【記者林獻元台中報導】中國醫藥大學中西醫結合研究所陳朝榮教授技術團隊，透過臨床菌種鑑定流程的產生的質譜訊號，預測抗藥細菌的風險，不僅能有效縮減臨床醫檢師檢驗流程，輔助臨床醫師精準使用抗生素，降低重症發生率，同時減少抗生素濫用造成的問題；此技術有助於加速醫療數位轉型，今年四月發表於國際知名期刊《微生物光譜》Microbiol Spectr並獲得美國專利，榮獲今年科技部「2022未來科技獎」殊榮，稱得上實至名歸。
 
現行臨床醫學檢驗流程，針對感染源進行菌種鑑定與微生物製劑敏感性試驗(antimicrobial susceptibility testing)後，約需三到五天將檢測資訊提供給臨床醫師進行抗生素治療評估；陳朝榮教授技術團隊開發「智能抗藥性細菌快速預測系統」（Rapid prediction system for intelligent antibiotics-resistant bacteria）結合臨床質譜儀訊號(MALDI-TOF MS)與機器學習模型，針對同種細菌不同抗藥性之表現型進行預測，因此可大幅縮短24-48小時來提供輔助用藥指示。
 
「智能抗藥性細菌快速預測系統」技術的建立得助於中國醫藥大學校院團隊合作，包含中國醫藥大學附設醫院周德陽院長領導的智抗菌團隊、智慧醫療科技創新中心游家鑫主任開發的機器學習模型與檢驗醫學部田霓副部主任的技術支援。
 
本技術透過MALDI-TOF進行蛋白質質譜分析以鑑定菌種的同時，加入團隊開發成功的機器學習分類模型可直接進行抗藥菌與非抗藥菌分類。技術團隊利用現有的臨床大數據演算出抗藥性微生物的特殊表現圖譜，在現有菌種鑑定流程完成的同時，也能立即知道是否為已知抗藥性細菌，這將能提前協助臨床抗生素精準用藥，縮短病人住院期間並能減少抗生素濫用。
 
本技術包含使用自動化質譜資料前處理單元，機器認知模型與大量細菌抗藥質譜資料庫。根據上述抗藥細菌質譜分析系統，其中該質譜資料前處理單元會對質譜資料進行前處理與標準化，作為進行抗藥性檢測後續的機器認知模型。
 
目前模型可對抗甲氧西林金黃色葡萄球菌、抗碳青黴烯藥之克雷伯氏肺炎菌、抗碳青黴烯藥之包氏不動桿菌、抗萬古黴素之屎腸球菌、抗碳青黴烯藥之大腸桿菌、抗碳青黴烯藥之陰溝腸桿菌、抗碳青黴烯藥之摩根氏桿菌，與抗碳青黴烯藥之綠膿桿菌等八種臨床監測細菌進行分類預測，準確率為0.75 - 0.93。未來將再加入臨床常加之其他21隻細菌。
 
在「智能抗藥性細菌快速預測系統」中，其蛋白質鑑定技術是透過陳教授的科技部計畫：「以發展胜/磷酸化胜線上鹼性分餾層析質譜、抗體/蛋白質平盤技術與代謝體平台以應用於生物標誌之尋找、快速檢測與其中草藥抑制劑之篩選；」支持下完成。
 
結合智慧醫療科技創新中心游家鑫主任開發出的機器學習模型，成功找出可區辨甲氧西林敏感性金黃色葡萄球菌(methicillin-sensitive staphylococcus aureus, MSSA)抗甲氧西林金黃色葡萄球菌(methicillin-resistant staphylococcus aureus, MRSA)的蛋白質生物標誌，陳朝榮教授團隊以液相層析質譜技術成功鑑定蛋白質序列。
 
使用電腦模擬方式，找出因為其胜序列的變化，使其與抗生素結合力下降之原因，而造成抗藥性之提升。未來也將逐一鑑定可分辨不同抗藥性菌株的蛋白質序列，以期未來可應用於新型抗生素研發。
 
目前技術團隊並與四家醫院合作，其細菌圖庫資料庫應是目前所知最大的資料庫。此系統並可結合快速細菌樣品製備方法、MALDI-TOF與機器學習以更快得到細菌抗藥性預測系統。此研究可進一步透過質譜身分鑑定尋找到新穎抗藥菌生物標誌，並可試圖找出該生物標誌牽涉到的下游抗藥機制，以能進一步開發檢驗方法以及新一代的抗生素。
 
在產業上，可直接應用於各醫院的臨床菌株檢驗系統，以及早投藥並節省後續的醫療成本。此外，從這平台開發並鑑定的蛋白質生物標誌，更可應用於快速晶片檢測與抗體抗生素方面的研發。