抗菌薬耐性は公衆衛生上の課題であり、迅速で費用対効果の高い診断支援ツールの必要性を促している。人工知能（AI）により、既知の感受性結果から、未検査の抗菌薬に対する感受性を予測できる可能性があるが、日常的な使用の前には前向きの臨床的検証が必要である。我々は、欧州サーベイランスシステム（TESSy）由来の侵襲分離株で訓練したAIベースの意思決定支援法を評価し、臨床由来の大腸菌尿検体における抗菌薬感受性の予測を行った。評価では、年齢、性別、抗菌薬感受性の多様性を持つ尿検体由来の99株のE. coliを用いた。予測は、患者メタデータおよび4〜8種類の抗菌薬の感受性結果を入力として用い、14種類の抗菌薬について評価した。予測の不確実性は適合予測（conformal prediction）によって扱い、信頼度が不十分な場合には棄権（abstention）を可能とした。参照としてEUCASTのディスク拡散試験結果を用い、AIパフォーマンスの機序を探索するためにゲノム配列データを用いた。適合予測を行わない場合、6種類の抗菌薬の感受性結果を用いて、追加の8種類の抗菌薬について感受性を予測した際には84%の予測が正しかった。6種類の抗菌薬の感受性結果を入力として生成された全ての予測において、主要誤りおよび非常に主要な誤りの割合はそれぞれ19%および12%であった。予測誤りは抗菌薬間で異なり、特定の表現型および遺伝型の耐性パターンに関連していた。適合予測は誤りを低減する一方で棄権を増加させ、信頼度レベル90%、95%、97.5%ではモデルが9.6%、14%、22%の事例で棄権した。本手法は有望な性能を示したが、臨床利用は依然として限定的であり、感受性試験結果および人口統計変数に加えて診断データが必要になる可能性がある。
https://doi.org/10.64898/2026.08.27.26361401