AI助攻！40萬筆數據預測模型「縮短治療期」　台大醫「細菌抗藥性」研究獲國際首獎　

敗血症常成為臨床病患危生命的急重症，由於傳統上判斷細菌的藥敏試驗往往需72至96小時才能獲得結果，醫師只能從經驗判斷，無法馬上對症下藥，對此，台大醫院急診醫學部李建璋教授帶領的研究團隊，以AI人工智慧應用於細菌抗藥性即時預測的創新研究，榮獲美國感染症學會（IDSA）Abstract Award 首獎，並為「Committee Choice Abstract Award」四篇最佳論文之首，展現台灣智慧醫療研究實力。

IDWeek是全球感染症醫學的頂尖學術平台，每年匯聚逾萬名來自世界各地的感染科醫師、兒童感染專家、流行病學家及愛滋病研究學者，是跨領域參與人數最多的國際醫學盛會。台大醫院人工智慧應用於細菌抗藥性即時預測的創新研究，從超過 3000 篇投稿中脫穎而出，成為今年會議中最受矚目的研究成果之一。

台大醫院表示，敗血症傳統的細菌藥敏試驗往往需72至96小時才能獲得結果，醫師在此之前多半只能憑經驗選擇抗生素。然而，隨著社區型抗藥菌株普遍化，研究團隊回溯分析發現，約有三成病患初始治療未涵蓋實際致病菌，導致延誤黃金治療時機，甚至增加死亡風險。

台大醫院表示，針對臨床痛點，團隊提出創新解方。台灣各大醫療院所目前普遍使用質譜儀（MALDI-TOF MS） 進行細菌鑑定，該技術能在數分鐘內完成菌種辨識，但傳統分析無法區分抗藥與敏感菌株。台大醫院李建璋教授團隊蒐集超過 40 萬筆臨床細菌質譜數據，運用深度神經網路結合大型語言模型（LLM）進行模式辨識，成功建立抗藥性預測模型。

台大醫院表示，該模型能在菌種鑑定同時即預測超過80％的常見抗藥機制，並同步提供精準的抗生素選擇、劑量與劑型建議，使臨床醫師能在第一時間啟動目標性治療，大幅縮短治療決策時程，開創急重症診療新局。

本研究由台大醫院李建璋教授主導，集結多方專業力量。台大醫院雲林分院檢驗科謝月貞主任提供寶貴檢驗室資料與實務建議，雲林分院急診科王志宏主任協助數據整理與成果撰寫，研究助理曹書瑜負責深度神經網路與大語言模型開發，台大醫學系學生潘祐君撰寫摘要並獲大會補助赴美發表。

李建璋表示：「這個獎項不僅屬於我們的團隊，更代表台灣智慧醫療在國際上的競爭力。未來我們將持續整合臨床資料與AI演算法，讓台灣醫療在全球AI輔助診斷領域上展現獨特風景線。」