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。

***完***