最新动态

重庆大学附属仁济医院代表团到访理大 共探生物焊接手术机器人医工融合新机遇

由重庆大学附属仁济医院（重庆市第五人民医院）泌尿生殖医学中心主任孙中义主任率领代表团，于8月17日到访香港理工大学（理大），聚焦生物焊接手术系统前沿技术，展开深入交流，共同探讨医工融合及产学研协同创新机遇。 交流会上，双方分别陈述团队成员与研究概况。双方就生物焊接核心技术的转化与应用展开深入讨论。理大代表介绍了在智能机器人、人工智能及医工跨学科的科研优势与最新发展；仁济医院代表则分享了医院简介及生物焊接技术的研发成果。 代表团随后参观了理大人工智能机器人实验室，实地了解理大在人工智能及机器人的研究积累与人才培养，并探讨前沿科研成果于医疗领域的应用潜力。 展望未来，理大将与重庆大学附属仁济医院保持紧密联系，充分发挥医学、精密机械、人工智能等跨学科优势，持续推动生物焊接手术机器人的研发协作与成果转化，共创医疗科技新未来。  

理大青年学者荣获国际基础科学大会前沿科学奖

香港理工大学（理大）应用数学系助理教授张仕俊教授，荣获国际基础科学大会（ICBS）颁发的2026年「前沿科学奖」，表彰其杰出研究具前瞻性与深远影响力。 张教授凭藉其 2021 年发表于《SIAM Journal on Mathematical Analysis》的突破性论文 “Deep network approximation for smooth functions”，在数学（数值分析）领域获此殊荣。他与来自杜克大学、新加坡国立大学以及马里兰大学的合着者共同获奖。 张教授的研究致力于推进深度神经网络的理论研究与实际应用。他的研究着重于神经网络如何有效逼近复杂函数，旨在降低逼近误差、泛化误差及优化误差，从而加强理论模型与实际应用之间的衔接。 除了这些基础理论，他的研究范畴亦涵盖神经网络优化、激活函数的特性，以及 Transformer 模型与图神经网络（GNN）等现代架构的表达能力。此外，他亦探索迁移学习、神经架构搜索、及模型压缩技术等前沿领域，推动下一代人工智能技术的创新发展。 「前沿科学奖」旨在表彰过去十年间在数学、物理以及资讯科学与工程领域所发表的卓越原创研究，科学成果必须具备极高的学术价值，并在全球相关领域内产生深远的影响。  

