首屆「說好我們故事」短片大賽圓滿落幕 助新一代駕馭人工智能

由香港電腦教育學會（HKACE)主辦、科學園孵化器成員初創公司firefilm協辦，巴士的報、香港文聯、香港科培網、火山製作等全力支持的第一屆「說好我們故事」短片大賽昨日（24日）舉行頒獎禮，比賽收到數十間學校參與，分小學組、初中組及高中組，參賽短片質素均非常高。

第一屆「說好我們故事」短片大賽24日舉行頒獎禮

香港電影導演鄧東明（左一）及香港電腦教育學會、沙田培英中學朱嘉添校長（右一）與高中組最佳說故事金獎得主香港道教聯合會青松中學。

說故事技巧是21世紀必要技能，高等學府如哈佛大學已設立說故事技巧課程，是次比賽旨在帶出storytelling說故事技巧的重要性，及讓學界認識如何利用人工智能軟件生成各種多媒體檔案。小學組及初中組以國民教育中的價值觀教育為題，用短片形式表達何謂「守法」、「同理心」和「勤勞」的價值與態度。高中組則以「學生如何察覺情緒病的特徵及應對方法」作題目，製作短片用作校內宣傳關注學童精神健康用途。

香港科培網絡主席李治緯（右一）與得獎學校合照。

香港電腦教育學會主席、沙田培英中學校長朱嘉添表示，AI 並不會成為我們的敵人，AI無辦法完全取代人是因為storytelling 的技巧及方法只有人才可按受眾決定。學生透過學會業界認可的整storytelling理論，並利用AI軟件執行及製作多媒體成品，適用於學校大小活動的花萃製作、學生Project匯報等，讓學校及學生的成果錦上添花。

香港電腦教育學會主席、沙田培英中學朱嘉添校長。

科學園初創公司Firefilm.io首席科學家、中文大學機械與自動化工程博士胡景強在典禮上分享了各種人工智能軟件的最新發展，並即席示範了人工智能軟件在說故事技巧上的不足。胡景強指出，說故事技巧不能用簡單的command與output方法達成，除了結構、節奏外，說故事技巧更注重聆聽者的需要，人類以情感及經驗去表達一件事、匯報或分享一些概念，再去按受眾選擇呈現方式，正正就是現在人工智能生成軟件未能覆蓋的部份。

科學園孵化公司成員firefilm.io 首席科學家，中文大學機械與自動化工程博士胡景強。

小學組「最佳說故事金獎」由聖公會聖米迦勒小學奪得，初中組「最佳說故事金獎」由中華基督教會方潤華中學奪得，高中組的「最佳說故事金獎」得主則為香港道教聯合會青松中學，以關心學生精神健康為題、探討思覺失調的短片獲全場總冠軍。

治療智能公司Genialis將於2026年歐洲腫瘤學會（ESMO）大會上，展示其生物優先模型即使在有限病人數據下，仍能預測治療反應的數據。這些模型在三種不同癌症類型及治療方案中，於少於70名病人的群組內，展現卓越的預測表現，解決了開發精準腫瘤學預測生物標誌物的基本挑戰之一。

臨床試驗數據量小。早期研究通常招募相對較少的病人，對傳統建模方法提取有意義的預測訊號構成挑戰。然而，藥物開發商必須就管線推進及病人篩選標準作出關鍵決定，這往往在獨立驗證數據可用之前。

ESMO 2026海報 AP圖片

腫瘤RNA測序（RNA-seq）分析約測量20,000個基因；若有50名病人，傳統深度學習模型或會識別出統計噪音，而非有意義的生物訊號。自成立以來，克服這種「維度詛咒」一直是Genialis預測建模方法的核心。

Genialis Supermodel是一個大型癌症生物學分子模型，經數十萬個轉錄組樣本訓練。該Supermodel將RNA測序（RNA-seq）中數萬個獨立基因表達測量值，轉化為具生物學意義的「生物模塊」，每個模塊代表癌症生物學的一個基本方面，包括致癌訊號傳導、免疫激活及DNA損傷反應。透過在模型訓練前，將分子數據的複雜性簡化為可解釋的生物學特徵，Genialis能從相對較少的病人群體中開發預測生物標誌物，同時深入了解驅動治療敏感性及耐藥性的生物學機制。

ESMO海報（摘要編號8664）評估了這種方法在三種不同癌症類型數據集中的應用，這些數據集規模與早期臨床研究典型規模相符：包括41名接受抗PD-1治療的黑色素瘤病人治療前RNA-seq數據、45名接受派姆單抗治療的胃癌病人，以及66名接受索托拉西布治療的KRAS G12C突變非小細胞肺癌（NSCLC）病人。在嚴格的保留測試下，生物模塊模型在每個群組中均優於匹配的基因表達模型。在非小細胞肺癌中，生物模塊預測索托拉西布反應的AUROC值為0.8，而最佳基因表達模型僅為0.6；預測有反應的病人中位治療持續時間為337日，而無反應者為178日。每次預測均附帶生物學依據，預測的非小細胞肺癌有反應者顯示出MAPK成癮生物學特徵，而無反應者則表現出PI3K旁路程序。

從小型群組到單一病人應用：Sid Sijbrandij個案研究。

GitLab聯合創辦人Sid Sijbrandij於2022年11月確診骨肉瘤，這是一種美國每年約有1,000人確診的罕見骨癌。當他癌症復發且標準治療方案用盡時，Sijbrandij組建團隊，尋求一種非凡的方法來了解及治療他的疾病。該團隊將他們所謂的「最大化診斷」與個性化實驗性療法結合，並在osteosarc.com上收集及公開分享了超30TB的Sid臨床及分子數據。

Genialis回顧性分析了由三間臨床實驗室在超25個月內，從不同樣本中生成的四個腫瘤RNA-seq文庫。即使原始基因表達數據不可比較，Supermodel仍能對四個樣本進行一致的生物學比較。透過將每個樣本的生物學與治療假設聯繫起來，該分析展示了研究人員如何在獲得額外樣本時重新審視這些假設。Genialis預計，隨著精準腫瘤學向更小、更精確定義的病人群體發展，並最終實現為個別病人量身定制的治療策略，這種方法將變得越來越有價值。

Genialis行政總裁兼聯合創辦人Rafael Rosengarten博士表示：「對於面對罕見癌症的病人及處理有限病人數據的研究人員而言，比較隨時間收集的樣本中腫瘤生物學的能力，為疾病研究及開發治療假設開闢了新機會。ESMO的研究結果與Sid的個案研究共同證明，生物優先人工智能有潛力從有限的病人數據中提取有意義的見解，無論是針對臨床群組還是單一病人的癌症歷程。」

Genialis透過其癌症生物學Supermodel提供治療智能。公司開發及驗證具臨床可行性的人工智能模型，這些模型以全球種族最多樣化的癌症數據集為基礎，旨在預測病人反應，並指導靶向抑制劑、免疫療法及其他新興治療類別的治療決策。Genialis獲製藥及診斷合作夥伴信賴，共同透過數據轉變醫學。公司總部設於侯斯頓、波士頓及盧布爾雅那。

（美聯社）