但这并不一定意味着其风险高于其他药物。
此外，混杂因素如合并用药、基础疾病及个体遗传差异，均可能干扰信号的真实归因。若仅依赖统计信号而忽视临床背景，可能导致不必要的恐慌或错误的监管措施。因此，识别出的信号必须经过严格的临床复核，包括病例详细审查、去挑战-再挑战评估及文献回顾，以确认因果关系。
未来，应结合多源数据提升信号特异性。整合电子病历、基因组学及代谢组学数据，构建更精细的风险预测模型。同时，加强国际间不良反应数据共享与合作，建立统一的中药安全性评价标准。通过算法优化与临床验证的双重把关，确保安全性信号挖掘的科学性与实用性，保障公众用药安全。