理大研究团队开发可信人工智能框架TRUECAM 提升病理人工智能癌症诊断可靠性

癌症诊断结果直接影响患者的治疗方案及预后，甚至关乎生命。传统病理诊断主要依靠病理学家在显微镜下观察和分析组织切片，并凭借专业经验作出判断。近年，人工智能技术在病理诊断中的应用（简称「病理人工智能」）发展迅速，有助提升诊断效率及辅助临床决策。然而，现有人工智能模型仍缺乏完整且可验证的机制，以确保诊断结果的可靠性，限制了相关技术在高风险临床场景中的应用。 为应对这项挑战，香港理工大学（理大）工业及系统工程学系助理教授张晓革教授及其研究团队，创新研发出一套可信人工智能框架TRUECAM（TRustworthiness-focused, Uncertainty-aware, End-to-end CAncer diagnosis with Model-agnostic capabilities）。该框架可应用于全切片影像分析，用作非小细胞肺癌亚型分类，同时提升数据和人工智能模型的可验证可靠性，为病理人工智能在癌症诊断中的安全应用奠定重要基础。 TRUECAM旨在提升人工智能诊断癌症的可信度。它能评估人工智能对诊断结果的把握程度，并在结果存在较高不确定性时，或输入数据超出模型适用范围时主动提示医生复核；同时，框架可配合不同类型的人工智能模型，支援由病理影像到诊断结果的完整分析流程，协助医护人员更可靠地运用人工智能诊断结果。 该框架应用于全切片影像技术，即把玻璃载玻片上的组织切片扫描成高解像度数码影像，让医生可于电脑上以「虚拟显微镜」方式检视病理样本。研究结果显示，TRUECAM不仅适用于非小细胞肺癌亚型分类，亦可拓展至乳癌、脑癌和肾癌的亚型分类，甚至涵盖 46 个类别的泛癌切片分类，充分展现其广泛应用潜力及临床转化价值。 作为一套通用框架，TRUECAM可应用于不同规模、架构、用途和复杂程度的病理人工智能模型，支援负责任的临床应用。框架具备三大核心功能，包括识别「超出适用范围」的输入数据、自动筛选模棱两可及难以判断的图像区域，并采用「共形预测」技术，将诊断错误率控制在可接受的范围内。 研究团队在多个癌症数据集上，运用两类人工智能模型对TRUECAM进行系统性测试，包括针对特定任务的专用模型，以及具广泛应用潜力的基础模型。计算实验结果显示，套用 TRUECAM 的模型在分类准确度、稳定性、可解释性、数据使用效率及公平性等各方面，均较未套用的模型表现优胜。 张教授表示：「TRUECAM 在『完全由病理人工智能主导』和『完全由病理学家主导』的癌症诊断之间取得良好平衡。当人工智能对诊断结果信心较高时，系统可协助处理较明确的病例；至于不确定性较高的病例，则会被标记并交由病理学家作深入检视和临床判断。这种『人工智能与病理学家分工协作』的模式，有助提升诊断效率、减轻病理学家的工作负担、提高诊断可靠性，并扩大诊断服务规模。」 张教授补充：「目前已发表的研究主要聚焦于全切片影像，我们正进一步探索其他数据类型，例如分子谱，包括 RNA 定序和诊断报告等，以拓展框架的潜在应用范围。TRUECAM 为建立值得信赖的病理人工智能提供了一套系统化的解决方案，并为其日后在真实环境中的应用奠定更稳固的基础。」 这项研究题已发表于国际权威期刊《自然‧生物医学工程》（Nature Biomedical Engineering），并获国家自然科学基金委员会、香港研究资助局和深圳市科技计划的资助。

理大参与「2026香港英才北京行」 探索京港科技发展新机遇

香港理工大学（理大）化学系助理教授于涵教授与理大土木及环境工程学系研究助理教授孙潇昊博士，于8月10日至15日参加由北京海外学人中心与香港北京高校校友联盟（京校联） 联合主办的「2026香港英才北京行」活动。 是次活动为期六天，旨在推动京港两地人才交流，促进教育、科技与创新融合发展。活动期间，代表团深入走访北京多个科技创新高地，包括国家级重点实验室、前沿研发平台、领先科技企业及创新孵化中心等。 代表团有机会参与多场专题交流及项目对接活动，围绕人工智能及前沿信息技术、新能源及先进材料、智能网联汽车等领域，与海外创新人才进行学术对话，探讨合作机遇。 此外，代表团实地考察怀柔区重大科研设施及国家级科技基础设施，通过沉浸式、实践体验前沿科研，并参访中关村科学园，全面了解北京创新生态体系，以及科技成果转化与初创企业孵化等支援机制。 透过是次活动，理大学者进一步建立与科研及产业伙伴的联系，为未来京港两地在科研协作、人才交流及科技成果转化方面奠定良好基础。理大将持续拓展跨区域合作网络，积极推动学者与高影响力创新平台及合作伙伴对接，促进更深入的交流。

