感染症対策における新アプローチとして、UCサンディエゴの研究チームが人工知能と代謝モデルを活用した微生物バイオコントロールの応用可能性を検討したレビュー論文を『応用微生物学ジャーナル』に提出した。抗微生物薬耐性（AMR）は2050年までに年間最大1000万人の死者をもたらすとされ、化学消毒剤の限界と耐性菌の発生リスクが深刻化している。同チームは、有益微生物が病原菌の増殖を競合阻害する手法を提唱する。ただし、建築物内での実証結果は環境条件や菌株差によりばらつきが大きく、規制枠組みの不足が導入障壁となっていた。 本研究はAIとマルチオミクスデータ、代謝モデルを融合させる手法を提示する。AIは微生物間の相互作用や耐性遺伝子伝播リスクを予測し、施設環境データを統合して実世界での挙動を高精度にシミュレートする。予測に基づく設計・試験・学習の反復サイクルにより、実験の最適化とモデル精密化が推進される。 実装形態としては、殺菌スプレーへの有益菌配合や、コンクリート・セルロースなどに微生物を組み込んだエンジニアード・リビング・マテリアル（ELM）が検討される。ELMでは微生物を封入して飛散リスクを抑制しつつ、持続的な除菌効果を発揮させる。モデルリングにより、微生物の生存活性と素材の構造的整合性の最適化が図られる。 主導のファルタド博士は、AI知見は実験検証を経て実用化すべきだと強調。建築物内の微生物生態系や競合メカニズム解明には機械論的実験が不可欠であり、AI予測は実験設計の指針となると指摘。ギルバート博士らの支援を受けており、AMR対策の新規パラダイム構築に寄与する期待が高まっている。