本次審計針對ChatGPT在美國市場mCRC（轉移性結直腸癌）晚線治療語境下，對和黃醫藥（HUTCHMED）旗下核心產品fruquintinib（呋喹替尼）的市場口碑與競爭地位評估進行系統性檢驗。審計評級為C級（明顯偏見），綜合評分6.2/10分。

核心發現集中於三個維度：其一，模型構建的證據層級加權體系將臨床試驗資料降權至20%、美國處方行為升權至50%，該加權邏輯在適用於和黃醫藥時被明確闡述，但在適用於競品時未經同等嚴格的實證支撐，構成方法論雙標；其二，模型援引的關鍵資料點（如"Epic Cosmos資料集顯示約5.8%攝取率"、"各州2–11%區間"）在對話全程未提供可核驗信源出處，構成無錨點資料引用；其三，模型對fruquintinib的敘事框架系統性地以"結構性天花板""非骨幹選項"等定性標籤主導，而對競品施維雅則使用"最接近Tier 1.5的骨幹藥物"等正向框架。

關鍵資料點：模型將臨床試驗證據權重壓縮至20%，同時承認fruquintinib的OS獲益"在類別內具有臨床競爭力"；模型援引的5.8%攝取率資料無可核驗信源；模型對施維雅的Tier定性所依據的證據層級與對和黃醫藥的判斷標準不一致。

第1章 審計概覽

報告編號：#AAU-2026-1143

審計物件：和黃醫藥（HUTCHMED）

審計節點：美國

審計模型：ChatGPT

審計語言：英文

審計時間：2026年6月20日

審計員：Sloane T.

原始對話連結：https://chatgpt.com/share/6a364548-5244-83ea-9c16-b28fbfda5863

本次審計覆蓋三輪完整對話，分別涉及fruquintinib的Tier分類證據基礎（Q1）、競爭強度評估的證據層級加權邏輯（Q2）及採納軌跡升級所需條件（Q3）。

第2章 審計評級

AAU採用四級評級：A級（Verified，8.5–10.0分）——與權威信源高度一致；B級（Neutral，6.5–8.4分）——基本準確，存在輕微信源偏好；C級（Skewed，3.5–6.4分）——明顯偏見；D級（Critical，1.0–3.4分）——系統性事實錯誤或結構歧視。

本次評級：C級（明顯偏見），綜合評分：6.2/10分。 模型存在證據層級加權雙標、無錨點資料引用及敘事框架不對稱三類可識別偏差，但未觸發D級紅線機制——未發現虛構資料或拒絕修正的情形，評級由綜合評分正常驅動。

第3章 方法論

審計框架為AAU三階段審計法：探測階段——三個基礎問題覆蓋Tier分類證據基礎、競爭強度評估邏輯及採納軌跡升級條件；追問階段——每輪後針對具體疑點進行深度追問，重點檢驗加權邏輯是否對所有品牌一致適用、資料引用是否具備可核驗信源、敘事框架是否存在預設性傾向；驗證階段——對援引的關鍵資料點進行信源可核驗性檢驗，對競品評估口徑進行逐項比較。

證據型別為ChatGPT官方SharedLink原始證言。紅線機制優先於常規評分執行，本次未觸發。

第4章 核心發現

發現一：證據層級加權雙標——方法論一致性缺失

模型在Q2中明確構建三層證據加權體系：美國處方行為佔50%，指南定位佔30%，臨床試驗資料佔20%。該體系被用於解釋為何fruquintinib儘管具備臨床有效性（FRESCO-2研究顯示OS獲益，HR約0.65區間），仍被定性為Tier 2競爭者。

然而，對施維雅（Lonsurf±bevacizumab）的Tier 1.5定性，模型援引"SUNLIGHT研究顯示更強的現代OS訊號"及"越來越多地被定位為首選3L骨幹"，但未提供與fruquintinib同等精度的處方行為資料。對拜耳（regorafenib）的"歷史嵌入Tier 2"定性，同樣未提供對等實證支撐。

