Singapore gør AI-drevet antibiotikatest klar til større skala

Derfor vil SGH og A*STAR have et tørformat

Den nuværende version af iACT er bouillonbaseret og kræver frossen opbevaring og håndtering. Det gør produktion, lagerføring, transport og brug på laboratorier med begrænsede kølefaciliteter mere besværlig.

Samarbejdet mellem SGH og DxD Hub skal omdanne testen til et stabilt diagnosesæt i tørformat. Det kan gøre forsendelse og opbevaring enklere, forlænge den praktiske holdbarhed og sikre en mere ensartet klargøring på tværs af laboratorier.

Formatskiftet er derfor mere end ny emballage. Det er et vigtigt skridt fra en specialiseret hospitalsservice til et gentageligt produkt, der skal gennemgå produktionstilpasning, kvalitetsvalidering, myndighedsvurdering og integration i almindelige laboratoriearbejdsgange.

Fra hospitalsservice til kommercielt produkt

Organisationerne har underskrevet et treårigt aftalememorandum om at produktudvikle og kommercialisere iACT. SGH havde brugt testen 84 gange i de tre år før offentliggørelsen. Planen er først at udbrede den til flere hospitaler og laboratorier i Singapore og derefter undersøge mulighederne på udenlandske markeder.

Det kommercielle produkt bygger på to dele:

• et proprietært panel med antibiotikakombinationer;
• software, der fortolker laboratorieresultaterne og understøtter valget af behandling.

Kombinationen kan give iACT en særlig position inden for præcisionsdiagnostik ved infektionssygdomme. Teknisk performance alene er dog ikke nok til at sikre kommerciel succes. Der skal også findes en realistisk pris, en passende svartid, en robust produktionsproces, en regulatorisk vej, en plads i klinikkens arbejdsgang og en model for betaling eller refusion.

Når testen flyttes mellem lande, vil lokale resistensmønstre og behandlingsrutiner desuden have betydning. En løsning, der fungerer i Singapore, kan derfor ikke uden videre antages at fungere på samme måde andre steder.

En bredere satsning på sundheds-AI

iACT-samarbejdet blev annonceret sammen med andre initiativer, der viser, hvordan Singapore kobler klinisk anvendelse sammen med forskning, regulering og regional udbredelse.

PENSIEVE-AI skal gøre kognitiv screening mindre krævende

PENSIEVE-AI er et digitalt screeningsværktøj til forstadier til demens, udviklet af SGH i samarbejde med GovTech, Duke-NUS Medical School og National University of Singapore. Værktøjet analyserer tegneøvelser, som gennemføres på en touchscreen, for at identificere tegn på tidlige kognitive problemer. En undersøgelse omfattede 1.758 voksne, der boede i lokalsamfundet, og vurderingen er designet til at tage under fem minutter.

PENSIEVE-AI er et screeningsværktøj – ikke et diagnostisk svar. Ideen er, at en kort og tilgængelig test kan hjælpe med at finde personer, der bør gennemgå en nærmere klinisk vurdering, især i takt med at Singapore håndterer en aldrende befolkning.

Bhutan vil lokalisere AI til røntgenbilleder

SingHealth og Bhutans Gyalpozhing College of Information Technology har indgået en aftale om at tilpasse en AI-understøttet model til røntgenbilleder af brystkassen. Modellen bygger på MerMED-FM og skal udvikles ved hjælp af data fra bhutanesiske patienter. Formålet er at understøtte opsporingen af lungeinfektioner og kræft på steder, hvor adgangen til specialiserede radiologer kan være begrænset.

Planen omfatter retningslinjer for ansvarlig AI, opbygning af lokale kompetencer og udrulning på tre bhutanesiske hospitaler inden 2027.

Lokaliseringen er afgørende. En medicinsk AI-model, der er udviklet eller trænet i ét sundhedssystem, kan ikke uden videre forventes at fungere identisk i et andet. Befolkningssammensætning, sygdomshyppighed, billedudstyr, kliniske arbejdsgange og regulatoriske krav kan variere. At teste og tilpasse modellen med lokale data er derfor en del af at gøre anvendelsen både sikrere og mere nyttig.

Hvad fortæller initiativerne om Singapores strategi?

Samlet peger annonceringerne på en praktisk sundheds- og industrimodel snarere end en AI-strategi, der primært handler om teknologi.

For det første tager projekterne udgangspunkt i konkrete kliniske problemer: antibiotikaresistens, tidlig kognitiv svækkelse, begrænset adgang til billeddiagnostisk ekspertise og risiko for kronisk sygdom. For det andet forbinder de offentlige hospitaler med forskningsinstitutioner, universiteter og statslige teknologipartnere. For det tredje behandles krav til implementering – produktformat, lokal validering, styring og klinisk ansvar – som en del af innovationen og ikke som noget, der kommer bagefter.

For iACT betyder det, at en lovende hospitalsbaseret test skal omsættes til et produkt, der kan fremstilles i større mængder. For Bhutan-projektet betyder det, at en billeddiagnostisk model skal tilpasses lokale forhold i stedet for blot at blive eksporteret uændret.

Den fælles ambition er at få klinisk forskning ud at virke i praksis – i en skala, hvor den samtidig kan skabe intellektuelle ejendomsrettigheder, produkter og regionale partnerskaber.

Muligheden er betydelig, men dokumentationen skal læses med omtanke. Resultatet om omkostningseffektivitet gælder en bestemt infektion og et bestemt sundhedssystem, mens en bredere udbredelse stadig kræver mere validering og regulatorisk arbejde. Singapores model handler derfor ikke blot om at annoncere medicinsk AI, men om at opbygge den infrastruktur, der gør det muligt at teste, styre, kommercialisere og anvende teknologien ansvarligt.