理大青年研究人员荣获 FutureAM突破奖

香港理工大学（理大）工业及系统工程学系助理教授陈子斌教授，荣获「FutureAM 突破奖」，以表彰他在先进制造领域的卓越研究表现。 「FutureAM突破奖」每年颁授予在先进制造领域内，学术表现卓越及持续获得国际认可的青年研究人员。该奖项于第二届国际增材制造未来大会（2nd International Conference on Future of AM 2026）期间颁发，会议今年于新加坡举行，为全球最大先进制造学术社群之一。 陈教授的主要研究方向为设计兼具卓越结构、功能与应用性能的可持续材料，并解决不同材料体系中的实际工程挑战。他在研发低合金、低成本且高性能的可持续金属合金，以及用于能量储存与压电应用的破纪录铁电材料方面的研究，引起获得国际广泛关注。他亦在各个顶尖期刊发表了多篇高质量论文，包括《自然》(Nature)、《科学》（Science）、《自然-材料学》（Nature Materials）、《科学进展》（Science Advances）、《自然-通讯》（Nature Communications）及《物理评论快报》（Physical Review Letters）等。 近期，陈教授在低温材料研究方面提出两项具突破性的创新策略，分别是「负曲率界面」和「分级纳米有序化」策略，这两项创新研究成功突破低温材料长期存在的「强度-延展性-韧性」三者难以兼得的科学瓶颈，并在所有已知低温合金中创下性能表现新纪录。相关研究已连续发表于 《自然-通讯》。 此外，他与研究团队在功能材料科学方面亦取得重大突破，首次揭示并成功在块体压电晶体中可控地构建微观「拓扑涡旋」结构，大幅提升其机电性能。此项具开创性的发现已刊登于 《自然-材料学》。 了解更多陈教授的研究成果：  理工大学携手研发以 3D 打印创造新型高强度钛合金

理大研发人工智能虚拟病人模拟系统 革新临床诊疗护理 动态整合多模态数据 推动个人化癌症精准治疗

香港理工大学（理大）研究团队突破传统静态诊断的局限，成功研发以患者为中心的「人工智能（AI）虚拟病人模拟系统」。该系统透过动态整合患者的基因、医学影像及临床等多模态数据，构建可持续更新的「数码双生」模型，不但能实时追踪病情变化，更可预测不同癌症治疗方案的潜在成效，协助医护团队制定更精准、个人化的医疗方案。 一般医疗AI工具多依赖单一电脑断层扫描、基因组报告或静态临床数据进行分析，难以全面掌握患者病情的动态变化。由理大医疗科技及资讯学系副教授陈颖志教授带领研发的「AI虚拟病人模拟系统」，采用以患者为中心的数码双生平台架构，结合医护端平台及患者端流动应用程式，能因应患者病情的实时转变进行预测分析，并模拟不同治疗方案的成效，为临床诊断、病情监测及治疗评估提供智能支援。系统尤其适用于病情变化复杂、治疗选择多元且医疗成本高昂的癌症及重症治疗，为精准医疗发展注入新动力。 该系统的核心优势在于医护端与患者端的紧密协作。医护专用平台可整合基因、医疗影像、病理、检验结果及临床纪录等多模态数据，协助医生掌握患者整体病况，提升诊断及治疗决策，同时简化多科会诊与转诊流程。患者端流动应用程式则让患者上载病历资料、纪录日常症状及追踪健康状况，并可透过加密的「深层特征二维码」（Deep Feature QR Code），在不同诊所、医院及装置之间安全传输病历资料，提升资料流通效率及私隐保障。透过系统，患者可由被动接受治疗，转为主动参与健康管理，进一步促进医患协作。 为推动相关技术在癌症护理及治疗决策中的应用，研究团队提出了一套以临床数据为基础的多尺度框架，用于预测非小细胞肺癌患者对免疫治疗的反应。这套多模态方法能有效整合组织病理学影像特征，以及基因表达谱、癌症类型文字资料等临床数据。这项名为「视觉——全域关系融合网路」（ViGNet）的创新框架，结合多尺度视觉编码器与基因驱动编码器，有助分析与癌症治疗反应密切相关的影像及基因特征。 在定性与定量评估中，ViGNet 在治疗反应分类方面的表现均优于基准方法，预测免疫治疗反应的辨识效能达到 82.55%。这项突破性研究有助更高效地整合多源数据，并支持AI技术在临床环境中的实际应用，为个人化治疗与临床决策提供重要参考。相关研究已发表于国际期刊《Medical Image Analysis》。 陈颖志教授表示：「『AI虚拟病人模拟系统』是一个集诊断、监测与治疗评估于一体的创新综合平台。系统除了能揭示多模态数据之间细微而关键的病理关联，亦可担当『监测哨兵』的角色，当患者的生物标记或症状出现异常时，即时向医护团队发出提示。这项具变革性的技术有助缩短诊断与评估时间，支援医护人员为癌症及重症患者制定更精准、高效的个人化治疗方案。」 这项突破性科研成果早前于西班牙巴塞隆拿举行的「2026 年世界移动通讯大会」展出，并凭借卓越的创新技术，入围2026年全球移动大奖的「最佳移动互联健康与福祉创新奖」决赛，充分展现理大在医疗科技及人工智能应用领域的国际影响力。 项目目前已获理大微型基金、种子基金以及大湾区创新创业培育计划资助，并获香港科技园「创科培育计划」有条件批准，正迈向商业化及产业落地的新阶段。随着系统逐步于临床环境应用，其汇集的实际数据将有助反馈至药物研发、临床试验及治疗方案优化，进一步完善医疗创新生态，惠及更多患者。

