理大研发 AI 虚拟病人模拟系统 搭建数码双生模型 助重症精准治疗
发布时间：17:10 2026-08-13 HKT
持续追踪患者健康数据，能够协助医护团队制订更精准、个人化的治疗方案。理工大学研究团队开发以患者为核心的「人工智能虚拟病人模拟系统」。系统动态整合基因、医学影像、临床记录等多类数据，建立能够持续更新的「数码双生」模型，除了实时监察病情走势，亦为临床诊断、长期病情监测、治疗成效评估提供 AI 支援，相关研究成果刊登于国际期刊《Medical Image Analysis》。
现有不少医疗AI工具大多只依靠单一电脑断层扫描、基因报告或是静态病历分析，难以完整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架构，配套医护操作平台以及供患者使用的流动应用程式。系统可按照患者实时病情变化作出预测分析，模拟不同治疗方案带来的效果，适合病情复杂、治疗选项众多且医疗开支庞大的癌症与重症个案，推动精准医疗发展。
系统亦有助简化多科会诊和跨院转介流程。患者透过手机程式，可以上载病历、记录日常病征、持续跟进自身健康情况；当中设有加密「深层特征二维码」，能够在不同医疗机构、设备之间安全传送病历，兼顾数据流通效率与病人私隐。令患者不再只是被动接受治疗，而是可以主动参与健康管理。
陈颖志指出，系统不单能够找出各类医疗数据之间细微却关键的病理关联，更可充当「监测哨兵」。一旦察觉患者的生物指标或病征出现异常，就即时向医护发出警示，缩短诊断与疗效评估所需时间，协助团队为癌症及重症病人设计更精准、高效的个人化治疗计划。
为推广技术运用于癌症护理及治疗决策，研究团队搭建一套建基于临床数据的多尺度分析框架，用作预测非小细胞肺癌病人对免疫治疗的反应。这套「视觉 — 全域关系融合网路（ViGNet）」多模态技术整合组织病理影像特征、基因表达数据、癌症临床文字资料，框架融合多尺度视觉编码器与基因驱动编码器，有助挖掘和癌症治疗效果息息相关的影像及基因特征。
ViGNet 判断治疗反应的表现胜过传统基准方法，预测免疫治疗成效准确度高达 82.55%，有效地整合来自不同渠道的医疗数据，推动AI真正落地临床场景。
这项成果更成功入围 2026 年全球移动大奖「最佳移动互联健康与福祉创新奖」决赛，同时获香港科技园「创科培育计划」有条件核准，正迈向商业化，准备投入产业应用落地。
延伸阅读：研资局「研究学者」中大揽6席冠八大 理大4人入选位列其后
诚邀大家做问卷调查，话俾我哋知你对《星岛教育》有咩意见！连结：>>按此<<
