上市后药品安全性评价中的不良反应预警以及因果关系评价是药品安全性评价中关键和困难的问题，直接关系到对药品的正确评价，也是最值得探讨的问题之一。利用专家系统知识库和推理机等技术从大量的药品不良反应(adverse drug reactions，简称ADR)数据中提取出隐含的知识和规律对现有药品安全性评价工作规范化、便捷化有着极其重要的意义。 本文着重研究了专家系统在上市后药品安全性评价中的应用，主要做了以下工作： 1)对上市后药品安全性评价方法与专家系统进行了综合研究，提出了在上市后药品安全性评价中应用专家系统技术的构想。 2)利用贝叶斯信念传播神经网络(Bayesian Confidence Propagation Neural Network，简称BCPNN)实现了药品不良事件信号(The Information Component，简称IC)值的计算[注：本文以后部分，IC均指的是IC的期望值E(IC)]，大大提高了对ADR的筛查和响应速度，从而实现了对ADR的监测和预警。 3)针对导致出现ADR的不同因素间缺乏量化指标的现实，提出了利用基因表达式编程(Genetic Expression Programming，简称GEP)来找出各因素间的数学关系，设计和实现了GEP在药品安全性评价中的应用。 4)采用面向对象的方法对上市后药品安全性评价系统进行了分析与设计。 5)实现了药品安全性评价系统推理机模块，并通过实验证明该模块能够有效地进行ADR预警以及得出导致ADR诱因之间的数学关系。