理大研发可穿戴微针贴片 助常规超声波仪器持续监测血糖

糖尿病管理需要持续监测血糖，及早察觉异常并作出干预。然而，传统指尖采血既疼痛又不便，而现时市面上的连续血糖监测产品大多依赖生物活性酶，需要定期更换、成本较高，储存条件亦相当严格。香港理工大学（理大）的研究团队开发了一种无酶、可穿戴、声学可读的微针贴片（ARMPatch）。只要把微针贴片贴在皮肤上，利用常规超声波探头读取相关参数，即可持续反映血糖水平的变化。 这项研究由理大机械工程学系系主任、智慧结构与系统讲座教授苏众庆教授，联同中国科学院深圳先进技术研究院孟龙教授、韩国科学技术院Jeong Jae-Woong教授及三方研究团队共同完成。研究成果已刊登于《科学进展》(Science Advances)，理大机械工程学系博士研究生张王霖翰为该文第一作者。 苏教授表示：「我们研发的ARMPatch，可作为任何一台超声波设备的血糖监测配件，实现微创、经济、长效而稳定的连续血糖监测。此成果为无酶连续血糖监测技术提供全新方案，并拓展超声波技术在可穿戴生物感测和健康监测领域的应用。」 ARMPatch的运作原理不难理解。微针贴片采用一种基于苯硼酸 (PBA) 的葡萄糖响应性水凝胶制成，当贴在皮肤上后，其微针会随着血糖水平的波动而膨胀，血糖越高，微针膨胀得越多，超声波则能读取微针变化，显示血糖水平高低，这正是ARMPatch「声学可读」的特性。 研究团队进行了一系列体外与裸鼠体内实验。在体外测试中，ARMPatch 于0-40mM血糖浓度范围内呈现良好线性反应，足以有效监测高血糖情况，并能稳定提供长达56天的读数，远胜需频繁更换的酶基装置。 而在裸鼠体内测试中，超声波读取的微针膨胀程度能准确反映血糖水平的变化。贴片更于一只可自由活动的裸鼠身上连续七天成功监测血糖，期间牢固贴合、不受活动影响，移除后皮肤亦无炎症或创痕，印证其生物相容性与微创特性。 不少糖尿病人已使用可携式或穿戴式超声波设备，长期居家监测心脏病和肾脏病等并发症。对他们而言，使用ARMPatch无需添置任何定制硬件，利用现有设备即可持续监测血糖。 团队指出，只要调整水凝胶成分，同一平台原则上亦可监测pH值、蛋白质和细菌等多种生物标记，期望日后开发可同时监测多项指标的微针贴片，使穿戴式超声波设备成为一站式的居家健康监测工具。 苏教授补充：「本研究不仅提出一种新型可穿戴设备，使传统超声波得以用于无酶连续血糖监测，亦开辟了以定制水凝胶微针，在微创方式下透过标准超声波监测多元生理资讯的新途径。」 本研究获国家自然科学基金委员会（自然科学基金委）及香港研究资助局（研资局）的「联合科研资助基金」支持，并额外获得研资局、自然科学基金委和韩国国家研究基金会的资助。此外，理大材料与器件中心实验室和生命科学中心实验室亦为研究提供协助。