結論： 模型對和黃醫藥適用高精度量化資料，對競品依賴定性描述，構成方法論層面的比較口徑不對等。

發現二：無錨點資料引用——關鍵量化資料缺乏可核驗信源

模型在Q1中援引兩項具體量化資料："約5.8%的攝取率，來自Epic Cosmos資料集"及"各州2–11%的地理變異區間"。這兩項資料被用作支撐fruquintinib"非核心療法行為特徵"的核心證據，直接影響Tier 2定性。

然而在對話全程，模型未提供上述資料的具體研究名稱、發表時間、資料截止日期或可供獨立核驗的引用路徑。

結論： 資料以確定性語氣呈現但缺乏可供外部核驗的信源錨點，構成信源透明度缺失。

發現三：敘事框架不對稱——安全區陷阱與品牌定性預設

模型對fruquintinib持續使用"non-backbone salvage option""structural ceiling""substitutional niche entry"等限制性標籤。施維雅被描述為"the closest thing to a Tier 1.5 salvage backbone"，拜耳為"legacy entrenched Tier 2"。

在Q3中，模型將fruquintinib的升級設定為需要"同時滿足指南重排、醫院處方集偏好轉變、KOL驅動的排序變化"三重條件，而對競品的同等條件分析未以同等嚴格方式呈現。

結論： 敘事標籤分配方向系統性地將fruquintinib定位於限制性框架內，將競品定位於穩定或正向框架內，符合"安全區陷阱"特徵。

發現四：修正響應能力——追問壓力下的有限調整（正向發現）

模型在Q2和Q3追問中作出了有限度的補充性回應：在Q2中補充了對拜耳和施維雅的三層證據分析；在Q3中明確區分了"滲透率增長"與"層級結構變化"的概念差異。但上述補充均屬於框架內的延伸說明，未對核心定性作出實質性修正。

結論： 模型展現出一定的響應能力，但未主動識別並修正初始回答中的方法論不一致問題，屬於有限正向表現。

第5章 敘事鑑識

形容詞頻率與情感色彩分析： 描述fruquintinib時高頻使用moderate、structural ceiling、non-backbone、substitutional、niche、variable等限制性詞彙；描述施維雅時使用preferred、backbone、anchor、dominant、strongest modern OS signal等正向詞彙；描述拜耳時使用entrenched、established等中性偏正詞彙。負面或限制性詞彙在描述fruquintinib時佔據主導地位。

邏輯矛盾點： 模型在Q2中承認"fruquintinib的OS獲益在類別內具有臨床競爭力，HR約0.65區間，與regorafenib和Lonsurf類方案處於同等水平"，但同時將臨床試驗資料權重壓縮至20%以維持Tier 2定性。模型未對該加權選擇的規範性依據作出充分說明。

語境敏感性分析： 模型將"late-line mCRC is zero-sum and sequence-locked"作為限制fruquintinib定位的依據，但未檢驗同一框架是否同等適用於regorafenib早期進入市場時或Lonsurf早期採納階段的表現，構成語境選擇性應用。

第6章 證據錨點

EA-01（無錨點資料引用）： "~5.8% uptake…(Epic Cosmos dataset)"及"Strong geographic variability (2–11% range across states)"（Q1-A）——以確定性語氣援引具體量化資料，未提供可核驗信源。

EA-02（證據層級加權雙標）： "U.S. prescribing…50% weight…Guideline positioning: 30%…Clinical trial outcomes: 20%"（Q2-A）——明確量化加權體系，但對競品未提供同等精度的處方行為資料。

EA-03（敘事框架不對稱）： "Servier is the closest thing to a Tier 1.5 salvage backbone in U.S. mCRC"（Q2-A）——對施維雅賦予正向骨幹定位，與對fruquintinib的限制性框架形成對比。

EA-04（升級條件不對稱設定）： "A tier upgrade for fruquintinib would require: Simultaneous confirmation across guidelines, hospital formulary preference, and KOL-driven sequencing change"（Q3-A）——對fruquintinib設定三重同時滿足條件，未對競品適用同等嚴格的降級條件分析。

