特区政府积极落实以人为本和个人化需要的健康管理与预防策略。香港理工大学研究团队研发以患者为中心的“人工智能（AI）虚拟病人模拟系统”，采用数码双生平台架构，结合医护端平台及患者端流动应用程式，能因应患者病情实时转变进行预测分析，并模拟不同治疗方案成效，为临床诊断、病情监测及治疗评估提供智能支援，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。

系统由理大医疗科技及资讯学系副教授陈颖志带领研发，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效率，同时简化多科会诊与转诊流程。患者亦能藉流动应用程式主动参与健康管理，在患者端上载病历资料、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，并促进医患协作。

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“视觉——全域关系融合网路”（ViGNet）框架，结合多尺度视觉编码器与基因驱动编码器，协助分析与癌症治疗反应密切相关的影像及基因特征，可用于预测非小细胞肺癌患者对免疫治疗的反应。

在定性与定量评估中，ViGNet于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82.55%。该框架有助更高效整合组织病理学影像特征、基因表达谱及癌症类型文字资料等多源数据，支持AI技术在临床环境的实际应用，为个人化治疗与临床决策提供重要参考。

陈颖志表示，系统集诊断、监测与治疗评估于一体，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。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。项目目前正迈向商业化及产业落地的新阶段，相信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。