AI 精準診斷抗生素抗藥性危機，醫界迎接百年大轉折
抗藥性危機持續升溫，AI 正被視為加速解方出現的關鍵工具。英國外科醫師、倫敦帝國學院（Imperial College London）全球健康創新研究院院長阿拉‧達爾齊（Ara Darzi）4 月 16 日在倫敦舉行的 WIRED Health 指出，到了 2026 年，醫界正站在抗生素抗藥性危機的第一個真正轉折點，AI 有機會改變抗藥性感染的診斷、治療與新藥研發方式。
抗生素抗藥性已成為快速惡化的公共衛生問題，每年造成超過 100 萬人死亡，並與近 500 萬人死亡有關。這類感染不僅更難治療、成本更高，也往往導致更長的住院時間，進一步推升醫療機構與患者負擔。達爾齊表示，傳統診斷通常需要兩到三天，因為必須培養細菌；但像敗血症這類感染，患者等不起。研究顯示，延誤治療每增加 1 小時，死亡風險就上升 4% 到 9%。
AI 正在改變新抗生素的發現模式
AI 輔助診斷被寄望能讓醫師更快做出判斷。達爾齊指出，AI 驅動的診斷在不增加實驗室基礎建設的情況下，準確率已可超過 99%。他也提到，這類快速檢測特別適合醫療資源較少的偏遠地區；世界衛生組織（WHO）估計，抗藥性在東南亞與東地中海地區最為嚴重，2023 年這些地區每三起通報感染就有一起具抗藥性，非洲則約每五起就有一起。
賓州大學佩雷爾曼醫學院（Perelman School of Medicine）最新研究顯示，團隊用機器學習分析數萬筆微生物基因體資料，找出近 86.3 萬個候選抗菌胜肽，超過 90% 從未描述過。研究員合成 100 個候選分子後，發現 63 個能完全抑制至少一種病原菌生長，部分分子甚至在極低劑量下就有效，還有一些在前臨床動物模型中成功阻止感染。研究團隊也開放了名為 AMPSphere 的抗菌序列資料庫，供外界使用。
達爾齊同時提到，AI 也能協助追蹤抗藥性細菌擴散、找出新的抗藥機制。英國國民保健署（NHS）正與 Google DeepMind 合作開發相關系統，曾在 48 小時內辨識出過去讓帝國學院研究人員花了 10 年才解開的未知抗藥機制。配合自動化實驗室，研究者如今可 24 小時平行進行數百項實驗，深度學習模型也能在數天內篩選數十億種分子結構，生成式 AI 則被用來設計自然界不存在的化合物。
真正的障礙不只在技術，而在經濟誘因
達爾齊指出，藥廠近年紛紛退出抗生素研發，因為新抗生素必須被保留使用、避免過度施用，卻又無法像一般藥品一樣靠高銷量獲利，導致投資回收模式失靈。他認為，必須建立新的付款機制，才能讓創新持續。英國已於 2024 年啟動類似串流訂閱制的試辦計畫，由政府支付固定年度費用向藥廠取得新抗生素使用權，不再按處方量計費；瑞典也正在測試部分脫鉤模式。
抗藥性威脅持續擴大，AI 讓診斷與藥物發現看見新的可能，但達爾齊提醒，決定未來百年醫學走向的，已不只是否有工具可用，而是各界是否有決心把這些工具真正送到患者手中。
（首圖來源：pixabay）