抗生素抗藥性是一項快速增長的公共衛生危機，每年導致全球超過一百萬人死亡，並造成近五百萬人死於相關疾病。這些感染比一般感染更難治療、費用更高，導致住院時間延長，增加了醫院和病患的成本。 目前的治療方式主要仰賴醫師的經驗判斷。倫敦帝國學院全球健康創新研究所所長兼外科醫師 Ara Darzi 表示，AI 驅動的診斷技術提供了一種更好的解決方案。 Darzi 於 4 月 16 日在倫敦舉行的 WIRED Health 會議上指出：「我們正處於 2026 年，這是這場危機的第一個真正轉捩點。」 抗生素的過度使用和濫用，以及新藥開發的不足，持續助長著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，它們會發展出防禦機制以求生存。不必要的處方讓細菌產生免疫力，使得救命藥物失效，導致重症感染患者的治療選擇日益減少。 這個問題預計將會惡化。《刺胳針》（The Lancet）2024 年的一份報告預測，到 2050 年，抗藥性感染可能導致四千萬人死亡。 傳統診斷抗生素抗藥性感染通常需要兩到三天，因為這需要從樣本中培養細菌。但對於某些感染，例如敗血症，病患沒有這麼多時間等待。每延遲一小時治療，死亡風險就會增加 4% 到 9%。在等待檢測結果期間，醫生必須憑藉最佳判斷來選擇使用哪種抗生素。 基於 AI 的診斷技術可以幫助醫生做出這些決策。Darzi 表示：「AI 驅動的診斷技術在無需額外實驗室基礎設施的情況下，準確度已達到 99% 以上。」 他補充說，這類快速診斷在世界偏遠地區尤其需要。世界衛生組織估計，2023 年東南亞和東地中海地區的抗生素抗藥性最高，三分之一的報告感染具有抗藥性。在非洲，五分之一的感染具有抗藥性。 AI 還能協助發現治療抗藥性感染的新藥，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 AI 系統來對抗抗生素抗藥性。在一項示範中，該系統在短短 48 小時內識別出先前未知的抗藥性機制，解開了倫敦帝國學院研究人員耗費十年才理解的謎團。 Darzi 表示，結合自動化實驗室，現在可以全天候進行數百項平行實驗。深度學習模型現在可以在數天內篩選數十億種分子結構，而生成式 AI 則被用於設計自然界中不存在的化合物。 然而，由於經濟模式的缺陷，主要製藥公司已放棄抗生素的開發。新的抗生素需要被保留以防止抗藥性，但製藥公司卻是根據高銷量來獲利。這使得公司缺乏繼續投入的誘因。 Darzi 主張，需要新的支付模式來鼓勵新抗生素的開發。2024 年，英國啟動了一項類似 Netflix 的支付模式試點計畫，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，而非根據處方量付費。瑞典也正在試驗一種部分脫鉤的模式。 他說：「決定未來一百年醫學面貌的問題，不在於我們是否有應對的工具。我們擁有這些工具。問題在於我們是否有足夠的決心，認真看待我們所看到的一切。」