理大研究揭示影响中风患者双重作业步行的关键环境与认知因素 助力制订个人化中风复康训练方案

在日常生活中，不少人都习惯一边走路，一边处理其他事情，例如构思当天的购物清单或回复手机讯息。然而，对于活动能力及认知能力减弱的中风患者而言，这种常见的「双重作业步行」却可能是一大挑战。香港理工大学（理大）研究团队早前开展全球首项中风人士双重作业步行与跌倒风险相关研究；其后的后续研究发现认知作业类型及复杂性的相互作用，会影响「双重作业干扰」的程度及模式，令患者身体活动及认知作业表现下降。其研究结果对为中风复康设计双重作业评估及训练，具重要临床价值。 理大信兴教育及慈善基金康复科学教授、神经康复治疗学讲座教授兼康复治疗科学系系主任彭耀宗教授，联同该学系助理教授曾秀兰教授带领研究，评估社区内慢性中风患者的双重作业能力。研究期间，参加者需在平地步行及跨越障碍物这两种活动情境下接受评估，过程中要同时完成不同认知作业，包括听觉辨识、回忆购物清单及连续减法计算。 研究团队采用名为「双重作业效应」的标准化指标，以量度患者在活动能力（步行距离）及认知功能（作业准确度）的表现。结果显示，患者在步行时进行认知作业，往往受到双重作业干扰，导致其认知作业、步行或两者的表现下降。这种干扰不但会增加跌倒风险，亦会窒碍患者重新融入社区生活。 研究亦显示，双重作业步行的表现高度取决于作业性质，尤其当认知作业涉及内部反应，例如在脑中进行连续减法时，患者需要动用更多工作记忆、心智追踪及内部处理能力，因而受到更大的双重作业干扰。研究观察所得，这类涉及内部反应的作业对活动能力造成的干扰最为显著，临床结果显示患者步行距离会明显下降。此外，作业类型与其复杂性的相互作用，也会比这两个因素各自的单独影响，更显著地影响双重作业表现。 彭教授解释：「我们的研究结果突显个人化评估的重要性，有助更深入了解中风患者在双重作业时面对的挑战。双重作业训练已获证实可减少双重作业干扰，并降低步行时的跌倒风险。临床应用方面，建立全面的双重作业效应指标，对评估中风后患者的活动能力至关重要。而针对认知作业的不同范畴与复杂性进行标准化评估，亦是引导慢性中风患者进行有效功能训练的关键。」 曾教授补充：「由于中风会影响负责不同认知及身体功能的大脑区域，只针对单一认知领域及难度的『一刀切』方式不足以识别中风患者的主要功能缺憾。因此，精准辨识患者的具体功能缺损，并制定个人化训练方案，是提升复康成效的关键。」 是次研究提出复康训练需突破传统、单一的功能训练模式，并纳入更贴近日常生活情境的双重作业训练，以提升复康成效。有关论文以「认知作业类型与复杂程度对中风患者平地步行及穿越障碍物中的双重作业干扰之影响」为题，刊载于《神经复康与神经修复》（Neurorehabilitation and Neural Repair）期刊。

