Les premières données économiques sont encourageantes, mais leur portée reste limitée. Une analyse publiée en 2026 a conclu que l’adoption d’iACT pour les infections à Pseudomonas aeruginosa résistantes aux carbapénèmes était probablement rentable à Singapour. Ce résultat ne démontre pas à lui seul un bénéfice clinique pour tous les agents pathogènes, tous les hôpitaux ou tous les systèmes de santé.
Le format actuel d’iACT repose sur un bouillon et nécessite une manipulation à l’état congelé. Cette contrainte complique la fabrication, la gestion des stocks, le transport et l’utilisation dans les laboratoires qui ne disposent pas facilement d’une chaîne du froid adaptée.
La collaboration entre le SGH et le DxD Hub vise donc à convertir le test en un kit sec et stable. Un tel format pourrait simplifier l’expédition et le stockage, améliorer la durée de conservation pratique et rendre la préparation plus homogène d’un laboratoire à l’autre.
Ce changement ne relève pas seulement de l’emballage. Il constitue une étape de mise à l’échelle : une méthode conçue par des cliniciens doit désormais être adaptée à la fabrication, à la validation qualité, à l’examen réglementaire et aux flux de travail habituels des laboratoires.
Les deux organisations ont signé un protocole d’accord de trois ans pour transformer iACT en produit et le commercialiser. Le SGH avait utilisé le test 84 fois au cours des trois années précédant l’annonce. L’ambition affichée est d’élargir son accès à d’autres hôpitaux et laboratoires singapouriens avant d’envisager un déploiement à l’étranger.
La proposition commerciale repose sur deux éléments :
Cette combinaison pourrait donner à iACT une position différenciante dans le diagnostic de précision des maladies infectieuses. Mais sa réussite dépendra de bien davantage que de ses performances techniques. Il faudra aussi définir un prix viable, un délai de rendu acceptable, un processus de fabrication reproductible, une voie réglementaire, une intégration dans les pratiques cliniques et un modèle de remboursement.
Les profils locaux de résistance et les habitudes thérapeutiques devront également être pris en compte lors du passage d’un pays à l’autre. Un test pertinent dans un système de santé ne peut pas être considéré comme automatiquement équivalent ailleurs.
L’annonce consacrée à iACT s’inscrivait dans une série d’initiatives présentées lors du symposium AI in Health x ATx26 de SingHealth. Ensemble, elles illustrent une approche qui associe recherche, déploiement clinique, gouvernance et développement régional.
PENSIEVE-AI est un outil numérique de dépistage des signes précurseurs de démence développé par le SGH avec GovTech, la Duke-NUS Medical School et la National University of Singapore. Il analyse des exercices de dessin réalisés sur un écran tactile afin d’identifier des signes associés à des difficultés cognitives précoces. Une étude citée a porté sur 1 758 adultes vivant dans la communauté, et l’évaluation est conçue pour durer moins de cinq minutes.
L’outil sert au dépistage, pas au diagnostic. Son intérêt tient à la possibilité de proposer une première évaluation relativement courte et accessible aux personnes qui pourraient ensuite avoir besoin d’un examen médical plus approfondi, notamment dans un contexte de vieillissement de la population.
SingHealth et le Gyalpozhing College of Information Technology du Bhoutan ont conclu un accord pour adapter, à partir de données de patients bhoutanais, un modèle d’analyse assistée des radiographies thoraciques fondé sur MerMED-FM. Le projet doit contribuer à détecter des infections pulmonaires et des cancers dans des contextes où l’accès à des radiologues spécialisés peut être limité.
Le programme prévoit aussi des lignes directrices pour une IA responsable, le développement des compétences locales et un déploiement dans trois hôpitaux bhoutanais d’ici 2027.
La localisation est un point essentiel. Un modèle médical développé dans un environnement donné ne fonctionne pas nécessairement de la même manière dans un autre : les populations, la fréquence des maladies, les appareils d’imagerie, les parcours de soins et les exigences réglementaires peuvent différer. Tester et adapter le modèle avec des données locales fait donc partie des conditions d’un déploiement plus sûr et plus utile.
Ces annonces dessinent un modèle qui ne se limite pas à présenter de nouvelles technologies. Les projets partent de problèmes cliniques précis : résistance aux antibiotiques, déclin cognitif précoce, accès limité à l’expertise en imagerie et risque de maladies chroniques. Ils associent ensuite hôpitaux publics, agences de recherche, universités et partenaires technologiques publics.
Pour iACT, l’enjeu est de transformer un service hospitalier prometteur en kit fabriquable et reproductible. Pour le projet bhoutanais, il s’agit d’adapter un modèle d’imagerie au contexte local plutôt que de l’exporter tel quel. Le fil conducteur est celui du passage de la recherche à l’usage : créer des outils déployables, encadrés et commercialisables sans abandonner la supervision des professionnels de santé.
L’opportunité économique est réelle, mais les résultats doivent être interprétés avec prudence. L’analyse de rentabilité d’iACT concerne une infection et un système de santé bien définis, tandis qu’un déploiement plus large exigera encore des validations et des démarches réglementaires. La stratégie singapourienne consiste moins à annoncer de l’IA médicale qu’à construire les conditions nécessaires pour la tester, la gouverner, la commercialiser et l’utiliser à grande échelle.