抗生素耐藥性每年致死百萬人，AI診斷準確率已超99%

每年超過100萬人直接死于抗生素耐藥性感染，另有近500萬人的死亡與此相關。這不是未來危機，是正在發生的公共衛生災難。更麻煩的是，醫生現在開抗生素基本靠猜——等兩天后的細菌培養結果出來，重癥患者可能已經沒有兩天了。

倫敦帝國理工學院全球健康創新研究所所長、外科醫生Ara Darzi在4月16日的WIRED Health大會上扔下一句話："2026年，我們正站在這個危機的第一個真正拐點。"他說的拐點是AI診斷。

先厘清問題有多糟�？股貫E用和誤用，加上新藥開發停滯，耐藥菌越養越強。細菌沒死透的時候，會發展出防御機制活下來。不必要的處方給它們練級的機會，救命藥慢慢失效，重癥患者的治療選項越來越少。《柳葉刀》2024年的一份報告預測，到2050年，耐藥感染可能導致4000萬人死亡。

傳統診斷要兩到三天，因為得培養細菌。但敗血癥這類感染，患者等不起——每延誤一小時治療，死亡風險上升4%到9%。等結果期間，醫生只能憑經驗選藥。

AI診斷的賣點是快。Darzi說，AI診斷的準確率已經超過99%，而且不需要額外建實驗室。這對偏遠地區尤其重要。世界衛生組織估計，東南亞和東地中海的耐藥率最高，2023年三分之一的報告感染是耐藥菌；非洲是五分之一。

AI的另一條路是找新藥和預測傳播。英國國家醫療服務體系正與Google DeepMind合作開發相關系統。一次演示中，該系統48小時內發現了此前未知的耐藥機制——帝國理工學院的研究者花了十年才搞懂同一個問題。

配上自動化實驗室，Darzi說現在可以全天候并行運行數百個實驗。深度學習模型幾天內能篩選數十億種分子結構，生成式AI也被用于……

（原文此處中斷）

但別急著歡呼。99%準確率說的是診斷，不是治療。找到耐藥菌和治好患者是兩件事。新藥開發依然緩慢，AI能加速篩選，但臨床試驗的瓶頸還在。DeepMind那個48小時的案例很亮眼，但它發現的是"機制"，距離成藥還有漫長的路要走。

更值得琢磨的是"拐點"這個說法。Darzi說的是診斷層面的拐點，不是整個危機的拐點。診斷快了，醫生能更快用對藥，減少濫用，這確實能減緩耐藥菌的進化速度。但如果新藥 pipeline 繼續干涸，診斷再準也只是把現有的抗生素用得精一點，不是在擴大武器庫。

還有一個沒明說的張力：AI診斷越普及，越可能暴露醫療資源的極端不均。東南亞、非洲耐藥率最高，但這些地方恰恰最缺"不需要額外實驗室基礎設施"的技術落地條件。數據、電力、維護人員、藥品供應鏈——診斷只是鏈條的第一環。

所以2026年的"拐點"到底是什么？可能是技術演示的拐點，不是全球健康公平的拐點。Darzi的演講在倫敦，聽眾是WIRED Health的參會者。真正需要這些技術的地區，有多少人能聽到這場演講，是另一個問題。

AI對抗生素耐藥性的幫助，目前可以拆成三條線：診斷、新藥發現、傳播預測。診斷的進展最實，新藥的承諾最遠，傳播預測的價值取決于公共衛生系統的響應速度。三條線都還在"可能"的范疇，沒有一條是"已經解決"。

最后留個尾巴：耐藥菌不會等你準備好。它們在全球醫院、農場、社區水里同步進化，而AI系統目前還是碎片化的國家項目或企業合作。如果技術拐點不能快速變成政策拐點和資源拐點，2026年的這個"第一 genuine inflection point"，可能只是給2050年的4000萬死亡人數，添了一個注腳。