AI 在醫學領域的應用前景廣泛，可以在問診到藥物研發再到臨床的各個流程中發現其存在的身影。即使如此，AI 大部分用途仍處于理論或回顧性階段。

新加坡國立大學醫學院（NUS Medicine）的研究人員將其潛力轉化為現實世界的醫療保健結果。他們創建了人工智能護理平臺 CURATE.AI，用于向患者提供動態且個性化的劑量推薦。

這項研究成果以「Personalized dose selection platform for patients with solid tumors in the PRECISE CURATE.AI feasibility trial」為題，于 2025 年 2 月 21 日刊登于《npj Precision Oncology》。

論文鏈接：https://www.nature.com/articles/s41698-025-00835-7

CURATE.AI

CURATE.AI 是一個不依賴于特定癥狀的人工智能衍生平臺，該平臺利用患者自身的校準數據集來創建一個針對該患者個人的 N-of-1 模型，為患者提供更加體貼的服務。

該平臺利用早期基于神經網絡的研究結果，并將其簡化為干預強度（如藥物劑量）和表型反應（如腫瘤標志物）之間的更簡單的二次關系，呈非線性表示。

它目前正被開發為臨床決策支持系統（CDSS），以幫助醫生在連續的給藥周期中識別出最佳劑量。更加重要的是，這并非是一個黑箱系統——CURATE.AI 足夠基礎。圍繞相關性建立的界限時十分明了，并且是與治療醫師共同開發和獲取，確保了患者相關性和 CURATE.AI 建議的可信度。

圖示： CURATE.AI 輔助劑量選擇過程的工作流圖。（圖源：論文）

用于構建 CURATE.AI 中低階關系的數據可以轉換。數據預處理與算法操作中，還可選用患者病史中的其他數據。

由于數據是提前收集的，預期缺失數據或質量問題很少且大都很好解決。在校準階段完成并生成了輪廓后，CURATE.AI 轉為「療效驅動」，生成個性化推薦，后續周期的劑量-反應數據也會被納入數據庫中。

注冊后，需要為患者采集血液樣本，每個周期不超過兩次。患者參與計劃不超過 12 個月，隨訪時間為三年，每六個月進行一次隨訪。

CURATE.AI 團隊中每次劑量事件需要至少兩名經過培訓的人員參與，以預處理輸入數據、解釋算法操作結果。患者可以選擇接受或拒絕 CURATE.AI 的推薦。

患者管理

為了確保患者安全，CURATE.AI 建議患者遵循如下指導原則：

• 用藥劑量在預設的安全范圍（標準治療方案中使用的劑量的 50% 至 100%）；
• 所有建議均應在臨床醫生根據患者個人醫療史和臨床背景設定的特定安全用藥范圍內；
• 若 CURATE.AI 無法推薦符合上述要求的劑量，則不生成建議，由臨床醫生標準治療方案決定劑量。

在后續，CURATE.AI 的適用性進一步劃分為為五個指標：

1. 標記誤差是否足夠小以允許準確預測；
2. 是否可以足夠早地生成檔案；
3. 是否觀察到劑量依賴關系；
4. 是否具有可操作性；
5. 是否可以輕松整合參與者系統的改變。

團隊追蹤了新加坡 10 名被診斷患有晚期實體瘤的患者的癌癥生物標志物 CEA 和 CA125，為每位患者創建個性化的「數字孿生」。

從 2020 年 8 月的第一次給藥到 2022 年 9 月的最后一次給藥期間，臨床醫生接受了 97.2% 的推薦劑量，一些患者接受的最佳劑量平均降低了約 20%。

圖示：達到療效驅動的 CURATE.AI 劑量推薦的患者的藥物反應。（圖源：論文）

精準醫療的平臺

該研究的臨床負責人 Raghav Sundar 副教授說：“這些是我們在為癌癥患者提供個性化化療藥物劑量方面邁出的重要第一步。這是我們許多臨床醫生都希望為患者帶來的東西，但從想法轉化為實施極具挑戰性。”

隨著人工智能驅動的個性化醫療領域的不斷發展，這種通過整合數據驅動的方法為臨床護理轉型奠定了基礎，不僅更精確，而且適應每個患者的治療需求。

該平臺不局限于腫瘤學，它已經被用于其他治療領域，包括免疫療法、高血壓治療等。在未來，這項研究準備擴展更大規模的隨機對照試驗，并進一步改進設計以驗證 CURATE.AI 的有效性。