MOCKUP · SPReAD 1000 企画（外観イメージ） #8 · AI for Science／医療テーマ
#8

抗菌薬は「いつ・どこで効かなくなるか」——予測的アンチバイオグラムで経験的治療をAIで最適化する

🔬 amrcast.research / predictive-antibiogram
AmrCast — 予測的アンチバイオグラム
研究プロトタイプ ・ 微生物検査×処方データを解析（ダミーデータ）
解析 24.6万件
解析した培養・感受性
24.6万件
耐性上昇の予測
AUC.88
▲ 菌×薬×時期
対象 菌×薬ペア
180
経験的治療の外し
−22%
▲ シミュレーション
経験的治療を「いつ・どこで・どの耐性が立ち上がるか」で最適化
縦＝主要菌種／横＝抗菌薬／色＝感受性率（S％・ダミー）／▼＝3ヶ月先に耐性上昇を予測した菌×薬。
CEZCTRXCFPMPIPCMEPMLVFXGMVCM 大腸菌肺炎桿菌緑膿菌黄ブ菌腸球菌アシネト 78 86 95 90 99 72 86 — 70 80 92 84 98 80 88 — — — 86 90 88 74 82 — 88 — — — — 66 80 100 — — — 82 — — — 98 — — 70 72 84 60 78 — ▼▼▼▼▼
感受性 高（効く） 中 低（効きにくい） データ無し ▼ 3ヶ月先に耐性上昇を予測
3ヶ月先に耐性上昇が予測される 菌×薬 上位（上昇幅）
時空間モデルが予測する感受性低下（pt＝感性率の予測低下幅）／濃い＝上昇が急。
1大腸菌 × LVFX（フルオロキノロン）+8pt
2肺炎桿菌 × CTRX（ESBL拡大）+6pt
3アシネトバクター × LVFX+6pt
4緑膿菌 × MEPM（カルバペネム）+5pt
5大腸菌 × CTRX（ESBL）+4pt
↑ 研究コード名「AmrCast」。微生物検査×処方データから菌×薬の感受性を時系列で学習し
「いつ・どこで耐性が立ち上がるか」を予測した予測的アンチバイオグラムの完成イメージ。
経験的抗菌薬選択は過去のアンチバイオグラム頼み。耐性は時空間で動くのに先読みできていない。微生物検査×処方データから予測的アンチバイオグラムを作り、経験的治療の「外し」を減らす——完成したらこう見える、の外観イメージ。
上限 500万円（直接経費） 学生応募可（医学生＝当事者） e-Rad 応募 第2回・2026年6月上旬予定 分野：公衆衛生 × 感染症 × AMR
🔬 問い・学術的背景

経験的（エンピリック）抗菌薬選択は施設ごとのアンチバイオグラム（菌種×薬剤の感受性率表）に依存するが、これは過去の集計で「今・これから」の耐性を映さない。耐性は病棟・季節・抗菌薬使用量とともに時空間に動くのに、日本語で「いつ・どこで・どの耐性が立ち上がるか」を予測した公開研究は乏しい。

🎯 仮説・新規性

培養・感受性・処方・患者背景の時系列に時空間モデル＋系列予測を適用すれば、(1)ローカル耐性率を数ヶ月先まで予測でき、(2)経験的治療の外し（empiric mismatch）を減らせ、(3)抗菌薬使用量と耐性の選択圧を定量化できる、と仮説。静的な集計でなく「予測的アンチバイオグラム」を日本ローカルで作る設計は新規。

🤖 AI活用の必然性

耐性は施設・病棟・時期で非定常、多剤・多菌種・処方圧が絡む高次元の時空間問題で、単純な集計や単変量では先読みできない。時空間系列モデルでしか、菌×薬×時期の耐性上昇を先回りして捉えられない。

💰 500万円の使途
  • ① 協力施設の微生物検査・処方データ連携＋フォーマット標準化・倫理審査
  • ② 感染症専門医による事例アノテーション
  • ③ GPU/API（時空間系列モデル）
  • ④ 予測的アンチバイオグラム・ダッシュボード試作
  • ⑤ 学会発表・プレプリント公開
📈 期待成果・社会実装（出口）

予測的アンチバイオグラム＋経験的治療推奨のベンチマーク＝学会発表・論文。加えて研修医向けに「今この病棟で外しにくい経験的抗菌薬」を提示する試作。Hiroは抗菌薬を学ぶ医学生＝当事者で、初学者がどこで選択を誤るかを内側から設計できる。

※ 正直な関門：感受性データは施設依存でフォーマットがバラバラ、標準化（マスタ整備）が最大の関門。耐性予測は検査バイアス（誰を培養したかで分母が歪む）に弱い。「推奨→耐性が減る」介入の因果はRCT級の検証が要る。AST（抗菌薬適正使用支援）は既存研究があり、新規性は予測と日本ローカルに絞る（誇張しない）。臨床判断支援の薬事位置づけに注意。学生応募はe-Rad機関承認が前提、第2回日程は確定次第確認。
完成イメージ（ダミーデータ）・元データ＝微生物検査×処方（みんこく非依存）／ 企画ログ → spread-plans.md #8