新加坡綜合醫院（SGH）攜手DXC科技公司，開發出名為「增強智慧傳染病」（AI2D）的人工智慧解決方案，旨在優化抗生素處方，減少抗生素濫用，並為每位患者選擇最合適的抗生素。 AI2D模型利用8,000名患者的去識別化資料進行訓練，涵蓋了肺炎等多種感染類型及七種常用抗生素。 Downcodes小編將帶您深入了解這項旨在應對全球抗生素抗藥性危機的創新成果。
AI2D 模型的建構是基於2019至2020年間約8,000名SGH 患者的去識別化臨床數據，包括X 光片、臨床症狀、生命徵象和感染反應趨勢，涵蓋了七種常用的廣譜靜脈注射抗生素。研究團隊於2023年進行了AI 模型的初步驗證研究，將其與2000個肺炎病例進行了比較。
在研究中，SGH 和DXC 指出，AI2D 能夠將需要審查的病例數量減少三分之一（從2012減少至624）。此AI 模型還在審查病例中提高了識別需要介入的病例的可能性，達到近12%，而傳統人工審查的比例僅為4%。此外，某個病例的分析時間，從人工審查的20分鐘縮短至「不到一秒」。
研究顯示，該AI 模型在判斷肺炎病例是否需要使用抗生素的準確率達到了90%。研究還揭示，在這些病例中，近40% 的抗生素處方可能是多餘的。
SGH 表示，肺炎佔其醫院所有感染的20%，是抗生素處方最頻繁的感染類型。病患的住院時間平均在2到9天之間，政府每位接受補助的病患的住院費用高達5,000新元（約3,500美元）。根據2018年的抗生素使用審計，SGH 醫院發現有20% 至30% 的廣譜靜脈注射抗生素是多餘的，而在新加坡，約30% 的醫院獲得性感染被認為對廣譜抗生素產生了抗藥性。
為應對這一全球性問題，醫院正在建立抗微生物藥物管理計劃，以防止抗生素的過度使用，並識別出更合適的窄譜抗生素的建議時機。運用自動化和人工智慧，可以更好地在處方時提供即時洞察，幫助識別需要審查的病例並優先處理。
研究團隊目前正在為200名SGH 住院患者進行比較研究，以測試AI 模型在減少抗生素使用方面的有效性，未來也將開發類似尿路感染的模型。
AI2D計畫的成功，為全球抗生素抗藥性問題的解決提供了一種新的思路。透過人工智慧技術，精準判斷抗生素用藥的必要性，不僅能有效控制抗生素濫用，還能降低醫療成本，提高醫療效率。 Downcodes小編期待未來AI2D能應用在更多疾病領域，造福更多病患。