抗生素耐药性每年致死百万人，AI诊断准确率已超99%

每年超过100万人直接死于抗生素耐药性感染，另有近500万人的死亡与此相关。这不是未来危机，是正在发生的公共卫生灾难。更麻烦的是，医生现在开抗生素基本靠猜——等两天后的细菌培养结果出来，重症患者可能已经没有两天了。

伦敦帝国理工学院全球健康创新研究所所长、外科医生Ara Darzi在4月16日的WIRED Health大会上扔下一句话："2026年，我们正站在这个危机的第一个真正拐点。"他说的拐点是AI诊断。

先厘清问题有多糟。抗生素滥用和误用，加上新药开发停滞，耐药菌越养越强。细菌没死透的时候，会发展出防御机制活下来。不必要的处方给它们练级的机会，救命药慢慢失效，重症患者的治疗选项越来越少。《柳叶刀》2024年的一份报告预测，到2050年，耐药感染可能导致4000万人死亡。

传统诊断要两到三天，因为得培养细菌。但败血症这类感染，患者等不起——每延误一小时治疗，死亡风险上升4%到9%。等结果期间，医生只能凭经验选药。

AI诊断的卖点是快。Darzi说，AI诊断的准确率已经超过99%，而且不需要额外建实验室。这对偏远地区尤其重要。世界卫生组织估计，东南亚和东地中海的耐药率最高，2023年三分之一的报告感染是耐药菌；非洲是五分之一。

AI的另一条路是找新药和预测传播。英国国家医疗服务体系正与Google DeepMind合作开发相关系统。一次演示中，该系统48小时内发现了此前未知的耐药机制——帝国理工学院的研究者花了十年才搞懂同一个问题。

配上自动化实验室，Darzi说现在可以全天候并行运行数百个实验。深度学习模型几天内能筛选数十亿种分子结构，生成式AI也被用于……

（原文此处中断）

但别急着欢呼。99%准确率说的是诊断，不是治疗。找到耐药菌和治好患者是两件事。新药开发依然缓慢，AI能加速筛选，但临床试验的瓶颈还在。DeepMind那个48小时的案例很亮眼，但它发现的是"机制"，距离成药还有漫长的路要走。

更值得琢磨的是"拐点"这个说法。Darzi说的是诊断层面的拐点，不是整个危机的拐点。诊断快了，医生能更快用对药，减少滥用，这确实能减缓耐药菌的进化速度。但如果新药 pipeline 继续干涸，诊断再准也只是把现有的抗生素用得精一点，不是在扩大武器库。

还有一个没明说的张力：AI诊断越普及，越可能暴露医疗资源的极端不均。东南亚、非洲耐药率最高，但这些地方恰恰最缺"不需要额外实验室基础设施"的技术落地条件。数据、电力、维护人员、药品供应链——诊断只是链条的第一环。

所以2026年的"拐点"到底是什么？可能是技术演示的拐点，不是全球健康公平的拐点。Darzi的演讲在伦敦，听众是WIRED Health的参会者。真正需要这些技术的地区，有多少人能听到这场演讲，是另一个问题。

AI对抗生素耐药性的帮助，目前可以拆成三条线：诊断、新药发现、传播预测。诊断的进展最实，新药的承诺最远，传播预测的价值取决于公共卫生系统的响应速度。三条线都还在"可能"的范畴，没有一条是"已经解决"。

最后留个尾巴：耐药菌不会等你准备好。它们在全球医院、农场、社区水里同步进化，而AI系统目前还是碎片化的国家项目或企业合作。如果技术拐点不能快速变成政策拐点和资源拐点，2026年的这个"第一 genuine inflection point"，可能只是给2050年的4000万死亡人数，添了一个注脚。