康聯與研究團隊以AI預測結核抗藥性模型 登上ESCMID 2025國際舞台
2025年5月,台灣 — 健康服務生態圈的領航者康聯生醫 (6665) 宣布,與研究團隊運用質譜分析搭配機器學習技術,成功開發出能即時預測結核分枝桿菌 (Mycobacterium tuberculosis complex, MTBC) 對 Rifampicin 抗藥性的 AI 模型,並受邀於歐洲臨床微生物與傳染病學會 (ESCMID Global 2025) 大會上發表研究成果,展現台灣在 AI 抗藥性分析領域的研發實力與國際影響力。
該AI研究由康聯生醫與國家研究單位合作開發,並結合芮弗士醫事檢驗所的臨床資料與質譜平台資源,研究團隊以「Predicting
rifampicin resistance in Mycobacterium tuberculosis complex with a machine
learning based MALDI-TOF MS approach」為題,獲選進入大會專場發表(AI
tools empowering AMR prediction in WGS and MALDI-TOF)。此為本屆極少數入選並針對質譜與AI抗藥性預測進行深度探討的研究之一,透過本次研究成果,期望建立能快速提供臨床用藥建議的AI預測工具。
結核病在台灣仍被視為具高度傳染性且需長期追蹤管理的重要公共衛生議題,尤其抗藥性結核菌的出現,使臨床治療難度持續提升。對此,康聯生醫董事長黃英士表示:「我們透過與產官學界夥伴的密切合作,運用AI與質譜整合技術,希望能讓臨床醫師在治療早期即獲得可信的預測資訊,加速用藥決策、降低抗藥風險。這次受邀於ESCMID發表,是台灣AI醫療技術邁向國際的重要里程碑,我們也期待未來能推向臨床應用,真正造福病人。」結合質譜與AI,預測模型縮短診斷時程三週以上
依據疾管署資料,
2024年台灣仍有6,222人確診結核病,顯示該病仍為重要的公共衛生議題,且抗藥性帶來的治療挑戰不容忽視。治療主要依據之傳統藥物敏感性試驗(Drug Susceptibility Testing, DST)仍需至少28天,可能導致臨床治療時程冗長或延誤。為此,團隊以MALDI-TOF MS質譜資料搭配機器學習演算法建立預測模型。當結核分枝桿菌經初步培養並完成質譜分析後,AI模型可於1分鐘內完成預測運算,預計較傳統藥敏試驗流程提前3週以上提供參考結果,協助醫師儘早制定治療方案。根據研究結果,模型預測曲線下面積(AUC)
高達 98.45%、準確率 91.96%,顯示高度臨床應用潛力。
該模型使用 Bruker 質譜儀,具備完整保留訊號能力,有助模型學習細微抗藥性變化。模型訓練採用188株菌株進行交叉驗證,並透過 Extreme Boosting 演算法達成最佳預測效能。此外,團隊亦針對不同醫檢師與批次進行訊號標準化處理,確保未來臨床部署的穩定性。未來將以此研究為基礎,評估導入軟體醫療器材(Software as a Medical Device, SaMD)法規流程,推動AI預測模型朝向臨床實用化邁進。
此技術不僅呼應世界衛生組織「2035終結結核病」的全球行動目標,也為抗藥性防治策略提供創新突破。康聯受邀於ESCMID
Global 2025國際年會發表,展現出台灣在智慧醫療與抗藥性診斷領域的技術成熟度與研發潛力,也為未來走向國際合作與臨床應用奠定了良好基礎。
更多資訊請參考 https://www.healthconn.com/
2025/05/05