本專案從議題確認，試著分析當EUA疫苗遇上現況的救濟制度時可能出現的問題；接著進行美國、日本的救濟制度與國內專家所提出的改善方案的優缺點分析，並提出解決方案：以機器學習輔助VICP判決以及放寬EUA疫苗之因果關係認定標準實踐公民行動方案。

   針對解決方案政策設計的部分，採雙軌區分，針對EUA疫苗放寬因果關係認定標準。而針對衍生弊害如疫苗救濟基金負擔增加我們估算後預計增加之通過案件數5000件增加3億1000萬元，而現況下現況可資運用之財源疫苗基金2億5000萬元與疫苗救濟基金16億元，因此可以政府財政負荷。而放寬標準造成申請案件量提高，透過將VICP審議小組的會議紀錄整理成資料集，並利用隨機森林的模型訓練出正確度達90%的分類模型，可以加速疫苗救濟的審理速度。而在合憲性審查與我方行動方案無牴觸。

   實際行動我們運用社交媒體進行疫苗救濟議題與公共衛生科學推廣。我們共撰寫12篇文，觸及近4000人，並且與實際救濟申請者訪談。同時於9月進入高中班級，舉辦兩場疫苗議題講座與人進行實體的對話。之後透過質性問卷調查了解民眾對議題的想像與想法並回收77份有效問卷推測全體民眾對於疫苗救濟管道不熟悉。最後進行法律與醫界學者訪談，訪問現今疫苗審議小組的委員——楊秀儀教授以及法學界醫療相關法律專家——劉宏恩教授，融彙專家意見。

   最後於公共政策網路參與平台將我們對於疫苗救濟議題目前所得的討論、研究以及擬定的可行政策以公民提案的方式向大眾公開。

獲得司法院111年大專校院法治教育創新行動方案競賽獲得金獎與最佳議題獎。