【大公报讯】记者郭如佳报道：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。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「AI虚拟病人模拟系统」，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。研究已发表于国际期刊《Medical Image Analysis》。

集合诊断监测及治疗评估

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，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」，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，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，研究团队提出一套以临床数据为基础的多尺度创新框架：「视觉—全域关系融合网路」（ViGNet），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，预测非小细胞肺癌患者对免疫治疗的反应。

该项目已获香港科技园「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，惠及更多患者。