Fra sykehuslaboratorium til eksportprodukt: Slik skal Singapore skalere AI-test mot super bakterier

Derfor skal den frosne testen bli tørr

Dagens iACT-format er buljongbasert og krever oppbevaring og håndtering i frossen tilstand. Det gjør produksjon, lagerhold, transport og bruk ved laboratorier med begrenset tilgang til en krevende kjølekjede vanskeligere.

Samarbeidet mellom SGH og DxD Hub skal utvikle et stabilt tørrformat. En slik løsning kan gjøre frakt og lagring enklere, forlenge den praktiske holdbarheten og gi mer ensartet klargjøring ved ulike laboratorier.

Formatendringen handler derfor om mer enn emballasje. Den er et viktig steg fra en spesialtilpasset sykehustjeneste til et diagnostisk produkt som kan produseres, kvalitetssikres, godkjennes og innarbeides i rutinemessige laboratorieprosesser.

Tre år mot kommersialisering

SGH og DxD Hub har inngått en treårig intensjonsavtale om å produktifisere og kommersialisere iACT. Da samarbeidet ble kunngjort, hadde SGH brukt testen 84 ganger i løpet av de foregående tre årene. Planen er å gjøre den tilgjengelig ved flere sykehus og laboratorier i Singapore før en eventuell utrulling i andre land.

Forretningsmodellen bygger på to hoveddeler:

• et beskyttet panel med antibiotikakombinasjoner;
• programvare som tolker laboratorieresultatene og støtter valg av behandling.

Kombinasjonen kan gi iACT en tydelig posisjon innen presisjonsdiagnostikk for infeksjonssykdommer. Men kommersiell suksess vil kreve mer enn gode laboratorieresultater. Utviklerne og helsetjenestene må også finne en fungerende pris, svartid, produksjonsmodell, regulatorisk vei, klinisk arbeidsflyt og finansieringsordning. Lokale resistensmønstre og behandlingsrutiner vil få betydning når testen flyttes mellom land.

En bredere AI-satsing innen helse

iACT-avtalen ble presentert sammen med flere initiativer som viser hvordan Singapore kobler klinisk bruk, forskning, styring og regional ekspansjon.

PENSIEVE-AI: kognitiv screening på under fem minutter

PENSIEVE-AI er et digitalt verktøy for screening av mulig tidlig kognitiv svikt, utviklet av SGH i samarbeid med GovTech, Duke-NUS Medical School og National University of Singapore. Verktøyet analyserer tegneoppgaver på en berøringsskjerm for å identifisere tegn som kan være forbundet med tidlige kognitive problemer. En rapportert studie omfattet 1 758 voksne som bodde hjemme i samfunnet, og testen er utformet for å kunne gjennomføres på under fem minutter.

PENSIEVE-AI er et screeningverktøy, ikke et diagnostisk svar. Tanken er at en kort og tilgjengelig vurdering kan peke ut personer som bør undersøkes nærmere av helsepersonell – særlig i møte med en aldrende befolkning.

Bhutan får lokalt tilpasset røntgen-AI

SingHealth og Gyalpozhing College of Information Technology i Bhutan skal tilpasse en AI-støttet modell for analyse av røntgenbilder av brystkassen. Modellen bygger på MerMED-FM og skal trenes og vurderes med data fra bhutanesiske pasienter. Målet er å støtte oppdagelsen av lungeinfeksjoner og kreft i områder der tilgangen på spesialiserte radiologer kan være begrenset.

Samarbeidet omfatter også retningslinjer for ansvarlig bruk av AI og kompetansebygging. Planen er å ta løsningen i bruk ved tre bhutanesiske sykehus innen 2027.

Lokal tilpasning er avgjørende. En medisinsk AI-modell som er utviklet eller trent i ett helsevesen, kan ikke uten videre antas å fungere på samme måte i et annet. Befolkningssammensetning, sykdomsforekomst, røntgenutstyr, arbeidsprosesser og regulatoriske krav kan variere. Testing med lokale data er derfor en del av å gjøre bruken tryggere og mer nyttig.

Fra teknologi til bruk i helsetjenesten

Samlet peker kunngjøringene mot en praktisk helse- og industrimodell, snarere enn en AI-strategi som handler om teknologi alene.

Prosjektene tar utgangspunkt i konkrete problemer: antibiotikaresistens, tidlig kognitiv svikt, begrenset tilgang på bildediagnostikk og risiko for kronisk sykdom. Deretter kobles offentlige sykehus med forskningsmiljøer, universiteter og offentlige teknologipartnere. Krav til produktformat, lokal validering, styring og klinisk oppfølging behandles som en del av innovasjonen – ikke som noe som kommer etterpå.

For iACT betyr det å gjøre en lovende sykehustjeneste om til et produkt som kan produseres i større skala. For Bhutan-prosjektet betyr det å tilpasse en bildemodell til lokale forhold, i stedet for å eksportere den uendret.

Mulighetene er store, men dokumentasjonen må leses med nøkternhet. Kostnadseffektivitetsanalysen for iACT gjelder en bestemt infeksjon i Singapore, mens bredere bruk fortsatt krever validering og regulatorisk arbeid. Singapores modell handler dermed ikke bare om å lansere medisinsk AI, men om å bygge systemene som trengs for å teste, styre, kommersialisere og bruke teknologien ansvarlig i praksis.