Från sjukhuslabb till exportprodukt: Singapores AI-test ska hitta bättre antibiotikakombinationer

Singapore General Hospital (SGH) och A*STAR:s Diagnostics Development Hub (DxD Hub) försöker ta nästa steg med Individualised Antibiotic Combination Test, iACT. Testet ska gå från att vara en specialiserad sjukhustjänst till att bli en diagnostikprodukt som kan tillverkas, distribueras och användas i fler laboratorier.

Målet är dubbelt: att hjälpa läkare att välja mer träffsäkra behandlingar vid svårbehandlade infektioner och att bygga en lokalt utvecklad teknik som kan kommersialiseras i Singapore och så småningom på utländska marknader.

Vad iACT gör

Vid läkemedelsresistenta infektioner kan läkare tvingas välja mellan antibiotika som riskerar att vara verkningslösa, giftiga eller svåra att kombinera. iACT är en in vitro-tjänst som testar patientens eget bakterieisolat mot antibiotikakombinationer, i stället för att bara bedöma varje läkemedel separat. Den tidiga utvecklingen fokuserade på mycket resistenta gramnegativa bakterier och prövade kombinationerna i kliniskt relevanta koncentrationer.

Plattformen uppges innehålla 180 egenutvecklade antibiotikakombinationer. Ett prediktivt programvarulager analyserar resultaten från tillväxthämningen och hjälper vårdteamet att rangordna möjliga behandlingsregimer för den aktuella bakterien.

Det ger infektionsläkare och mikrobiologer ytterligare ett beslutsunderlag vid sidan av traditionella resistensbestämningar, klinisk erfarenhet och patientens tillstånd. Tanken är mer rationell och individanpassad behandling – inte att testet automatiskt ska skriva ut ett recept.

Testet ersätter alltså inte specialistbedömning. Nyttan kan också variera beroende på vilken bakterie det gäller, resistensmönstret, svarstiden och den kliniska miljön.

Varför testet är viktigt vid antibiotikaresistens

Den kliniska poängen blir tydligast när de vanliga behandlingsalternativen är få. Om en kombination som fungerar mot just patientens bakterie kan identifieras, kan det i vissa fall minska behovet av så kallade sista-hands-antibiotika, exempelvis polymyxiner eller kolistin. Dessa läkemedel är förknippade med betydande risk för njurskador.

Det är dock en möjlig fördel, inte ett löfte för varje patient. För att iACT ska få en starkare roll i kampen mot antibiotikaresistens måste det visas att testet hinner påverka behandlingsbeslut, förbättrar resultaten i verklig vård och är tillräckligt kostnadseffektivt för sjukhusen.

De tidiga hälsoekonomiska resultaten är lovande, men gäller ett avgränsat område. En analys från 2026 bedömde att iACT sannolikt skulle vara kostnadseffektivt vid infektioner med karbapenemresistent Pseudomonas aeruginosa i Singapore. Det är inte samma sak som att klinisk nytta är bevisad för alla bakterier, sjukhus eller sjukvårdssystem.

Därför vill man ersätta den frysta versionen

Dagens iACT-format är buljongbaserat och kräver fryst hantering. Det skapar praktiska problem för tillverkning, lagerhållning, transporter och laboratorier som inte har möjlighet att upprätthålla en krävande obruten kylkedja.

Samarbetet mellan SGH och DxD Hub ska därför omvandla testet till ett stabilt torrt kit. En sådan produkt kan förenkla transport och lagring, ge längre praktisk hållbarhet och göra förberedelserna mer enhetliga mellan olika laboratorier.

Formatbytet är därmed mer än en fråga om förpackning. Det är ett viktigt steg från en klinikutvecklad metod till en diagnostikprodukt som måste klara tillverkning, kvalitetskontroll, validering, regulatorisk granskning och rutinerna i vanliga laboratorier.

Tre år mot kommersialisering

Organisationerna har undertecknat ett treårigt samförståndsavtal, ett så kallat memorandum of understanding, för att produktifiera och kommersialisera iACT. SGH hade använt testet 84 gånger under de tre år som föregick tillkännagivandet. Planen är att först nå fler sjukhus och laboratorier i Singapore och därefter undersöka möjligheter till internationell lansering.

Den kommersiella produkten bygger på två delar:

• en egenutvecklad panel med antibiotikakombinationer;
• programvara som tolkar laboratorieresultaten och stödjer valet av behandling.

