Ein KI-Test soll die Antibiotikawahl bei Superkeimen präziser machen

Eine wirtschaftliche Analyse aus dem Jahr 2026 fiel ermutigend aus: Für Infektionen mit Carbapenem-resistentem Pseudomonas aeruginosa in Singapur kam sie zu dem Schluss, dass der Einsatz von iACT wahrscheinlich kosteneffektiv ist. Daraus lässt sich jedoch noch kein allgemeiner klinischer Nutzen für jeden Erreger, jedes Krankenhaus oder jedes Gesundheitssystem ableiten.

Vom Gefrierformat zum trockenen Test-Kit

Bisher basiert iACT auf einem flüssigen Nährbodenformat und muss gefroren gehandhabt werden. Das erschwert Herstellung, Lagerhaltung, Transport und die Nutzung in Laboren, die keine aufwendige Kühlkette aufrechterhalten können.

Die Kooperation von SGH und DxD Hub soll den Test deshalb in ein stabiles Trockenformat überführen. Ein solches Kit könnte Versand und Lagerung vereinfachen, die praktische Haltbarkeit verlängern und die Vorbereitung in verschiedenen Laboren standardisieren.

Die Umstellung ist damit mehr als eine Frage der Verpackung. Sie ist ein zentraler Schritt vom individuell entwickelten Krankenhausservice zu einem reproduzierbar herstellbaren Medizinprodukt – einschließlich Qualitätsprüfung, regulatorischer Bewertung und Integration in routinemäßige Laborabläufe.

Kommerzialisierung und offene Fragen

SGH und A*STAR haben eine dreijährige Absichtserklärung unterzeichnet, um iACT zu einem marktfähigen Produkt weiterzuentwickeln und zu kommerzialisieren. In den drei Jahren vor der Ankündigung war der Test am SGH 84-mal eingesetzt worden. Zunächst soll er weiteren Krankenhäusern und Laboren in Singapur zugänglich gemacht werden, bevor eine Ausweitung ins Ausland angestrebt wird.

Das kommerzielle Konzept verbindet zwei Elemente:

• ein geschütztes Panel aus Antibiotikakombinationen;
• eine Software zur Interpretation der Laborergebnisse und zur Unterstützung der Therapieauswahl.

Diese Kombination könnte iACT im Bereich der Präzisionsdiagnostik für Infektionskrankheiten differenzieren. Der wirtschaftliche Erfolg hängt allerdings nicht allein von der technischen Leistungsfähigkeit ab. Nötig sind auch ein tragfähiger Preis, eine kurze Bearbeitungszeit, ein verlässlicher Herstellungsprozess, ein klarer Zulassungsweg und eine passende Erstattung. Zudem können sich Resistenzmuster und Behandlungsstandards von Land zu Land unterscheiden.

Singapurs breiteres Programm für Gesundheits-KI

Die iACT-Vereinbarung wurde zusammen mit weiteren Vorhaben vorgestellt. Sie zeigen, wie Singapur klinische Anwendung, Forschung, Regulierung und regionale Partnerschaften miteinander verbinden will.

PENSIEVE-AI: kognitive Auffälligkeiten früh erkennen

PENSIEVE-AI ist ein digitales Screening-Instrument, das SGH gemeinsam mit der Government Technology Agency of Singapore (GovTech), der Duke-NUS Medical School und der National University of Singapore entwickelt hat. Die Anwendung analysiert Zeichenaufgaben, die auf einem Touchscreen erledigt werden, und sucht nach Hinweisen auf frühe kognitive Beeinträchtigungen. Eine Studie umfasste 1.758 Erwachsene aus der Bevölkerung; die Untersuchung soll in weniger als fünf Minuten abgeschlossen sein.

PENSIEVE-AI ist ein Screening und keine Diagnose. Der mögliche Vorteil liegt in einer kurzen und niedrigschwelligen Untersuchung, die Menschen mit weiterem Abklärungsbedarf identifizieren könnte – insbesondere vor dem Hintergrund der alternden Bevölkerung Singapurs.

Bhutan: Röntgen-KI für den lokalen Einsatz anpassen

SingHealth und das Gyalpozhing College of Information Technology in Bhutan vereinbarten außerdem, ein KI-gestütztes Modell für Thorax-Röntgenbilder auf Grundlage von MerMED-FM mit Daten bhutanischer Patientinnen und Patienten anzupassen. Es soll bei der Erkennung von Lungeninfektionen und Krebs helfen, vor allem dort, wo der Zugang zu spezialisierter radiologischer Expertise begrenzt ist.

Geplant sind auch Leitlinien für verantwortungsvolle KI, der Aufbau lokaler Kompetenzen und der Einsatz in drei bhutanischen Krankenhäusern bis 2027.

Die Lokalisierung ist dabei entscheidend. Ein medizinisches KI-Modell, das in einem bestimmten Gesundheitssystem entwickelt oder trainiert wurde, arbeitet nicht automatisch in einer anderen Umgebung gleich zuverlässig. Bevölkerung, Krankheitsverteilung, Geräte, klinische Abläufe und regulatorische Anforderungen können sich unterscheiden. Die Prüfung und Anpassung mit lokalen Daten ist daher ein Sicherheits- und Qualitätsschritt – kein optionales Zusatzfeature.

Was Singapurs Ansatz erkennen lässt

Zusammengenommen deuten die Projekte auf eine pragmatische Gesundheits- und Industriepolitik hin, bei der KI nicht als Selbstzweck verstanden wird.

Erstens beginnen die Vorhaben mit konkreten Problemen: antimikrobieller Resistenz, frühen kognitiven Veränderungen, fehlendem Zugang zu bildgebender Expertise und chronischen Erkrankungen. Zweitens bringen sie öffentliche Krankenhäuser mit Forschungsagenturen, Hochschulen und staatlichen Technologiepartnern zusammen. Drittens werden Anforderungen wie Produktformat, lokale Validierung, Governance und ärztliche Aufsicht von Anfang an als Teil der Innovation behandelt.

Bei iACT bedeutet das, einen vielversprechenden Krankenhausservice in ein herstellbares Kit zu verwandeln. Beim Bhutan-Projekt geht es darum, ein Bildgebungsmodell an die örtlichen Bedingungen anzupassen, statt es unverändert zu exportieren.

Die Chancen sind beträchtlich, doch die Evidenz sollte differenziert gelesen werden: Das Ergebnis zur Kosteneffektivität bezieht sich auf einen bestimmten Erreger und ein bestimmtes Gesundheitssystem. Für eine breitere Einführung sind weiterhin Validierung, Zulassung und Erfahrungen aus dem Versorgungsalltag nötig. Singapur versucht damit nicht nur, medizinische KI vorzustellen, sondern die Infrastruktur aufzubauen, mit der solche Systeme geprüft, reguliert, kommerzialisiert und verantwortungsvoll eingesetzt werden können.