假体关节感染（PJI）是骨科最棘手的并发症之一，约2%的初次置换和5%的翻修手术受累。传统抗生素因耐药与生物膜穿透差，失败率居高不下。噬菌体疗法虽被寄予厚望，但“选对病毒”比想象中难：宿主谱窄、抗性突变快、与抗生素或协同或拮抗，临床决策举步维艰。

哈佛医学院Nicita Mehta与Andrew Nguyen团队在《Antibiotics》发表评论，提出用机器学习（ML）和人工智能（AI）把噬菌体治疗“智能化”，从海量数据里快速锁定最佳病毒，甚至实现个性化给药。

一、AI预测噬菌体-宿主配对

传统双层琼脂法筛选动辄数周。新研究整合噬菌体受体结合蛋白序列、细菌表面结构及蛋白语言模型，用梯度提升算法对克雷伯菌株级配对进行预测，ROC-AUC达81.8%，体外验证准确率远超人工挑选。类似框架已扩展到大肠杆菌，卷积神经网络自动提取序列特征，提前“算”出感染结局，为临床节约90%前期实验时间。

二、智能图书馆：把噬菌体做成“可检索”数据库
       队倡议建立全球统一的高质量噬菌体图书馆，每条记录包含宿主范围、裂解效率、化学稳定性等标签。自然语言处理自动抽取文献与病例报告，聚类算法按基因同源度分门别类。医生输入患者菌株基因组，系统秒级返回推荐鸡尾酒配方，并给出协同抗生素清单。

三、实时监测抗性
      PJI疗程长，细菌可能迅速演化出受体突变或CRISPR逃逸。作者提出将连续测序与异常检测算法结合，一旦 reads 中出现已知抗性位点，模型立即报警，提示更换毒株或调整联合用药，实现“动态导航”。

四、个性化鸡尾酒设计
      PJI常为混合感染，且每位患者生物膜厚度、免疫状态不同。研究建议用支持向量机或强化学习整合菌株-噬菌体-抗生素-宿主四维数据，预测不同组合的清菌率和耐药风险。小鼠 Pseudomonas 感染模型已证明，AI推荐的噬菌体-抗生素鸡尾酒清除效率比经验组提高2.3倍，且未见二次抗性。

五、挑战与展望
      作者指出，AI模型依赖大规模、标准化的公开数据，目前噬菌体基因组和临床疗效记录格式不一，亟需建立国际数据共享协议；此外，全球医疗可及性差异大，需要开发轻量级云端平台，让基层医院也能受益。

结语
      “智能噬菌体”不是科幻：从算法预测、图书馆检索到实时监测和个性化配方，AI正把噬菌体治疗从“手艺”变成“工程”。随着耐药菌蔓延，这一策略有望率先在PJI等难治感染落地，开启后抗生素时代的精准抗感染新纪元。

参考文献：https://doi.org/10.3390/antibiotics14090949