科大與泰晤士高等教育合辦亞洲大學高峰會 逾600位大學校長及領袖等參與

香港科技大學與泰晤士高等教育於4月22日至24日，合辦為期三天的「亞洲大學高峯會2026」。本屆峯會以「推動全球變革：亞洲的領導力」為主題，吸引來自25個國家及地區、超過600位大學校長、政策制定者及業界領袖參與。活動適逢科大創校35周年，亦是雙方繼十年前首度合作後，再度攜手舉辦此國際盛會。

今年的活動吸引來自25個國家及地區逾 600 位大學校長、政策制定者及業界領袖參與。

峯會於科大邵逸夫演藝中心揭幕，主禮嘉賓包括署理教育局局長施俊輝博士、科大校長葉玉如教授、THE全球事務總監Phil BATY及THE亞太區總裁林薇薇。

開幕典禮由香港特別行政區政府署理教育局局長施俊輝博士（左二）、科大校長葉玉如教授（右二）、THE全球事務總監Phil BATY（右一）及THE亞太區總裁林薇薇（左一）主禮。

葉玉如校長致辭時強調，在科技迅速發展的時代，大學須具備前瞻思維，並透過開放合作應對全球挑戰。她指出，真正的進步建基於夥伴合作與共同承擔責任。施俊輝博士則闡述香港在國際教育領域的獨特優勢，指香港作為「超級聯繫人」，正透過人才吸納及跨地域科研協作，鞏固創新優勢。

葉玉如教授在典禮上致歡迎辭，強調跨地域合作的重要性，以及大學在世界急速發展中不斷演變的角色。

施俊輝博士在致辭中指出香港在國際教育領域具備獨特優勢。

Phil BATY回顧THE與科大十年的合作夥伴關係，並指出全球高等教育與研究力量的重心正從西方轉向東方，此趨勢源於亞洲蓬勃的研究生產力與宏大抱負。

THE亞太區總裁林薇薇闡述高等教育的變力量。

緊接開幕典禮，葉玉如校長與卡羅琳斯卡醫學院副校長Martin O. BERGÖ教授進行對談，探討生物醫學與神經科學如何促進健康老齡化。葉校長指出，健康老齡化的目標是延長具生命力的歲月，需從被動治療轉向主動預防。

首日另一焦點為科大校董會主席沈向洋教授與微軟商業業務行政總裁Judson Althoff的對談。兩人探討人工智能對產業與高等教育的深遠影響，沈教授強調大學須將AI融入科學、工程、商業、人文及醫學等跨學科領域，將其視為推動創新與發展的強大工具。

葉玉如教授出席兩場領袖會議，與來自亞洲各地逾 15 位大學校長及高層管理人員，就區內共同挑戰進行深入的策略性交流

峯會期間舉行多場高層次專題會議。葉玉如校長參與了聚焦「亞洲創新走廊」及「新一代城市發展」的領袖會議，與逾15位亞洲大學校長就區內共同挑戰進行策略交流。她亦參與了題為「亞洲女性領袖的角色」的對談環節。

葉玉如教授（左二）亦與來自新加坡管理大學及馬拉維科技大學的校長進行題為「亞洲女性領袖的角色」的對談環節

科大管理層積極參與其他議題討論，包括首席副校長郭毅可教授探討「高等教育與科研中的可信任人工智能」；副校長（大學拓展）吳宏偉教授及協理副校長（教學）馮志雄教授參與「為大型城市建立氣候韌性」的研討；副校長（研究及發展）鄭光廷教授則分享「從實驗室到市場」的科研成果轉化經驗。

高峰會研討環節

高峰會研討環節。

高峰會研討環節。

為期三天的峯會以閉幕典禮圓滿結束，進一步鞏固了新的策略夥伴關係，並為亞洲高等教育的未來發展奠定共同願景。

香港科技大學領導的研究團隊最近成功研發出一套創新的人工智能（AI）病理分析系統，僅需要極少量樣本，且毋須額外訓練，即可準確識別多種癌症；顯著提升AI輔助醫療的靈活性與效率，為智能病理診斷的普及化帶來重要突破。

