中醫大附醫智抗菌平台研發團隊代表。（攝影／趙敏）
不當使用抗生素使其出現抗藥性，也會養出超級細菌（Superbugs），已成為繼新冠肺炎疫情後公共衛生的「隱形風暴」。美國流行樂壇女皇瑪丹娜（Madonna）2023年就因嚴重細菌感染被送到加護病房，原定出道40週年的巡迴演唱會全部延期。
超級細菌抗藥性強，過去因缺乏快速鑑定菌種的工具，醫師只能憑經驗給藥；如果投藥不精準，更加強細菌的抗藥性，處理不好還可能造成大規模感染。中國醫藥大學附設醫院開發「智抗菌平台」，運用AI搶時間，比實驗室培養和鑑定提前24～72小時，1小時就能辨識菌種有無抗藥性，並發簡訊建議醫師投與正確的抗生素，掌握黃金治療期搶救病人。
3年前，中醫大附醫院長周德陽看到比爾‧蓋茲（Bill Gates）2015年在TED演說的影片提到，未來對人類威脅最大的並不是戰爭、飛彈，而是微生物。「那時COVID-19還沒開始，我們想說AI能夠做什麼，希望加速診斷、用正確的藥。」周德陽說起智抗菌平台構想的開端。
超級細菌正是比爾‧蓋茲說的具威脅的微生物，又可稱為「抗藥性細菌」。世界衛生組織（WHO）警示，如果不正視抗藥性細菌問題，2050年，可能有1000萬人死於細菌感染，死亡人數將遠超過癌症。
錯失黃金期正確給藥，濫用抗生素反養出超級細菌
造成超級細菌如此猖狂的原因，主要是抗生素的濫用。周德陽解釋，濫用有兩種可能，一種是醫師低估嚴重性而延誤治療；另一種是高估嚴重性，例如，原本用第一線的藥物就好，醫師卻直接用第三線的藥物，這會導致細菌突變，對抗生素出現抗藥性。
然而，從2017年以來，抗生素新藥研發緩慢，只有12種抗生素獲得批准，而且並不是每一種都有在台灣上市；醫師愈往後線藥物使用，愈陷入沒藥可用的窘境。新冠肺炎疫情期間，醫師在還不清楚是病毒或細菌感染引起的症狀時，寧可錯殺100，也不放過1個，導致抗生素更被濫用。
敗血症是病原體引起的全身性發炎反應，病情瞬息萬變。以標準實驗室培養、鑑定菌種、產出報告，約需要3～5天，醫師無法立即得知是哪一種細菌而精準投藥；培養的期間，病人症狀的變化速度很快，每延遲1小時用藥，死亡率就會上升7.6％。
「早點診斷出敗血症很重要，」周德陽說：「我們做的AI要跟人家不一樣。第一，要能落地使用，不是只停留在研究案；第二，要好用；第三，要愛用。智抗菌平台上線後，目前已經累積14萬人次應用，每天醫師需要開立抗生素時就會用。」
平台4大功能助醫師及早診斷，合理使用抗生素
中醫大附醫研發智抗菌平台採跨領域合作，整合感染科、藥劑部、檢驗醫學中心、醫研部、資訊室、人工智慧中心和大數據中心等專業，組成約40多人的團隊。平台運用院內大數據和AI病程預測，打造4大功能，提供「全方位解決方案」（Total Solution）。
智抗菌平台有4大功能，資訊統一整合在儀表板上，讓第一線醫事人員一目了然。（圖片提供／中醫大附醫）
啟動智抗菌平台的4大功能是依時間順序。人工智慧中心主任許凱程說明，當病人被送來醫院，什麼檢查都沒做時，就先啟用「個人微生物抗菌譜」，裡面整合病人過去6個月在中醫大附醫住院、檢體、培養菌種和藥物的敏感性等資訊。
進到院內約6個小時，如果病人有抽血結果，會啟動「敗血症風險與致死率預測」，利用10個參數，預測病人的敗血症和死亡率風險。大約24小時後，有初步培養細菌的結果，結合AI和質譜儀分析，「智速檢抗藥性預測」功能可快速預測細菌抗藥性。
最終，啟用「抗生素治療輔助決策系統」（CDSS），發手機簡訊通知第一線臨床醫師抗藥性菌株，如：抗碳青黴烯藥之克雷伯氏肺炎菌（CRKP）和抗甲氧西林金黃色葡萄球菌（MRSA）等重要抗藥細菌的預測結果，建議應使用何種抗生素。
其中，平台的「智速檢抗藥性預測」功能是核心，納入8種WHO、衛福部疾管署和中醫大附醫加護病房常見、致死率高的抗藥性菌株8種臨床常見的抗藥性菌株，包含：抗甲氧西林金黃色葡萄球菌（methicillin-resistant Staphylococcus aureus, MRSA）、抗萬古黴素之糞腸球菌（vancomycin-resistant Enterococcus faecium, VREfm）、抗碳青黴烯藥之大腸桿菌（carbapenem-resistant Escherichia coli, CREC）、抗碳青黴烯藥之克雷伯氏肺炎菌（carbapenem-resistant Klebsiella pneumoniae, CRKP）、抗碳青黴烯藥之陰溝腸桿菌（carbapenem-resistant Enterobacter cloacae, CRECL）、抗碳青黴烯藥之摩根氏桿菌（carbapenem-resistant Morganella morganii, CRM）、抗碳青黴烯藥之綠膿桿菌（carbapenem-resistant Pseudomonas aeruginosa, CRPA）、抗碳青黴烯藥之鮑氏不動桿菌（carbapenem-resistant Acinetobacter baumannii, CRAB）。