14.2k 人追蹤
追蹤

疫情期間細菌抗藥性增3倍 醫：「四不一要」防未來無抗生素可用



出處／康健雜誌　文／邱淑宜　圖／Unsplash
2021年11月22日 週一 下午6:16·5 分鐘 (閱讀時間)


今夏本土新冠疫情大爆發，疫苗及治療藥物一度短缺，引發各界關注，然而更嚴重的問題悄悄在發生：研究顯示疫情期間細菌抗藥性增3倍。細菌日益強大、抗藥性日益增強，未來無藥可對付細菌？醫師表示，遵守「四不一要」的抗生素用藥原則可改善問題。
抗生素是對付細菌感染最有效的武器，但濫用抗生素導致的「抗生素抗藥性」（Antimicrobial resistance，簡稱AMR）是醫界長久以來頭痛的問題，台灣感染醫學會理事長王復德表示，台灣不只醫療院所內抗藥性細菌感染個案比例逐年攀升，更有部分細菌已有高達7成抗藥性。
2050年台灣恐每5個死者就有1人死於抗藥性細菌感染
王復德指出，過去認為抗藥性問題多出現在介入性治療多、感染風險高的重症加護病房或醫療院所中，然而國家衛生研究院台灣微生物抗藥性監視計劃（TSAR）資料顯示，國內多重抗藥性問題影響範圍廣，不局限於過往認知的長輩及重病族群，多重抗藥性問題已延燒至門診且不分年齡層，整體醫療環境都面臨抗藥性挑戰。
「疾管署資料顯示，如果抗生素抗藥性問題持續惡化，到2050年，我國每年將有 3.3萬人因抗生素抗藥性而死亡，」王復德說，以我國平均每年死亡人數15萬人計算，相當於死亡人口中超過1/5因抗藥性感染而死；對國家財政影響也鉅大，將導致我國GDP損失2％，換算下來，一年的經濟損失恐達3000億台幣。

（濫用抗生素是細菌抗藥性日高的原因之一。圖片來源 / Pexels）

他表示，國際研究顯示，COVID-19疫情發生後，部分抗藥性細菌比例增3倍，COVID-19患者若再加上抗藥性細菌感染，將延長3～5倍住院時間。細菌抗藥性攀升，除了導致治療難度提高、住院時間拉長及醫療支出增加等狀況，醫界更憂心的是對付細菌未來無藥可用。
近6成感染科醫師曾面臨無藥可用窘境
台灣感染管制學會理事長陳宜君表示，我國科技部執行、針對民眾公民素養的一項調查顯示，高達7成國人不清楚抗生素只用來對抗細菌感染，對病毒並無效。臨床上也常見民眾錯誤使用抗生素，比如感冒通常由病毒引起，但不少感冒病患要求醫師開抗生素，「各界對於抗生素使用認知不足，將使抗生素抗藥性問題難以緩解。」
對第一線醫師來講，抗藥性讓用藥面臨諸多挑戰，陳宜君指出，《感染控制雜誌》在2020年發表的調查顯示，87.6％受訪醫師表示更常需合併2種以上的抗生素來進行治療，或是改用廣效型抗生素，而7成以上的醫師表示因此可能造成副作用增加、住院時間拉長、預後變差等狀況。
「藥品的儲備也是一大挑戰，」陳宜君進一步指出，不像慢性病患需長期服用慢性病藥物，抗生素為短期使用藥物，價格又低廉，加上細菌抗藥性問題難以緩解，缺少誘因，全球只有少數藥廠願意投入抗生素研發，抗生素藥物問世速度跟不上醫療需求，日後人類恐將面對抗藥性細菌無藥可對抗的狀況。而在台灣，有41％醫師坦言在台灣的抗生素取得不易，更有57％醫師表示曾遇過抗生素短缺而影響病人治療。
使用抗生素 謹守「四不一要」
陳宜君說，改善抗生素抗藥性問題，除了醫師正確用藥，減少抗藥性細菌感染症的發生，也期盼藥廠研發新藥，民眾的配合也很重要，民眾在抗生素使用，應熟記「四不一要」觀念：
「不」主動要求抗生素
「不」隨便自己買抗生素來吃
「不」吃他人的抗生素
「不」要隨便停藥
「要」遵守醫囑使用抗生素

（圖片來源 / 台灣感染管制學會提供）
中國附醫開發「智抗菌決策輔助系統」 快檢菌種預防敗血症
細菌引起的感染中，敗血症是致命病症，台灣每10萬名敗血患者有287人死亡，致死率29.2％。面對超級細菌日益氾濫，如何搶時間「對菌下藥」？中國醫藥大學附設醫院開發「智抗菌決策輔助系統」，集投藥建議、預測抗藥性與敗血症三大功能於一身，準確度達近9成，獲得2021年台北生技獎跨域卓越獎優等獎肯定。
中國附醫院長周德陽表示，傳統上住院病人發生感染症時，醫院會針對感染源進行菌種鑑定與微生物製劑敏感性試驗，將檢測資訊提供給臨床醫師進行抗生素治療評估，但需3到5天才得知結果，醫師為了搶時間救病人，第一時間多依經驗研判可能是哪種細菌感染投以相應的抗生素，仍有一定比例病患在感染初期無法確診，錯過黃金治療時間，「智抗菌」系統大幅改善這個問題。

（抗生素是對抗細菌的利器，但細菌抗藥性日高，醫療面對極大挑戰。圖片來源 / Pexels）
他指出，「智抗菌」系統根據過往細菌鑑定與抗藥報告大數據，串接質譜儀資料，同時鑑定細菌種類及預判是否可能帶有抗藥蛋白，將整個流程縮短為1小時，讓醫師與病人更快速掌握是否用對藥物，降低醫療成本與致死率。
在預防敗血症上，中國附醫人工智慧醫學診斷中心主任許凱程表示，利用住院病人的性別、年齡及3天內的生理指標與抽血數據等，對照過往的大數據資料，可推斷病人當下發生敗血症的機率，醫護人員就能預先強化醫療照護與生理數值監控，降低敗敗血症對病患生命的危害。