Kombinationen kan ge iACT en särskiljande position inom precisionsdiagnostik för infektionssjukdomar. Men kommersiell framgång kräver mer än god teknisk prestanda. Utvecklarna och vårdgivarna måste också hitta en fungerande prisnivå, svarstid, tillverkningsprocess, regulatorisk väg, kliniskt arbetsflöde och ersättningsmodell.

När testet flyttas mellan länder blir även lokala resistensmönster och behandlingsrutiner viktiga. En metod som fungerar i Singapore kan därför behöva valideras och anpassas innan den används någon annanstans.

Flera vårdprojekt bakom Singapores AI-satsning

iACT-avtalet presenterades tillsammans med andra initiativ vid SingHealths symposium AI in Health x ATx26. Tillsammans visar projekten hur Singapore försöker koppla samman klinisk användning, forskning, styrning och regional expansion.

PENSIEVE-AI ska göra kognitiv screening enklare

PENSIEVE-AI är ett digitalt verktyg för screening av tidiga tecken på kognitiv svikt, utvecklat av SGH tillsammans med GovTech, Duke-NUS Medical School och National University of Singapore. Verktyget analyserar teckningsuppgifter som utförs på en pekskärm för att identifiera tecken som kan vara förknippade med tidiga kognitiva problem.

En rapporterad studie omfattade 1 758 personer som bodde ute i samhället, och undersökningen är utformad för att ta mindre än fem minuter.

PENSIEVE-AI är ett screeningverktyg, inte ett diagnosverktyg. Tanken är att en kort och lättillgänglig bedömning ska kunna hjälpa till att hitta personer som behöver en mer omfattande medicinsk utredning – särskilt i takt med att Singapore hanterar en åldrande befolkning.

Bhutan ska få en lokalt anpassad röntgenmodell

SingHealth och Bhutans Gyalpozhing College of Information Technology har också kommit överens om att anpassa en AI-stödd modell för lungröntgen. Modellen bygger på MerMED-FM och ska tränas med data från bhutanesiska patienter, med målet att stödja upptäckt av lunginfektioner och cancer där tillgången till specialistutbildade radiologer kan vara begränsad.

Samarbetet omfattar även riktlinjer för ansvarsfull AI-användning och kompetensutveckling. Planen är att införa lösningen vid tre bhutanesiska sjukhus senast 2027.

Den lokala anpassningen är central. En medicinsk AI-modell som har utvecklats eller tränats i en viss vårdmiljö kan inte utan vidare antas fungera likadant i en annan. Befolkning, sjukdomsförekomst, röntgenutrustning, arbetsflöden och regulatoriska krav kan skilja sig åt. Att testa och anpassa modellen med lokala data är därför en del av att göra användningen säkrare och mer relevant.

Vad strategin säger om Singapore

Sammantaget pekar satsningarna på en praktisk vård- och industrimodell, snarare än en AI-strategi som bara handlar om ny teknik.

För det första utgår projekten från konkreta vårdproblem: antibiotikaresistens, tidig kognitiv svikt, begränsad tillgång till bilddiagnostik och risker vid kronisk sjukdom. För det andra kopplas offentliga sjukhus samman med forskningsorgan, universitet och statliga teknikpartners. För det tredje behandlas produktformat, lokal validering, styrning och klinisk kontroll som en del av innovationen – inte som frågor som får lösas i efterhand.

För iACT innebär det att en lovande sjukhusbaserad testtjänst ska bli ett tillverkningsbart kit. För Bhutan-projektet innebär det att en bilddiagnostisk modell anpassas till den lokala vården i stället för att exporteras oförändrad.

Den gemensamma nämnaren är översättning: att omvandla klinisk forskning till verktyg som kan användas ansvarsfullt i större skala, samtidigt som immateriella tillgångar, produkter och regionala partnerskap byggs upp.

Möjligheten är betydande, men resultaten måste läsas med viss försiktighet. Kostnadseffektivitetsanalysen för iACT gäller en bestämd infektion och en bestämd vårdmiljö, medan bredare användning fortfarande kräver ytterligare validering och regulatoriskt arbete. Singapores strategi handlar därför inte bara om att lansera medicinsk AI, utan om att bygga infrastrukturen för att testa, styra, kommersialisera och använda tekniken i praktiken.