近年来,伴随着碳青霉烯类抗生素的滥用,产碳青霉烯酶肠杆菌科细菌（Carbapenem-producing Enterobacteriace,CPE）的出现和传播成为一个严峻的临床和公共卫生难题。CPE感染死亡率高,“超级细菌”的发现,更是给人类敲响了警钟。目前常用的三种碳青霉烯表型筛选方法有Blue Carba试验,碳青霉烯酶失活法（CIM）,基于MALDI-TOF MS技术检测碳青霉烯酶。而如今随着人工智能（Artificial Intelligence,AI）技术的飞速发展,其在生物学研究包括细菌耐药性方面辅助研究拥有一席之地。本次研究利用AI技术、Blue-Carba实验和全自动酶标仪有效结合。首先使用酶标仪检测Blue-Carba细菌悬浮液,确定最佳检测波长为615 nm和720 nm,最佳检测液为使用p H=7.4的PBS缓冲液稀释的1.5 OD的Blue-Carba细菌悬浮液。第二步使用实验室近年来分离到的517株革兰氏阴性菌菌株建立4种不同的AI模型并训练测试性能,确定最佳AI模型为LSTM模型,准确率和稳定性最好。第三步用112株实验室保存的肠杆菌科细菌进行验证,通过全自动酶标仪每隔5分钟检测一个小时内13个时间点Blue-Carba细菌悬浮液在615 nm和720 nm处的OD值,记录两个波长下OD值的变化,并用酶标仪和AI模型分析在各个时间点下两个波长的OD值的差值变化趋势,发现携带碳青霉烯基因与非携带碳青霉烯基因的细菌悬浮液OD值变化趋势不同,携带碳青霉烯基因不同亚型的OD值变化趋势不同,且人工分析和导入AI模型分析结果一致。确定通过建立的AI模型分析结果可以自动判别菌株是否产碳青霉烯酶,绝大部分产碳青霉烯酶菌株能够在15 min内就被检测出来,敏感性可达99%,特异性为100%。与Blue-Carba试验,碳青霉烯酶失活法和MALDI-TOF MS技术检测碳青霉烯酶的方法进行比较,验证实验结果。最后,简化实验方法,并上传至网络,建立网站实验数据共享。用户只需上传任意两个时间点的结果即可判断菌株是否产碳青霉烯酶。除了Blue-Carba试验必需的试剂外,仅额外使用一台酶标仪即可完成试验,我们将这种方法命名为AI Blue-Carba。AI Blue-Carba能够为临床检测碳青霉烯酶提供一种快速高效准确的方法,能极大地缩短实验时间,并提供有效的工具来监测细菌耐药性的增长,为临床提供用药指导,进而为政府制定控制CPE传播的政策提供一定的依据。