，建立AI質譜分類模型。人工智慧中心副主任游家鑫解釋，先將細菌送到質譜儀，分析出蛋白質的指紋，加速菌種的鑑定，再利用質譜儀上不同蛋白質的訊號差異性作為特徵，有抗藥性和沒有抗藥性的蛋白質會不同，以此訓練抗藥性檢測機器認知模型。
質譜儀檢測樣品的製備。（照片提供／中醫大附醫微生物組）
當菌種鑑定出來，以往還要用「抗生素敏感試驗儀」做藥物敏感性試驗，需要24～48小時，相當耗時。檢驗醫學中心院長薛博仁補充，現在運用AI，串接質譜儀資料和藥敏資訊，1小時內就能預測細菌是否有抗藥性，而且一台質譜儀就能做到兩台儀器（質譜儀和抗生素敏感試驗儀）的事。
「該用抗生素的就盡早給醫師好的診斷，讓他選擇適合的藥物。」主任祕書兼呼吸加護病房主任陳韋成說，病人經常會說想用最貴、最好的藥物，其實研發智抗菌平台的目的除了及早診斷，也是為了讓抗生素使用達到合理性。
抗藥性預測準確率達85％，降低抗生素花費成本
智抗菌平台從2022年2月開始導入中醫大附醫醫院資訊系統（HIS），因4個功能需克服的問題不同而分階段上線，落地臨床作業流程，目前可降低敗血症12％死亡率，共發表18篇論文。游家鑫說，在抗藥性預測準確率平均達85％，其中，MRSA因為感染比例較高，在收集菌株資料時，很容易就能收到超過1萬筆，預測準確率高達95％。
周德陽特別提到，因平台協助臨床醫師及早正確投藥，中區醫院的平均抗生素費用占藥費的30％，中醫大附醫降低到約20％。
然而，亮眼成績的背後，其實面臨各種挑戰與團隊間的磨合。許凱程回憶，院長最初發想概念時，有臨床醫師對於應用AI感到抗拒；中期開發，發現醫學語言和工程語言溝通有落差，「院長以全院Leader的高度，整合臨床端、資訊端、開發端、架接端，每週開一次會議，整合團隊一起克服困難。」
本身為神經部主治醫師的許凱程也能體會，要改變醫師的習慣需要時間。智抗菌平台剛開始上線，每月只有幾百人次的使用率，過半年才逐漸增加，1年後穩定，現今每個月約有1萬人次使用。「剛好醫院面臨HIS轉換期，我們把新的平台導入新的HIS，推廣醫師開立抗生素就用這個平台，不要使用舊平台，提升使用率。」
「當一個產品（平台）要落地時，我們也在做服務。」藥劑部臨床藥學科臨床藥師何虂菁分享，平台剛上線時，她與臨床端的醫師緊密聯繫，到各科舉辦說明會，教學如何使用此平台，並了解同仁使用上遇到的問題。期間如果醫師沒有依照抗生素治療輔助決策系統開立抗生素，她也會協助追蹤和溝通，目前院內調查使用智抗菌平台的滿意度達98％。
跨院驗證協同完成機器學習模型訓練，積極取證推進產品商化
中醫大附醫除了全院落地使用智抗菌平台，也免費架接給4家醫院執行跨院驗證，包含臺大醫院雲林分院、童綜合醫院沙鹿院區、奇美醫院、衛福部豐原醫院，啟動聯邦式學習，讓多個裝置能在不需要傳輸訓練資料的前提下，協同完成機器學習模型訓練。除了保護隱私、減少資料傳輸的成本，也加速機器學習的過程。
另外，為了推進商化發展，中醫大附醫與衍生公司長佳智能合作，預計1年內完成衛福部食藥署「醫療器材軟體」（SaMD）取證，並積極布局美國FDA取證。
中醫大附醫藥劑部臨床藥學科臨床藥師何虂菁說，未來如果各醫院電子病歷格式一致，透過「應用程式介面」（API）作為通道串接，可望讓智抗菌平台的各項功能落地到他院。（圖片提供／中醫大附醫）
中醫大附醫持續優化智抗菌平台，對於打造2.0版深具野心，2023年第5大功能「智血檢」上線，只需要1分鐘就能偵測菌血症。薛博仁說，菌血症有如敵人（細菌）剛打到人體裡，還沒有開始作用；當病人感染細菌時，智血檢能預測未來4小時菌血症演變成敗血症的風險，將救治病人的時間更提前。
「怎麼去找到臨床未被滿足的需求（Unmet Medical Need），前期需要與臨床醫師高頻率的互動；真正上線後，臨床端給我們回饋，我們才能快速地針對模型或系統去做Iteration「迭代」是機器學習的一種術語，表示算法參數更新的次數。在不斷的重複中，持續找到新的做法，或有必要時，更迭之前的結果。。」游家鑫說。
這群醫院裡的發明家將持續學習，透過數位轉型優化流程，快速掌握病情趨勢，挽救更多生命。
