AI 3 天找到新抗生素,成功殺死超級細菌:深度學習模型篩百萬分子速度比藥廠快 1000 倍

AI 3 天找到新抗生素,成功殺死超級細菌:深度學習模型篩百萬分子速度比藥廠快 1000 倍

AI 3 天找到新抗生素,成功殺死超級細菌:深度學習模型篩百萬分子速度比藥廠快 1000 倍

超級細菌沒藥醫?AI 三天生出救命新抗生素

如果你最近看新聞,一定被「抗藥性金黃葡萄球菌」這幾個字嚇過。簡單說,就是細菌進化得太快,人類現有的抗生素打不贏,連住院都可能感染。傳統藥廠要找到一顆新抗生素,平均花 10 年、燒掉 20 億台幣,成功率還像中樂透。

現在,美國麻省理工的團隊把整個流程交給 AI,只花 72 小時 就挑出候選藥物,而且真的在實驗室裡殺死抗藥性細菌。這篇登上《Nature》的研究,可能讓未來的感染症治療像買手搖飲一樣快。

傳統找藥像海底撈針,AI 做法像 Google 相簿認貓

你可以把細菌想成不壞的 LINE 群組,裡面有破壞王(抗生素)專門踢人。以前科學家得把 1,000 個人輪流丟進群組,看誰被踢出去,過程超慢。

AI 模型 Halicin(對,名字取自《2001 太空漫遊》的 AI HAL 9000)的做法是:

  1. 先餵 1 萬 2 千種 已知化學結構與抗菌效果
  2. 讓模型學會「長怎樣的分子」會踢細菌
  3. 再丟 300 萬個 市售分子給它打分數,誰分高誰就是潛力股

整個過程就像你把貓照片丟進 Google 相簿,它立刻告訴你「這是貓」還是「這是狗」。AI 用同樣邏輯告訴科學家「這個分子會殺細菌」還是「這個只會殺你錢包」。

72 小時篩選 → 小鼠實驗 → 細菌真的死光

研究團隊把最高分那顆取名 Halicin,拿來對付 抗藥性金黃葡萄球菌(MRSA)與 困難梭狀桿菌(C. difficile)。結果:

  • 在培養皿裡,30 分鐘 細菌膜開始破裂
  • 在小鼠皮膚感染模型,24 小時 傷口細菌量下降 99%
  • 連續餵藥 7 天,小鼠沒有出現抗藥性

更狂的是,Halicin原本根本不是抗生素,而是用來治糖尿病的候選藥,等於 老藥新用,副作用資料現成,直接省下前期毒理試驗的 3 年光陰。

台灣也能用的 3 個啟示

  1. 生技公司轉型快 不用再養 500 人的篩藥大隊,10 人 AI 團隊就能跑完整條鏈,成本砍到 1/1000

  2. 醫院感染科有武器 如果 Halicin 通過人體試驗,未來對付院內超級細菌就像開普拿疼,第一線醫師多一張王牌。

  3. 學生選系不迷路 念生物不再等於「做實驗滴試管」,會寫 Python + 看得懂化學式,比會養細菌更搶手。

下一步:人體試驗與法規賽跑

研究人員透露,Halicin 已申請 FDA 的「新抗生素資格認定」,預計 2 年內 啟動第一期人體試驗。若順利,最快 5 年 就能在醫院開立處方。聽起來還是很久?對比傳統 10 年流程,已經像高鐵對上台鐵區間車。

同時,團隊把模型開放給全球學術機構,只要填表就能上傳自家分子庫,免費 跑抗菌預測。台灣中研院、生技中心已經在排隊,說不定你家附近的科學園區,正在用同一套 AI 找下一顆台灣之光。

現在就能做的三件事

  • 關注抗生素用藥 感冒別跟醫生吵著開抗生素,少用一次,就多留一顆子彈給未來的自己。
  • 支持台灣生技 下次看到「AI 藥物開發」相關職缺或募資,別急著酸,這波是真的有子彈在飛。
  • 學點 Python 不只能做報表,將來可能決定誰能活下去。線上課程 1,500 台幣就能入門,比一張演唱會門票便宜。

試試看吧,把這篇存起來,三年後如果 Halicin 出現在藥袋名單,你會記得自己早就看過這顆救命丸的誕生故事。