Le test iACT utilise l’IA et 180 combinaisons d’antibiotiques pour personnaliser les traitements

Le principe du test iACT consiste donc à tester directement différentes combinaisons d’antibiotiques contre la bactérie isolée chez le patient, afin d’identifier le traitement le plus prometteur avant de l’administrer.

Jusqu’à 180 combinaisons d’antibiotiques analysées

Une particularité du système iACT est l’ampleur de son panel de tests. Les chercheurs peuvent évaluer jusqu’à 180 combinaisons différentes d’antibiotiques à des concentrations cliniquement pertinentes contre la bactérie du patient.

Les expériences mesurent la capacité de chaque combinaison à :

• tuer les bactéries
• ralentir leur croissance
• ou, au contraire, produire des interactions inefficaces

Les antibiotiques peuvent interagir de plusieurs façons : parfois ils se renforcent mutuellement (synergie), parfois leur effet s’additionne simplement, et dans certains cas ils peuvent même se neutraliser. Tester un grand nombre de combinaisons augmente donc les chances de trouver une stratégie thérapeutique efficace face à une souche hautement résistante.

Le processus est conçu pour fournir des résultats en environ 48 heures, un délai suffisamment court pour que les médecins puissent ajuster le traitement pendant que l’infection est encore activement prise en charge.

Le rôle de l’intelligence artificielle

La plateforme iACT est décrite comme alimentée par l’intelligence artificielle, car elle utilise des outils d’analyse informatique pour interpréter les grandes quantités de données produites par les tests de laboratoire.

Ces analyses aident les cliniciens à identifier les combinaisons d’antibiotiques les plus prometteuses pour un patient donné. L’objectif est de soutenir la décision médicale en s’appuyant sur des données expérimentales plutôt que sur des choix empiriques ou basés uniquement sur l’expérience clinique.

Même si les sources publiques détaillent peu les algorithmes précis utilisés, l’idée centrale est claire : combiner expérimentation en laboratoire et analyse de données pour guider un traitement personnalisé.

Pourquoi les combinaisons personnalisées sont cruciales

Les infections multirésistantes deviennent de plus en plus difficiles à traiter à mesure que les antibiotiques existants perdent en efficacité.

Les recherches montrent que l’efficacité d’une combinaison d’antibiotiques dépend souvent de la souche bactérienne spécifique impliquée dans l’infection.

En testant directement les combinaisons sur l’agent pathogène du patient, iACT vise à :

• identifier la thérapie la plus efficace pour cette infection précise
• éviter l’utilisation de combinaisons inutiles ou potentiellement toxiques
• améliorer les chances de succès du traitement

Cette approche s’inscrit dans la logique de la médecine de précision et des programmes de gestion responsable des antibiotiques (antimicrobial stewardship), qui cherchent à utiliser ces médicaments de manière plus ciblée afin de préserver leur efficacité sur le long terme.

Une collaboration SGH–A*STAR pour passer à l’échelle

Pour transformer cette innovation de laboratoire en solution clinique déployable, Singapore General Hospital s’est associé au Diagnostics Development Hub d’A*STAR, l’agence nationale de recherche de Singapour.

Ce partenariat vise à accélérer la transformation d’innovations médicales en diagnostics exploitables à grande échelle, capables d’être utilisés dans les hôpitaux du système de santé singapourien et potentiellement à l’international.

Les autorités ont indiqué que cette collaboration doit permettre de convertir des avancées scientifiques en technologies médicales commercialisables ou licenciables, pouvant être adoptées par des entreprises MedTech ou donner naissance à des start‑ups spécialisées.

La plateforme iACT fait partie des premières innovations soutenues dans ce cadre.

Un outil prometteur contre la résistance antimicrobienne

La résistance aux antimicrobiens est souvent considérée comme l’une des plus grandes menaces sanitaires des prochaines décennies. À mesure que les antibiotiques existants deviennent moins efficaces, optimiser l’utilisation des médicaments disponibles devient essentiel.

Des technologies comme iACT pourraient contribuer à cette stratégie en permettant une thérapie antibiotique de précision : choisir la bonne combinaison de médicaments pour le pathogène exact responsable de l’infection.

Si cette approche est validée et largement adoptée, elle pourrait améliorer les résultats pour les patients atteints d’infections résistantes tout en réduisant le recours aux prescriptions « à l’aveugle ». Elle illustre aussi comment la convergence entre diagnostics de laboratoire, analyse de données et intelligence artificielle peut aider à lutter contre la montée des bactéries résistantes.