AI 在医学领域的应用前景广泛，可以在问诊到药物研发再到临床的各个流程中发现其存在的身影。即使如此，AI 大部分用途仍处于理论或回顾性阶段。
新加坡国立大学医学院（NUS Medicine）的研究人员将其潜力转化为现实世界的医疗保健结果。他们创建了人工智能护理平台 CURATE.AI，用于向患者提供动态且个性化的剂量推荐。
这项研究成果以「Personalized dose selection platform for patients with solid tumors in the PRECISE CURATE.AI feasibility trial」为题，于 2025 年 2 月 21 日刊登于《npj Precision Oncology》。
图片
论文链接：https://www.nature.com/articles/s41698-025-00835-7
CURATE.AI
CURATE.AI 是一个不依赖于特定症状的人工智能衍生平台，该平台利用患者自身的校准数据集来创建一个针对该患者个人的 N-of-1 模型，为患者提供更加体贴的服务。
该平台利用早期基于神经网络的研究结果，并将其简化为干预强度（如药物剂量）和表型反应（如肿瘤标志物）之间的更简单的二次关系，呈非线性表示。
它目前正被开发为临床决策支持系统（CDSS），以帮助医生在连续的给药周期中识别出最佳剂量。更加重要的是，这并非是一个黑箱系统——CURATE.AI 足够基础。围绕相关性建立的界限时十分明了，并且是与治疗医师共同开发和获取，确保了患者相关性和 CURATE.AI 建议的可信度。
图片
图示： CURATE.AI 辅助剂量选择过程的工作流图。（图源：论文）
用于构建 CURATE.AI 中低阶关系的数据可以转换。数据预处理与算法操作中，还可选用患者病史中的其他数据。
由于数据是提前收集的，预期缺失数据或质量问题很少且大都很好解决。在校准阶段完成并生成了轮廓后，CURATE.AI 转为「疗效驱动」，生成个性化推荐，后续周期的剂量-反应数据也会被纳入数据库中。
注册后，需要为患者采集血液样本，每个周期不超过两次。患者参与计划不超过 12 个月，随访时间为三年，每六个月进行一次随访。
CURATE.AI 团队中每次剂量事件需要至少两名经过培训的人员参与，以预处理输入数据、解释算法操作结果。患者可以选择接受或拒绝 CURATE.AI 的推荐。
患者管理
为了确保患者安全，CURATE.AI 建议患者遵循如下指导原则：
用药剂量在预设的安全范围（标准治疗方案中使用的剂量的 50% 至 100%）；
所有建议均应在临床医生根据患者个人医疗史和临床背景设定的特定安全用药范围内；
若 CURATE.AI 无法推荐符合上述要求的剂量，则不生成建议，由临床医生标准治疗方案决定剂量。
在后续，CURATE.AI 的适用性进一步划分为为五个指标：
标记误差是否足够小以允许准确预测；
是否可以足够早地生成档案；
是否观察到剂量依赖关系；
是否具有可操作性；
是否可以轻松整合参与者系统的改变。
团队追踪了新加坡 10 名被诊断患有晚期实体瘤的患者的癌症生物标志物 CEA 和 CA125，为每位患者创建个性化的「数字孪生」。
从 2020 年 8 月的第一次给药到 2022 年 9 月的最后一次给药期间，临床医生接受了 97.2% 的推荐剂量，一些患者接受的最佳剂量平均降低了约 20%。
图片
图示：达到疗效驱动的 CURATE.AI 剂量推荐的患者的药物反应。（图源：论文）
精准医疗的平台
该研究的临床负责人 Raghav Sundar 副教授说：“这些是我们在为癌症患者提供个性化化疗药物剂量方面迈出的重要第一步。这是我们许多临床医生都希望为患者带来的东西，但从想法转化为实施极具挑战性。”
随着人工智能驱动的个性化医疗领域的不断发展，这种通过整合数据驱动的方法为临床护理转型奠定了基础，不仅更精确，而且适应每个患者的治疗需求。
该平台不局限于肿瘤学，它已经被用于其他治疗领域，包括免疫疗法、高血压治疗等。在未来，这项研究准备扩展更大规模的随机对照试验，并进一步改进设计以验证 CURATE.AI 的有效性。
关注我们
