Test iACT ma wyjść poza jeden szpital. Singapur chce stworzyć eksportowe narzędzie do doboru antybiotyków

Wstępne dane ekonomiczne są obiecujące, ale dotyczą węższego zastosowania. Analiza opublikowana w 2026 roku wykazała, że wdrożenie iACT w zakażeniach wywołanych przez oporne na karbapenemy Pseudomonas aeruginosa w Singapurze prawdopodobnie byłoby opłacalne. Nie dowodzi to jednak samo w sobie korzyści klinicznych dla każdego patogenu, szpitala czy systemu ochrony zdrowia.

Dlaczego potrzebny jest format suchy

Obecna wersja iACT jest oparta na pożywce płynnej i wymaga przechowywania w stanie zamrożonym. To utrudnia produkcję na większą skalę, zarządzanie zapasami, transport oraz wykorzystanie testu w laboratoriach, które nie mogą łatwo utrzymywać wymagających warunków łańcucha chłodniczego.

Współpraca SGH z DxD Hub ma doprowadzić do opracowania stabilnego zestawu w formie suchej. Taki produkt może uprościć wysyłkę i przechowywanie, wydłużyć praktyczny okres przydatności oraz ujednolicić przygotowanie testu w różnych laboratoriach.

Zmiana formatu nie jest więc wyłącznie kwestią opakowania. To etap skalowania, który łączy metodę opracowaną przez klinicystów z produkcją, walidacją jakości, oceną regulacyjną i rutynowymi procedurami laboratoryjnymi.

Od usługi szpitalnej do produktu komercyjnego

Organizacje podpisały trzyletnie memorandum o porozumieniu dotyczące opracowania i komercjalizacji iACT. W ciągu trzech lat poprzedzających ogłoszenie test został wykorzystany w SGH 84 razy. Plan zakłada najpierw udostępnienie go kolejnym szpitalom i laboratoriom w Singapurze, a następnie rozpoczęcie wdrożeń zagranicznych.

Propozycja technologiczna składa się z dwóch elementów:

• zastrzeżonego panelu kombinacji antybiotyków;
• oprogramowania wspierającego interpretację wyników i wybór leczenia.

Takie połączenie może wyróżnić iACT na rynku diagnostyki precyzyjnej w chorobach zakaźnych. Sukces komercyjny będzie jednak zależał nie tylko od parametrów technicznych. Konieczne będzie także ustalenie ceny testu, czasu uzyskania wyniku, procesu produkcji, ścieżki regulacyjnej, miejsca testu w organizacji pracy klinicznej i modelu finansowania.

Znaczenie będą miały również lokalne profile oporności oraz praktyki leczenia. Test przenoszony między krajami będzie wymagał odpowiedniej walidacji, a nie prostego założenia, że wyniki z jednego systemu ochrony zdrowia automatycznie przełożą się na drugi.

Szerszy program AI w ochronie zdrowia

Porozumienie dotyczące iACT ogłoszono obok innych inicjatyw pokazujących, jak Singapur łączy wdrażanie kliniczne z badaniami, zasadami zarządzania technologią i współpracą regionalną.

PENSIEVE-AI: krótszy screening funkcji poznawczych

PENSIEVE-AI to cyfrowe narzędzie do screeningu ryzyka wczesnych zaburzeń poznawczych, opracowane przez SGH we współpracy z GovTech, Duke-NUS Medical School i National University of Singapore. Analizuje zadania rysunkowe wykonywane na ekranie dotykowym, aby identyfikować sygnały związane z wczesnymi problemami poznawczymi. W jednym z opisanych badań uczestniczyło 1758 dorosłych mieszkających w społeczności, a samo badanie ma trwać mniej niż pięć minut.

Narzędzie służy do screeningu, a nie do stawiania diagnozy. Jego zaletą ma być krótka i łatwo dostępna ocena, która może wskazać osoby wymagające dalszej konsultacji klinicznej — co ma znaczenie w starzejącym się społeczeństwie Singapuru.

Bhutan: dostosowanie AI do zdjęć klatki piersiowej

SingHealth oraz bhutańska Gyalpozhing College of Information Technology uzgodniły dostosowanie modelu AI wspierającego analizę radiogramów klatki piersiowej, opartego na MerMED-FM, z wykorzystaniem danych pacjentów z Bhutanu. Projekt ma wspierać wykrywanie infekcji płuc i nowotworów w warunkach, w których dostęp do specjalistów radiologii może być ograniczony.

Współpraca obejmuje także wytyczne dotyczące odpowiedzialnego AI, budowanie lokalnych kompetencji oraz plan wdrożenia w trzech bhutańskich szpitalach do 2027 roku.

Kluczowe jest lokalne dostosowanie modelu. System medycznej AI opracowany lub wytrenowany w jednym środowisku nie musi działać tak samo w innym. Różnice mogą dotyczyć populacji, częstości występowania chorób, sprzętu obrazowego, organizacji pracy i wymogów regulacyjnych. Testowanie oraz modyfikowanie modelu na lokalnych danych jest zatem częścią bezpiecznego i użytecznego wdrożenia.

Co ten model mówi o strategii Singapuru

Łącznie te ogłoszenia wskazują na praktyczny model łączenia ochrony zdrowia z rozwojem przemysłu, a nie na strategię opartą wyłącznie na samej technologii.

Po pierwsze, projekty zaczynają się od konkretnych problemów klinicznych: oporności na antybiotyki, wczesnego pogorszenia funkcji poznawczych, ograniczonego dostępu do diagnostyki obrazowej i ryzyka chorób przewlekłych. Po drugie, łączą szpitale publiczne z agencjami badawczymi, uczelniami i rządowymi partnerami technologicznymi. Po trzecie, wymogi wdrożeniowe — format produktu, lokalna walidacja, zasady zarządzania i nadzór kliniczny — traktują jako część innowacji, a nie etap odkładany na później.

W przypadku iACT oznacza to próbę zamiany obiecującej usługi laboratoryjnej w SGH w zestaw, który można produkować i powtarzalnie wykorzystywać. W projekcie z Bhutanem chodzi natomiast o dostosowanie modelu obrazowego do lokalnych warunków zamiast eksportowania go bez zmian.

Szansa jest duża, ale dowody należy interpretować ostrożnie. Wynik analizy opłacalności iACT dotyczy konkretnego zakażenia i konkretnego systemu ochrony zdrowia, a szersze wdrożenie nadal wymaga walidacji oraz prac regulacyjnych. Strategia Singapuru nie sprowadza się więc do ogłaszania kolejnych projektów medycznej AI. Chodzi o budowę infrastruktury potrzebnej do ich testowania, nadzorowania, komercjalizacji i odpowiedzialnego stosowania na większą skalę.