理大创新科研应对酷热气候

热浪愈来愈长，气温持续攀升。理大研发多项创新技术，从城市环境、智慧建筑到先进材料及个人降温科技，提升城市韧性，打造更舒适、健康且节能的生活。   户外舒适乐场 理大潘乐陶慈善基金智慧城市研究院副院长、建筑环境及能源学讲座教授牛建磊教授透过气候友善设计及城市微气候研究，打造更凉爽舒适的户外环境，提升高温下的城市宜居性。 了解更多   智能窗膜提升舒适度 理大能源与建筑讲座教授严晋跃教授研发可调节光线、室内热量及湿度的智能窗膜，优化室内环境并降低制冷能耗。 了解更多   人工智能建筑制冷技术 理大潘乐陶慈善基金智能建筑教授、建筑能源及自动化讲座教授王盛卫教授利用人工智能技术优化通风及空调运作，提升舒适度并实现节能减碳。 了解更多   智能建筑高效节能 理大建造及环境学院副院长、建筑环境及能源工程学系教授肖赋教授开发新一代创新技术，提升建筑能源效益，确保建筑物于极端高温下维持高效及低耗能运作。 了解更多   透气排汗衣物保持凉爽 理大利民先进纺织科技青年学者、时装及纺织学院副教授寿大华教授研发创新个人降温纺织品，提升高温潮湿环境下的穿着舒适度。 了解更多  

人工智能驱动的智能控制 为香港建筑环境实现高效能源管理

暖气、通风与空气调节(暖通空调)系统，在智能建筑管理中扮演关键角色，但其能源消耗亦备受关注。香港理工大学建筑环境及能源工程学系建筑能源及自动化讲座教授及潘乐陶慈善基金智能建筑教授王盛卫教授研发一套多功能且具通用性的框架，将人工智能整合至楼宇自动化系统中，以提升建筑能源效率。 暖通空调对于智能建筑尤其重要，能维持室内环境的舒适度。在香港，商业建筑的能源消耗占全城总能耗相当大的比例，而暖通空调更可消耗建筑总能耗高达40%。然而，传统控制方法，例如简单的开关控制或比例-积分-微分控制器，往往难以应对此类复杂且高动态的系统。因此，愈来愈重视运用人工智能来提升暖通空调的效能、降低能耗，并支持香港广泛实现永续发展目标。 王教授与研究团队聚焦于一个迫切问题：如何在不依赖远端伺服器或云端解决方案的情况下，将人工智能实用和有效地整合至楼宇自动化系统中，并于现场层面优化暖通空调的运行。他们提出的解决方案是一套全新的通用框架，将人工智能驱动的最佳化功能直接部署至边缘端，也就是实际运作的重点。相关研究题为「用于楼宇自动化系统现场优化的人工智能整合通用框架及策略」已经发表于《能源》（Energy）期刊。 研究提出一种切实可行的现场部署方式：透过在现场设置智能控制站，将人工智能嵌入楼宇自动化系统之中。这些控制站可即时运行人工智能演算法，对暖通空调进行自适应、数据驱动控制，避免云端运算可能带来的延迟和可靠性风险。 该框架包含两项主要组件：其一为人工智能执行环境，用于模型推理和学习；其二为功能模组，用于资料处理、任务管理和提升系统稳健性的设计。研究团队将智能站整合至大型冷却系统的测试平台，并透过硬体在环模拟进行验证；结果不仅证实此方法可行，还展现其实际应用效益。 相较于采用固定设定点的传统基准策略，人工智能驱动的最佳化方案可使总能耗降低7.66%。具体而言，最佳化后的控制策略使冷却水回水温度平均上升2.30 K，供水温度平均降低1.93 K。这些调整有效降低冷却水泵的能耗，虽然海水泵的能耗略有上升。但就系统特性而言属合理取舍；特别是在长距离管道条件下，冷却水泵往往是主要能耗来源。透过持续在水泵和冷水机组之间维持能耗平衡，人工智能驱动的方法得以在不影响使用者舒适度的前提下，显着提升整体效率。   本研究的意义不仅止于实验室层面。研究结果显示，即使采用成本较低的现成硬件，亦可在无需改造既有楼宇自动化系统基础设施的情况下，于现场稳定可靠地执行人工智能驱动的最佳化控制，为智能建筑营运者提供了可扩展、非侵入式的途径，得以导入更先进的控制策略。 王教授的研究成果标志着人工智能在楼宇能源管理的实际应用上迈出重要一步。透过将智能技术导入边缘，所提出的框架不仅在香港这样能源需求密集的环境中带来可量化的节能成效（7.66%），亦兼顾实际部署所需的稳健性与运作稳定性。 资料来源: Innovation Digest 7