近日，香港理工大学研究团队推出一套人工智能驱动的“虚拟患者仿真系统”，旨在从根本上改变癌症诊疗的决策模式。该系统并非单一工具，而是一个持续进化的数字孪生平台——它把基因组信息、医学影像、病理报告、实验室数据和临床记录全部融合，构建出每位患者独有的动态计算模型。与传统静态诊断不同，这个虚拟化身能随新数据实时更新，模拟疾病演变轨迹，并预测不同治疗方案的可能结局，从而为医生提供前瞻性决策支持。
现代肿瘤学的困境之一，是患者虽产生海量多维数据，却散落于各类系统，常被孤立解读。CT影像展现解剖结构，基因检测揭示分子驱动通路，临床记录记载症状与用药反应——但常规AI往往只取其一，难以把握癌症的全貌。理大系统则运用多模态融合技术，让算法同时审视影像特征、生物标志物、基因组变异与疗效间的复杂关联，力求从碎片中拼出完整病情图谱。
平台以“数字孪生”为核心，理论上能反映从实验室指标到日常症状的一切临床相关变化。它不止归档，更重预测：当患者状况波动，系统可模拟未来走向，比较多种治疗策略的风险收益，这对进展迅猛、选择棘手的肿瘤与重症领域尤为珍贵。医生通过临床界面可纵览患者全程病史，辅助诊断与多学科会诊；患者端移动应用则允许上传记录、记录每日感受，使其从被动接受者转变为主动管理者。加密深度特征二维码保障数据在机构间安全流转，兼顾互联互通与隐私底线。
为验证实效，团队针对非小细胞肺癌免疫治疗开发了ViGNet框架。该模型专为数字病理设计，将组织切片影像与基因表达谱、文本信息结合，用多尺度视觉编码器从细胞级到组织级捕捉特征，再经基因编码器处理分子数据，最终融合两路信息，识别出单靠图像或基因测序难以发现的疗效关联。在测试中，ViGNet预测免疫治疗疗效的区分度达82.55%，优于传统基线方法，显示出多模态融合挖掘临床信号的潜力。
不过，研究团队强调，该系统尚需在不同医院、人群和设备上独立验证，并通过前瞻性研究证明AI辅助确实能改善治疗决策与患者预后；数据质量、代表性、算法偏见及可解释性亦是必须跨越的门槛。该项目负责人陈 Lawrence教授将平台定位为决策支持“哨兵”——当生物标志物或症状出现异常时提前预警，以缩短评估窗口、助推精准决策，但最终判断仍由临床专家根据实情做出。
该系统近期亮相巴塞罗那世界移动通信大会，入围全球移动大奖“互联健康”类别决赛，并获香港科技园孵化计划有条件接纳，正向商业化迈进。团队已在《Medical Image Analysis》发表ViGNet相关论文，为这项融合数字孪生、多模态AI与个体化预测的探索，提供了同行评议的理论根基。若未来大规模应用，积累的真实世界数据还将反哺药物研发与临床试验优化，让虚拟患者真正成为现实医疗的智慧伙伴。热门微博 医学新闻 AI医疗 哈勃观察员
