新聞及香港科大故事

多序列膝關節磁力共振成像（MRI）是一種非侵入式的先進診斷技術，可準確評估膝關節病理。然而，解讀MRI影像的過程非常複雜，須依靠放射科醫生的高度專業知識，而且十分耗時。香港科技大學（科大）工學院研發了一款新型深度學習模型，以協助醫生辨別12種常見的膝關節異常狀況，同時提升診斷的準確度和效率。 本研究由香港科大的智慧醫療實驗室（Smart Lab）與廣州南方醫科大學第三附屬醫院合作開展，其成果最近發表於《自然通訊》期刊，論文標題為「Learning Co-Plane Attention Across MRI Sequences for Diagnosing Twelve Types of Knee Abnormalities」。 膝關節是一個複雜的鉸鏈型關節，也是人體主要的承重關節之一，支撐我們在日常生活中的各種動作。老化或受傷均可引致各種異常狀況，造成痛楚及損害膝關節功能，影響患者的生活質素。要為每位病人制訂適切的治療方案，就必須先有精準的診斷。 由於膝關節的解剖結構相當複雜，因此採用不同的成像掃描方法，往往會得出不同的參數。此外，若醫生經驗不足，亦未必能夠辨識出一些細微病變，可能會影響對病理的判斷。 針對這些問題，研究團隊與五家醫院合作，收集到1,748名患者的資料，以此建立了一套數據集，當中包括T1加權（T1W）、T2加權（T2W）和質子密度加權（PDW）MRI序列的矢狀面、冠狀面和軸面成像。 在膝關節病理的診斷中，醫學界普遍以關節鏡檢查結果為黃金標準。因此，研究人員將上述數據集與關節鏡檢查所得的資料結合，再進行全面分析，以確定這些病人所患的12類常見膝關節異常狀況。 另一方面，團隊開發了一款深度學習模型，利用人工智能對這些病例進行自動分類。該模型結合了跨MRI序列的共平面注意力機制（CoPAS），並將空間特徵與MRI序列進行解耦，有效捕捉了不同掃描參數下的體素值強度變化，並成功識別出平面與該12類型異常狀況之間的複雜相關性，從而提高分類工作的準確度。

香港科技大學（港科大）及香港科技大學（廣州）（港科大（廣州））發佈研究系列報告，深入剖析香港在綠色金融領域的發展進程，並就強化綠色金融領導地位提出建議。該系列報告是橫跨科大清水灣及廣州校園的大型研究協作，跨校專家組成的研究團隊指出，香港必須優化其策略，以增強其在國際綠色金融領域的競爭力，發展定位為綠色及可持續債券中心。 該系列報告「香港綠色金融政策研究」由三部分組成，研究團隊對本港情況作縱向研究，並實地調查多個環球金融中心。研究團隊指出，儘管香港已推出包括「綠色及可持續金融資助計劃」及「香港可持續金融分類目錄」在內的重要舉措，若缺乏有系統的規劃及連貫一致的策略敘述，香港在邁向成為全球綠色金融中心的進程將面臨挑戰。 研究團隊在倫敦、新加坡及紐約等全球金融中心進行實地研究，加上為期三年的深入分析，建議香港可通過進一步闡明其作為內地、西方及新興經濟體間的橋樑作用，順應國際大趨勢，借鑒各個領先綠色金融樞紐的做法，從而提升本港的綠色金融地位。團隊透過分析上述樞紐的成功經驗，總結以下有助香港轉型為綠色金融中心的四大關鍵要素： 1. 制訂政策：制訂明確的政策，闡釋香港綠色金融的發展目標，訂立確切可行的計劃並按步落實。參考其他環球金融中心的經驗，政府應在綠色金融改革擔當領導角色，就其決定發出清晰的的政策訊息 2. 協作機制：建立各級協調機制，促進持份者之間的合作與協同效應，相關機制需要平衡政府和市場的角色。當中可包括定期召開會議，邀請公私營部門持份者出席；同時在不同層面建立具不同目標的工作小組，為可持續金融推展過程中有機會出現的問題提出解決方案 3. 金融多元化：量身打造切合香港獨特的社會經濟環境的綠色標準，使金融體系更多元化，並促進與其他市場的互通性 4. 人才培育：透過加強參與國際倡議及提供誘因鼓勵更多人士接受綠色金融教育，培養人才。政府應制定政策提高接受綠色金融相關培訓的需求，包括專業培訓及學位課程，同時與香港及境外不同機構合作，以提供包括學位課程的相關培訓機會，縮窄技能差距及強化能力建設

香港科技大學（科大）成功研發四大嶄新的AI醫學大模型，推進醫療保健領域的發展。這批AI醫學大模型旨在協助全科及專科醫生診症，能為多達 30 種癌症及疾病提供診斷和預後評估，部分模型的準確度更可與擁有 5 年或以上經驗的專業醫療人員媲美。 是次研究透過科大的人工智能運算設施進行，在充足的運算力下，這些AI醫學系統得以由大量數據建構而成，結合團隊創新的機器學習訓練策略，性能表現比其他現有模型更為優秀。領導研究的科大計算機科學及工程學系助理教授陳浩教授指出，單單是其中一個針對病理學而設的 AI 基礎模型，便曾處理逾1.6億張醫學圖像，涵蓋32癌症類別。 四大模型包括： •    MOME（乳癌診斷）為首個以大模型方式分析多參數磁力共振（MRI）影像的AI模型，針對乳癌診斷而設。乳癌是本港女性最常見的癌症之一，此模型能助醫生分析病人的乳房MRI，輔助他們快速區分乳房腫瘤屬良性或惡性，從而盡量避免病人進行不必要的病理穿刺化驗。此外，此AI模型更能預測患者對化療的反應，為病人制定適合的治療方案。系統的準確度能與具有5年或以上經驗的放射科醫生相媲美，對為病人開創非入侵性及個人化的治療管理有莫大幫助。

