背景：抗菌薬耐性（AMR）は世界的な健康上の重大な脅威である一方、従来の診断、適正使用支援、用量設定、医薬品開発の戦略は、診断の遅延、集団レベルの意思決定、抗菌薬開発パイプラインの縮小によって依然として制約されている。人工知能（AI）は、複雑な臨床、微生物学、ゲノム、薬理学、化学データを統合することで、これらの課題の解消に寄与し得る。方法：2010年1月から2026年3月までに発表された英語文献を対象に、ナラティブレビューを実施した。AI、機械学習、AMR、抗菌薬適正使用支援、診断、感受性予測、抗菌薬投与量、薬物動態、薬力学、抗菌薬探索に関連する用語を用いて、PubMed/MEDLINE、Scopus、Web of Scienceを検索した。さらに2026年8月27日、ClinicalTrials.gov、世界保健機関の国際臨床試験登録プラットフォーム、ISRCTNを検索し、2026年3月31日までに登録または公開された前向き介入研究を調査した。結果：AIに基づくシステムは、細菌感染症とウイルス感染症の鑑別、菌血症および敗血症の予測、マトリックス支援レーザー脱離イオン化飛行時間型分析の解釈向上、抗菌薬感受性の推定、個別化された経験的治療の支援、抗菌薬投与量の最適化、化合物探索の加速において有望な性能を示した。しかし、外部検証および時間的検証では、内部検証よりも性能が大幅に低下することが多かった。代表的な耐性予測研究では、受信者動作特性曲線下面積（AUROC）が内部検証の0.94から、時間的に独立した外部検証では0.55まで低下し、18カ月間で0.10～0.25低下した。さらに、検討した4領域において適格な前向き介入研究は6件のみであり、AI支援診断または抗菌薬使用の意思決定に関する研究が2件、耐性予測または適正使用支援に関する研究が3件、モデルに基づく精密投与に関する研究が1件で、AI支援による抗菌薬探索に関する研究は皆無であった。結論：現在のエビデンスは、AIが技術的に有望な予測を生成できることを示しているが、一貫した臨床的または経済的便益はまだ確立されていない。識別性能のみでは臨床的有用性を実証するには不十分である。広範な導入に先立ち、前向き多施設共同試験、臨床的に意義のあるアウトカム指標、外部検証、モデルドリフトの継続的監視、正式な実装評価および費用対効果評価が必要である。
https://doi.org/10.20944/preprints202609.0069.v1