Тест iACT с поддержкой ИИ подбирает до 180 комбинаций антибиотиков для лечения устойчивых инфекций

Вместо того чтобы полагаться только на стандартные тесты чувствительности или клинический опыт, iACT напрямую проверяет возможные комбинации препаратов против конкретного бактериального изолята пациента.

Проверка до 180 комбинаций антибиотиков

Одна из ключевых особенностей iACT — масштаб тестирования. В лаборатории можно одновременно проверить до 180 различных комбинаций антибиотиков при клинически значимых концентрациях.

Каждая комбинация оценивается по тому, насколько эффективно она подавляет рост бактерий или уничтожает их. Это важно, потому что антибиотики могут взаимодействовать по‑разному:

• усиливать действие друг друга (синергия)
• давать умеренный суммарный эффект
• или наоборот мешать друг другу

Чем больше комбинаций проверяется, тем выше вероятность найти рабочую схему лечения даже для очень устойчивых инфекций.

Ещё одно преимущество — скорость. Методика разработана так, чтобы выдавать практические рекомендации примерно за 48 часов, что позволяет врачам скорректировать терапию, пока лечение ещё продолжается.

Роль ИИ и анализа данных

Платформа iACT описывается как AI‑powered, то есть использующая методы вычислительного анализа для обработки большого массива лабораторных результатов.

Хотя подробности алгоритмов публично раскрываются ограниченно, известно, что система анализирует результаты тестирования комбинаций антибиотиков и помогает выявить наиболее перспективные схемы лечения.

Фактически речь идёт о переходе от стандартного подхода — «один антибиотик против бактерии» — к персонализированному подбору комбинаций, основанному на данных.

Почему персонализированные комбинации так важны

Количество антибиотиков, эффективно работающих против некоторых бактерий, быстро сокращается. Поэтому врачи всё чаще используют сразу несколько препаратов.

Однако исследования показывают, что:

• эффективность комбинаций сильно зависит от конкретного штамма бактерии
• разные механизмы устойчивости могут менять реакцию на те же препараты

Именно поэтому персонализированное тестирование может дать серьёзное преимущество. Технология iACT помогает:

• определить наиболее эффективную комбинацию для конкретного пациента
• избежать бесполезных или токсичных сочетаний
• повысить шансы на успешное лечение тяжёлых инфекций

Такой подход также соответствует принципам рационального использования антибиотиков (antimicrobial stewardship) — когда препараты применяются точнее и только там, где они действительно необходимы.

Сотрудничество SGH и A*STAR

Чтобы перевести технологию из лаборатории в реальную медицинскую практику, Singapore General Hospital и Diagnostics Development Hub агентства A*STAR заключили соглашение о сотрудничестве.

Цель партнёрства — ускорить превращение перспективных медицинских разработок в масштабируемые и коммерчески применимые диагностические решения.

Инициатива предполагает:

• внедрение новых диагностических технологий в систему здравоохранения Сингапура
• создание лицензируемых медицинских технологий
• возможность сотрудничества с международными MedTech‑компаниями

В официальных заявлениях iACT называется одной из ключевых инноваций, поддерживаемых этой программой.

Потенциальное значение для борьбы с антибиотикорезистентностью

Эксперты считают антибиотикорезистентность одной из главных угроз глобальному здравоохранению. По мере того как старые препараты теряют эффективность, всё важнее становится более точное использование существующих лекарств.

Такие технологии, как iACT, могут сыграть важную роль в этом процессе. Подбирая оптимальные комбинации антибиотиков для конкретного патогена, система фактически реализует концепцию точной антибактериальной терапии.

Если подобные решения будут широко внедрены в клиническую практику, они могут одновременно:

• повысить эффективность лечения тяжёлых инфекций
• сократить неудачные попытки терапии
• замедлить распространение устойчивости к антибиотикам

Хотя дальнейшие клинические данные и внедрение в больницах покажут реальное долгосрочное влияние технологии, iACT уже рассматривается как пример того, как диагностика, анализ данных и персонализированная медицина могут объединиться в борьбе с устойчивыми бактериями.