解析▪新創技術
AI賦能協助醫療數位轉型 中國醫附醫智速偵抗菌(AST.AI)提升抗生素合理使用率
2023-01-31

世界衛生組織(WHO)將有多重抗藥性的「超級細菌(superbugs)」列為人類健康的十大威脅,因超級細菌感染的死亡人數,將超過第二名的癌症與第三名的糖尿病總和。中國醫藥大學附設醫院的AST.AI將現有臨床微生物檢驗的質譜資料加值應用,結合機器學習方法預測細菌抗藥性,提供的即時預測資訊,使檢驗資訊輔助臨床醫師進行治療評估。醫師結合臨床觀察配合AST.AI預測值就能精準調整抗生素降升階治療...

世界衛生組織(WHO)將有多重抗藥性的「超級細菌(superbugs)」列為人類健康的十大威脅,因超級細菌感染的死亡人數,將超過第二名的癌症與第三名的糖尿病總和。以往病患出現感染,必須透過純化培養、菌種鑑定與抗藥性檢測,至少耗費48-72小時才能得知檢測結果,再將資訊提供給臨床醫師進行抗生素治療評估;然而統計數據顯示,每延遲1小時用藥,病患死亡率就會上升7.6%。智速偵抗菌(AST.AI)緣起於中國醫藥大學附設醫院周德陽院長觀察到抗生素濫用將造成抗藥菌危機,特別成立抗生素專案小組,針對檢驗技術與抗生素使用進行流程優化。AST.AI將現有臨床微生物檢驗的質譜資料加值應用,結合機器學習方法預測細菌抗藥性,提供的即時預測資訊,使檢驗資訊輔助臨床醫師進行治療評估。醫師結合臨床觀察配合AST.AI預測值就能精準調整抗生素降升階治療。

中國醫附醫鏈結臨床質譜分析與AI人工智慧 讓抗藥細菌無所遁形

AST.AI透過結合臨床質譜儀訊號與機器學習模型,以不改變臨床流程為前提,提供監測細菌抗藥性風險。利用串接質譜儀機器學習模型與院內資訊系統,實現自動化簡訊通知開單醫師與值班醫師患者抗藥風險。目前針對常見6種抗藥性菌種進行抗藥性預測,其中臨床常見之高死亡率菌株抗藥性金黃色葡萄球菌(Multidrug-resistant Staphylococcus aureus)、抗藥性克雷白氏菌(Multidrug-resistant Klebsiella Pneumoniae)等,目前院內模型測試準確率為0.8-0.9,AST.AI 預測時間相較於現行臨床流程平均縮短約35小時。將能提前協助臨床抗生素精準應用,縮短病人住院期間、減少抗生素濫用造成的超級細菌風險等諸多效益。AST.AI同時透過開發雲端服務架構,可實現快速跨院導入預測服務,預測模型效能即時監控,模型版本控管與更新以應對可能之數據飄移問題。

※智速偵抗菌(AST.AI)透過結合臨床質譜儀訊號與機器學習模型,提供監測細菌抗藥性風險。(照片來源:中國醫附醫)

AI協助醫療數位轉型 中國醫附醫盼透過智抗菌平台提升抗生素合理使用率

智速偵抗菌(AST.AI)整合資通訊與生醫跨領域創新,透過醫療數位轉型,致力降低全球抗藥菌的威脅。AST.AI為全自動化系統,無痛整合現行臨床流程,可串接其它模組進行擴充,目前已於中國醫藥大學附設醫院智抗菌平台中串接使用,相較於傳統抗生素敏感性試驗報告提前24小時,並第一時間簡訊通知臨床醫師高風險患者。AST.AI更展現不同思維,在提升患者醫療品質同時力求降低醫療成本,更期待能承擔更多社會責任,提升抗生素合理使用,進而降低全球抗藥菌對人類社會的威脅。

※系列報導:

※本文由生策中心新創幫編輯群採訪撰寫(口述:中國醫藥大學附設醫院 執筆:陳柏翔)。如有引用,請確實註明出處來源。

 

本網站中所有資料(包括影音.文字.圖表.數據等) ,均屬於本中心或各該新創企業團隊之專屬財產,如有引用,請確實註明出處來源。 <完整資訊>
財團法人生技醫療科技政策研究中心 版權所有
Copyright © 2012 - 2024 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved