康聯生醫與研究團隊開發預測結核分枝桿菌對立汎黴素抗藥性的AI模型，並於歐洲臨床微生物與傳染病學會大會上發表。（康聯生醫提供）
黃宜靜／核稿編輯
〔健康頻道／綜合報導〕結核病具高度傳染性且需長期追蹤，尤其抗藥性結核菌出現，使臨床治療難度持續提升。康聯生醫與研究團隊運用質譜分析搭配機器學習技術，成功開發出預測結核分枝桿菌（Mycobacterium tuberculosis complex, MTBC）對立汎黴素（Rifampicin）抗藥性的AI模型，能縮短診斷時程，且準確率達91.96%，顯示高度臨床應用潛力。
該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，以「Predicting rifampicin resistance in Mycobacterium tuberculosis complex with a machine learning based MALDI-TOF MS approach」為題，獲選進入歐洲臨床微生物與傳染病學會（ESCMID Global 2025）大會上專場發表。
預測模型 預估能縮短逾3週診斷時程
康聯生醫指出，結核病治療之傳統藥物敏感性試驗（DST）需至少28天，可能導致臨床治療時程延誤。因此團隊以MALDI-TOF MS質譜儀，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。
研究結果顯示，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。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，盼朝向臨床實用化邁進。