SGH dan A*STAR Perluas Ujian AI Antibiotik untuk Lawan Jangkitan Kebal Ubat

Bukti ekonomi awal menunjukkan perkembangan yang menggalakkan, tetapi skopnya masih khusus. Analisis pada 2026 mendapati penggunaan iACT bagi jangkitan Pseudomonas aeruginosa yang kebal terhadap karbapenem di Singapura berkemungkinan kos efektif. Dapatan itu tidak dengan sendirinya membuktikan manfaat klinikal bagi semua jenis patogen, hospital atau sistem kesihatan.

Mengapa format cecair beku perlu ditukar kepada kit kering?

Format iACT semasa berasaskan kultur cecair dan memerlukan pengendalian dalam keadaan beku. Keperluan ini boleh menyukarkan proses pengeluaran, penyimpanan stok, penghantaran dan penggunaan di makmal yang tidak mempunyai kemudahan rantaian sejuk yang mencukupi.

Kerjasama SGH–DxD Hub menyasarkan penghasilan semula ujian itu sebagai kit kering yang lebih stabil. Produk sedemikian berpotensi memudahkan penghantaran dan penyimpanan, memanjangkan jangka hayat praktikal serta menjadikan penyediaan ujian lebih seragam di makmal yang berbeza.

Perubahan ini bukan sekadar soal pembungkusan. Ia ialah langkah penting untuk membawa kaedah yang dibangunkan oleh doktor daripada perkhidmatan khusus di SGH kepada produk diagnostik yang boleh dihasilkan secara konsisten, disahkan dari segi kualiti, dinilai oleh pihak berkuasa dan dimasukkan ke dalam aliran kerja makmal biasa.

Rancangan pengkomersialan dan halangan yang masih ada

Kedua-dua organisasi itu menandatangani memorandum persefahaman selama tiga tahun untuk menjadikan iACT sebuah produk komersial. SGH telah menggunakan ujian tersebut sebanyak 84 kali dalam tempoh tiga tahun sebelum pengumuman berkenaan. Arah seterusnya adalah memperluas akses kepada lebih banyak hospital dan makmal di Singapura sebelum meneroka penggunaan di luar negara.

Cadangan nilai komersial iACT bergantung pada dua komponen utama:

• panel gabungan antibiotik proprietari;
• perisian yang membantu mentafsir keputusan makmal dan menyokong pemilihan rawatan.

Gabungan ini boleh memberikan iACT kedudukan tersendiri dalam bidang diagnostik penyakit berjangkit berasaskan perubatan diperibadikan. Namun, kejayaan pasaran tidak bergantung pada prestasi teknikal semata-mata. Pembangun dan sistem kesihatan juga perlu menyelesaikan persoalan harga, tempoh menunggu keputusan, proses pengeluaran, laluan kawal selia, aliran kerja klinikal dan model pembayaran balik.

Corak kerintangan bakteria serta amalan rawatan tempatan juga perlu dipertimbangkan apabila ujian ini diperkenalkan di negara lain.

Program AI kesihatan Singapura yang lebih luas

Pengumuman iACT dibuat bersama beberapa inisiatif lain pada simposium AI in Health x ATx26 anjuran SingHealth. Kesemuanya menunjukkan bagaimana Singapura menghubungkan penggunaan klinikal, penyelidikan, tadbir urus dan pengembangan serantau.

PENSIEVE-AI: saringan kognitif dalam masa kurang lima minit

PENSIEVE-AI ialah alat saringan digital pra-demensia yang dibangunkan oleh SGH bersama GovTech, Duke-NUS Medical School dan National University of Singapore. Ia menganalisis tugasan melukis yang dilakukan pada peranti skrin sentuh untuk mengenal pasti tanda-tanda berkaitan masalah kognitif awal. Satu kajian yang dilaporkan melibatkan 1,758 orang dewasa yang tinggal dalam komuniti, manakala penilaian itu direka untuk diselesaikan dalam masa kurang daripada lima minit.

Peranannya ialah saringan, bukan diagnosis. Daya tariknya terletak pada penilaian yang ringkas dan mudah dicapai, yang boleh membantu mengenal pasti individu yang mungkin memerlukan pemeriksaan klinikal lanjut ketika Singapura berdepan populasi yang semakin menua.

Bhutan: menyesuaikan AI X-ray dada dengan data tempatan

SingHealth dan Gyalpozhing College of Information Technology di Bhutan bersetuju menyesuaikan model radiograf dada berbantukan AI berasaskan MerMED-FM menggunakan data pesakit Bhutan. Projek ini bertujuan menyokong pengesanan jangkitan paru-paru dan kanser di tempat yang mungkin kekurangan akses kepada kepakaran radiologi.

Rancangan itu turut meliputi garis panduan AI yang bertanggungjawab, pembangunan keupayaan tempatan dan penggunaan model tersebut di tiga hospital Bhutan menjelang 2027.

Penyesuaian setempat menjadi perkara utama. Model AI perubatan yang dilatih atau dibangunkan dalam satu persekitaran kesihatan tidak boleh dianggap akan berfungsi dengan cara yang sama di tempat lain. Populasi, kadar penyakit, peralatan pengimejan, aliran kerja klinikal dan keperluan kawal selia mungkin berbeza. Oleh itu, menguji serta menyesuaikan model menggunakan data tempatan merupakan sebahagian daripada usaha menjadikan penggunaannya lebih selamat dan berkesan.

Apa yang ditunjukkan oleh pendekatan Singapura?

Secara keseluruhan, pengumuman ini menggambarkan model kesihatan dan industri yang praktikal—bukan strategi AI yang hanya tertumpu pada teknologi.

Pertama, projek-projek ini bermula dengan masalah klinikal yang jelas: kerintangan antimikrob, kemerosotan kognitif awal, kekurangan kepakaran pengimejan dan risiko penyakit kronik. Kedua, ia menghubungkan hospital awam dengan agensi penyelidikan, universiti dan rakan teknologi kerajaan. Ketiga, keperluan pelaksanaan seperti format produk, pengesahan tempatan, tadbir urus dan pengawasan klinikal dianggap sebagai sebahagian daripada inovasi, bukan perkara yang difikirkan kemudian.

Bagi iACT, pendekatan itu bermaksud menukar perkhidmatan ujian berasaskan hospital kepada kit yang boleh dihasilkan secara besar-besaran. Bagi projek Bhutan pula, ia bermaksud menyesuaikan model pengimejan dengan persekitaran tempatan, bukannya mengeksportnya tanpa perubahan.

Benang merahnya ialah proses menterjemahkan penyelidikan klinikal kepada alat yang boleh digunakan secara bertanggungjawab pada skala besar—sambil membina harta intelek, produk dan kerjasama serantau.

Peluangnya besar, tetapi buktinya perlu dibaca dengan teliti. Dapatan kos efektif iACT terhad kepada jangkitan dan persekitaran tertentu, manakala penggunaan yang lebih luas masih memerlukan pengesahan serta kerja kawal selia. Strategi Singapura bukan sekadar mengumumkan AI perubatan; negara itu juga sedang membina infrastruktur untuk menguji, mentadbir urus, mengkomersialkan dan menggunakan teknologi tersebut dalam amalan sebenar.