人工智慧如何協助對抗抗生素耐藥性

抗生素抗藥性是一場快速增長的公共衛生危機，每年在全球造成超過一百萬人死亡，並間接導致另外近五百萬人死亡。與一般感染相比，這些感染更難治療且費用更高，並導致住院時間延長，增加了醫院和患者的成本。

治療在很大程度上取決於醫師的推測。倫敦帝國學院全球健康創新研究所所長、外科醫生阿拉·達爾齊（Ara Darzi）表示，人工智慧驅動的診斷提供了一條更好的途徑。

「我們現在正站在 2026 年，這場危機的第一個真正轉折點，」達爾齊於 4 月 16 日在倫敦舉行的 WIRED Health 大會上說道。

抗生素的過度使用與誤用，加上新藥開發的缺乏，一直在推動抗藥性微生物的興起。當細菌暴露於不足以立即殺死它們的抗生素劑量時，它們會產生生存的防禦機制。不必要的處方讓細菌產生免疫力，使救命藥物失效。這意味著對於嚴重感染的患者來說，治療方案的清單正在不斷縮減。

問題預計會變得更加嚴重。2024 年《刺胳針》（The Lancet）的一份報告預測，到 2050 年，抗藥性感染可能導致 4,000 萬人死亡。

確定抗藥性感染的傳統診斷通常需要兩到三天，因為需要從樣本中培養細菌。但對於某些感染（如敗血症），患者並沒有那樣的時間。治療每延遲一小時，死亡風險就會增加 4% 到 9%。在等待檢測結果期間，醫生必須根據自身判斷來選擇使用哪種抗生素。

基於人工智慧的診斷可以協助這些決策。「人工智慧驅動的診斷在不需要額外實驗室基礎設施的情況下，準確度已達到 99% 以上，」達爾齊說。

他補充說，世界上的農村和偏遠地區特別需要這類快速診斷。世界衛生組織估計，東南亞和東地中海地區的抗生素抗藥性最高，2023 年每三起通報的感染中就有一起具有抗藥性。在非洲，每五起感染中就有一起具有抗藥性。

人工智慧還可以協助發現對抗抗藥性感染的新藥，並預測抗藥性細菌的傳播。英國國家醫療服務體系（NHS）正與 Google DeepMind 合作開發一套對抗抗生素抗藥性的人工智慧系統。在一項演示中，該系統在短短 48 小時內就識別出先前未知的抗藥機制，破解了倫敦帝國學院研究人員花費十年才理解的謎團。

達爾齊表示，配合自動化實驗室，現在可以全天候進行數百個平行實驗。深度學習模型現在可以在幾天內篩選數十億個分子結構，而生成式人工智慧則被用於設計自然界中不存在的化合物。

然而，由於經濟模式的崩潰，大型製藥公司已經放棄了抗生素的開發。為了防止抗藥性，新抗生素需要被保留使用，但製藥公司的利潤取決於高銷量。公司幾乎沒有動力留在這個領域。

達爾齊主張，需要新的支付模式來鼓勵新抗生素的開發。2024 年，英國開始試行一種「Netflix 式」的支付模式，政府向製藥公司支付固定的年度訂閱費以獲取新抗生素的使用權，而非根據開立的處方量付費。瑞典也在試驗一種部分脫鉤的模式。

「決定未來 100 年醫學形態的問題，不在於我們是否擁有應對的工具。我們擁有工具，」他說。「問題在於我們是否有勇氣認真對待我們所看到的現狀。」