利用机器学习根据质谱资料建立细菌株快速药敏预测与自动化分析平台(2/3)

药敏检验为体外测试微生物对于药物的反应（“具抗药性”或“不具抗药性”），以提供临床医师抗生素使用之指引。传统微生物检验的方法确认细菌之药敏反应需要数天之时间，导致无法于第一时间给予最正确之给药。相对，快速药**要目标为即早并正确给药，进而达到减低死亡率、避免抗药性，以及缩短住院天数之效益。近年来，基质辅助激光解吸电离-飞行时间质谱（MALDI-TOF MS）已被广泛应用于临床微生物检验，经由不同菌种之质谱些微差异，即可得到高度准确性之菌种辨认。然而，现行方法尚无法根据质谱之些微差异，以高精准度地预测抗药性。本计划之目的为利用质谱资料建立模型，以预测细菌之药敏反应。其中，此计划之资料为林口长庚医院检验医学科多年来搜集临床之细菌质谱与其药敏反应结果，本计划首先建立一数据库系统储存质谱与药敏资料，再经由机器学习与适当之特征挑选方法建立药敏反应模型。最后将进一步寻找关键峰值特征，进行更进一步的微生物实验找寻对应之蛋白质片段，以探究产生抗药之原因，提供制药之参考。最后，将应用于实际临床医学场域，提供最即时之预测以即早正确给药。

联合国会员国于 2015 年同意 17 项全球永续发展目标 (SDG)，以终结贫困、保护地球并确保全体的兴盛繁荣。此专案有助于以下永续发展目标：

探索此专案触及的研究主题。这些标签是根据基础奖励/补助款而产生。共同形成了独特的指纹。