由香港科技大學（科大）領導、有關神經科學領域的最新研究，為治療中樞神經系統（CNS）損傷帶來新希望。研究人員透過識別一種調節多種類型CNS軸突再生的新基因，為修復受損的神經網絡邁出重要一步，相關研究結果已於《美國國家科學院院刊》*上發表。 成年哺乳類動物的CNS缺乏自我修復能力，是治療脊髓損傷的主要困難，令這些損傷可能導致如癱瘓等永久性殘疾。早於2019年，科大生命科學部劉凱教授帶領的團隊在《神經元（Neuron）》期刊上發表的一篇研究，便曾揭示，lipin1基因透過神經元脂質代謝的分子機制，於調節CNS軸突再生中扮演着至關重要的角色。然而，科學界仍須進一步研究軸突再生的複雜分子機制，了解如何利用這些機制治療脊髓損傷。 Lipin1是一種參與脂質代謝的酶，降低視網膜神經節細胞中的lipin1水平可以指導神經元從合成存儲脂質轉向膜組分磷脂，進而促進神經修復。其中，有些脂質還可以參與訊號傳遞，包括磷脂酸（PA）和溶血磷脂酸（LPA），可以活化重要的細胞通路，包括mTOR通路，對細胞生長和存活十分重要。 是次研究中，劉凱教授帶領的團隊設計了一種專門針對lipin1 mRNA的新型shRNA，並將其封裝在AAV病毒載體中，借助AAV遞送至神經元，能夠將lipin1 的水平降低63%。研究發現，降低神經元中的lipin1水平會增加PA和LPA的含量，從而活化mTOR和另一種訊息分子STAT3。這些變化顯著促進了神經再生，揭示了lipin1-PA/LPA-mTOR相關的回饋迴路在損傷後阻止神經再生的過程中，扮演着關鍵角色。

人工智能（Artificial Intelligence，簡稱AI）的出現，令今後的世界將會由三種人組成：即女人、男人和可以跟人交流的機器人！人工智能令人與機器之間能更緊密地協作，將會推動現代社會和人類文明的發展。其深遠影響將遠超過互聯網的出現。勢必重組人類社會各行各業的運作模式。這是一次重大的範式轉移。

香港科技大學（科大）的工程研究人員和生物學家攜手展開跨學科研究，成功揭示了一種脊髓神經損傷的保護機制，為開發治療方案帶來曙光，有望造福全球逾千萬患者。 脊髓損傷可造成嚴重後果，例如終身癱瘓，但科學界至今尚未全面了解它的機理，因此未能找到有效的治療方法。長期以來，由於缺乏適當的活體成像技術，科學家無法精確地觀察研究脊髓內未受干擾的細胞生物過程。 為了克服這一困難，科大工學院電子及計算機工程學系瞿佳男教授與理學院生命科學部劉凱教授組成了跨學科團隊。他們結合多模態顯微成像技術和光學清除技術，成功實現微創活體成像，並由此發現小膠質細胞在脊髓軸突損傷後，會發揮一種特殊功能，並有效阻止軸突退化。 小膠質細胞是中樞神經系統裏最為主要的長駐免疫細胞。它們對大腦發育、穩定體內環境和神經系統疾病均有重要影響。科學界近年的研究顯示，無論在神經新生、突觸可塑性或神經退化等過程中，小膠質細胞與神經元之間都有重要的相互作用。 劉凱教授介紹說：「這項研究採用了瞿教授實驗室所開發的先進活體多模態顯微成像技術和光學清除技術，在國際上首次展示了自然生理條件下脊髓中膠質細胞與節點的相互作用。」 他續指：「在單一脊髓軸突損傷的急性階段，我們發現小膠質細胞原來對神經具有關鍵的保護功效。研究結果也解釋了小膠質細胞與軸突之間的通訊機制，為開發有效治療策略提供了新的靶點。」 團隊證實了在脊髓中，小膠質細胞能與髓鞘軸突的郎氏結（nodes of Ranvier）建立直接接觸，並在軸突損傷後，表現出顯著的神經保護包裹行為。這種保護機制依賴於P2Y12受體的功能，突顯出神經元與膠質細胞之間一種新的相互作用，能夠防止急性軸突退化擴散至節點之外。

隨著AI研究的算力需求和電力用量不斷攀升，香港科技大學（科大）為實現可持續發展，率先於校內科研運算設施引進全港最大規模的浸沒式液冷卻系統，有效降低超過80%的冷卻耗電量之餘，亦為電腦提供了一個更理想的低溫操作環境，提升其運算性能。 科研工作，特別是分析大數據及執行複雜算法等，需要高效能的運算設備（HPC）。然而，這類伺服器的耗電量高，並會產生大量熱力，阻礙發揮運算效能。 作為AI研究的領航者，科大近日成為本港首間引入浸沒式液冷卻技術的大學，以解決此問題。大學首階段安裝的八個浸沒式冷卻水箱，可容納約280台中央處理器（CPU）和圖形處理器（GPU），而大學預計於2026年落成、樓高八層的高性能數據中心，亦將採用液冷技術。隨著運算能力的提升，原本耗時數日的數據分析工作，現可縮短至數小時內完成。這將有利大學從事更多包括疫苗開發、個人化醫學、癌症基因組學、天體物理學模型構建以及材料科學等需要高效大數據分析的研究工作。

HKUST Dean of Engineering Prof. Hong K. LO and his team have developed an award-winning smart traffic control plan to mitigate the notorious congestion in Kwun Tong District, Hong Kong. And they have a broader vision to share in this story.