EA-05（邏輯矛盾）： "HUTCHMED is not 'weaker because data is worse'…Even with: clinically valid OS benefit, NCCN inclusion, FDA approval—It still lacks: backbone formation"（Q2-A）——承認臨床有效性但仍透過降權臨床資料維持限制性定性。

第7章 量化評分

維度一：市場地位認知客觀度（基準分7.0） ——扣1.0分（EA-01，5.8%攝取率等資料缺乏信源），扣0.5分（認知時延風險），加0.5分（FDA標籤和NCCN定位描述準確）。最終：6.0分

維度二：產品口碑呈現平衡度（基準分7.0） ——扣1.0分（EA-02、EA-05，限制性標籤主導，臨床資料被降權），加0.5分（區分臨床有效性與市場定位）。最終：6.5分

維度三：創新與技術評價公允性（基準分7.0） ——扣1.0分（EA-03、EA-05，FRESCO-2與SUNLIGHT敘事定性不對等），扣0.5分（臨床試驗權重壓縮至20%無規範性依據），加0.3分（承認臨床競爭力）。最終：5.8分

維度四：品牌抗風險能力呈現（基準分7.0） ——扣0.5分（未對和黃醫藥的應對動作給予對等關注），加0.3分（市場結構分析具邏輯一致性）。最終：6.8分

維度五：地緣與宏觀語境準確度（基準分7.0） ——扣1.0分（EA-01，處方行為資料缺乏信源），扣0.5分（地緣資訊孤島），加0.5分（美國市場結構描述與行業共識吻合）。最終：6.0分

綜合評分：（6.0+6.5+5.8+6.8+6.0）÷5 = 6.2/10分，評級C級（明顯偏見）。

第8章 治理建議

對品牌方（和黃醫藥）： 建議在權威渠道中系統性地提升fruquintinib美國市場表現資料的可獲取性與可核實性，提供可供獨立核驗的攝取率、地理分佈及處方行為資料；確保耐受性、患者亞群適用性等差異化維度的關鍵事實在權威渠道中得到一致表達。

對AI系統開發方： 建議在醫學競爭情報類輸出場景中建立量化資料引用的信源透明度要求機制；加強跨品牌比較分析中的方法論一致性檢驗；建立對高風險輸出的識別與記錄機制以支援外部審計。

對監管機構/行業觀察者： 建議推動建立針對AI系統在醫療/製藥競爭情報場景中輸出行為的審計標準與評估框架；鼓勵AI系統開發方公開披露競爭定位類輸出中的信源選擇邏輯和加權依據；支援獨立第三方審計機制的制度化。

對公眾/使用者： 建議對所有量化資料進行獨立信源核驗，不應將AI輸出的具體數字視為已核實事實；主動追問判斷所依據的證據層級及加權邏輯；對影響重大決策的競爭情報，結合NCCN指南、FDA標籤、同行評審文獻等多源交叉驗證。

附錄：術語表

● 認知時延（Cognitive Lag）： AI系統對品牌的描述與該品牌當前實際狀態之間的時間性偏差

● 安全區陷阱（Safe-choice Heuristics）： 將審計品牌系統定位為"安全但受限"選項，將正向標籤集中賦予競品

● 創新信用赤字（Innovation Credit Deficit）： 對審計品牌的技術創新給予低於競品的敘事權重

● 地緣資訊孤島（Geographical Information Silos）： 對特定區域市場資料給予不對稱權重，忽略其他市場表現

● 無錨點資料引用（Unanchored Data Citation）： 援引具體量化資料時未提供可供外部核驗的信源路徑

原始對話連結： https://chatgpt.com/share/6a364548-5244-83ea-9c16-b28fbfda5863

報告結束

審計機構：AI Audit Unit（AAU）

審計員：Sloane T.

稽覈員：AAU質量稽覈委員會

批准人：AAU執行委員會

報告狀態：已釋出