研究團隊最近成功研發出一套創新的人工智能（AI）病理分析系統。科大圖片

全球每年新增近2,000萬宗癌症病例，病理檢查在臨牀診斷和治療決策中扮演關鍵角色。然而，面對病理學醫生嚴重短缺的挑戰，醫療界渴求創新方案以提高分析效率。儘管AI在自動化病理診斷方面潛力巨大，但現有技術的應用仍面臨瓶頸。傳統AI模型須針對每一種癌症或診斷任務，收集數以萬計的病理圖像進行訓練，過程耗時且涉及高昂的運算與人力成本。

此外，現有病理基礎模型往往缺乏通用性，在不同腫瘤類型的臨牀分析中需要大量微調，限制了其在資源匱乏地區及多元臨牀場景中的應用。

「即插即用」的PRET系統

為應對上述挑戰，科大電子及計算機工程學系助理教授兼醫學成像與影像分析研究中心副主任李小萌教授領導的研究團隊，聯同廣東省人民醫院及哈佛醫學院，成功開發出一套名為PRET（Pan‑cancer Recognition without Example Training）的全新病理分析系統。

該系統首次將自然語言處理中的「上下文學習」（In-context Learning）概念引入病理影像分析，讓模型在推理階段僅需參考一至八張已標註的腫瘤切片，便可即時適配全新的癌症類型並執行多項診斷任務，包括癌症篩檢、腫瘤分型、腫瘤分割等，猶如一套「即插即用」的智能診斷工具，徹底打破傳統AI模型須針對每項任務進行大規模微調的限制。

有關研發乃科大聯同廣東省人民醫院及哈佛醫學院一同參與。資料圖片

驗證表現卓越 超越病理醫生平均水平

研究團隊採用來自中國內地、美國、荷蘭等多個國家及地區的多所醫療機構，共23個國際基準數據集，涵蓋18種癌症類型及不同診斷任務，對PRET系統進行全面驗證。結果顯示，PRET在20項測試任務中表現均優於現有同類方法，其中15項任務的準確性指標（AUC）高達97%。在大腸癌篩查任務中，系統的AUC值更達100%；而於食道鱗狀細胞癌腫瘤分割任務中，AUC值亦高達99.54%。

此外，在臨牀上具高度挑戰性的淋巴結轉移檢測任務中，PRET僅憑八張切片樣本，便取得約98.71%的AUC值，其整體表現更顯著超越11位病理學醫生的平均水平（平均AUC值約為81%）。研究亦顯示，PRET在不同人羣及醫療資源水平各異的地區，均展現出穩定而卓越的通用化能力。

推動全球醫療公平

李小萌教授表示：「PRET系統的核心價值，在於突破『大量數據與反覆訓練』的傳統門檻，讓AI病理分析系統能夠在更低成本及更靈活性的條件下，應用於實際臨牀場景。這不僅有助紓緩病理醫生的工作壓力，亦有望提升在資源匱乏地區癌症診斷的可及性。研究團隊期望透過這套『即插即用』的創新系統，令更先進、更精準的AI醫療診斷服務能跨越地域與資源限制，推動全球醫療公平。」

展望未來，研究團隊將進一步提升系統的診斷效能，並進一步拓展應用至基因突變預測及病人預後評估等臨牀任務，為AI病理診斷開闢更多發展新方向。相關研究成果已於國際權威期刊《Nature Cancer》發表。

- 系統名稱：PRET (Pan‑cancer Recognition without Example Training)

- 核心技術：引入「上下文學習」概念，僅需參考1至8張已標註切片即可適配新癌症類型。

- 驗證表現：在20項測試任務中均優於同類方法，其中15項AUC高達97%；在大腸癌篩查任務中AUC達100%。

- 臨牀比較：在淋巴結轉移檢測任務中表現（AUC約98.71%）顯著超越11位病理醫生的平均水平（AUC約81%）。

- 未來方向：拓展至基因突變預測及病人預後評估等任務。