研究型实习生-面向神经系统慢性疾病的多模态医学人工智能与精准生物标记物研发

岗位职责

研究领域： 多模态医学影像处理 项目简介： 神经系统慢性疾病，包括脑卒中（Stroke）、颅内动脉瘤（Intracranial Aneurysm）、脑小血管病（Cerebral Small Vessel Disease, CSVD）以及肌萎缩侧索硬化症（Amyotrophic Lateral Sclerosis, ALS）等，已成为全球人口老龄化背景下的重要公共健康挑战。这类疾病通常具有病程长、异质性强、早期症状隐匿以及个体间进展差异显著等特点，传统基于单一影像或临床指标的评估方式，难以实现疾病的早期筛查、精准分型、个体化疾病进展预测以及临床干预风险评估。 近年来，医学影像、临床电子病历、基因组学、血液生物标志物以及纵向随访数据的快速积累，为脑部慢病研究带来了新的发展机遇。与此同时，人工智能、多模态学习与医学大模型等技术的快速发展，使得从复杂、高维、多源异构数据中深度挖掘疾病特征、构建精准生物标记物体系成为可能。

本项目旨在围绕脑退化性疾病与脑血管疾病，构建基于医学多模态数据的智能分析与精准生物标记物研发平台。项目将融合 MRI、CT、临床数据、生理指标及潜在分子标志物等多源信息，探索疾病早期检测、风险预测、病程评估及预后分析的新型人工智能方法。研究方向涵盖脑结构与功能异常检测、脑血管病变智能分析、疾病进展建模、个体化风险分层、辅助临床干预以及可解释性医学人工智能等。

在应用转化方面，项目将进一步探索相关 AI 能力与精准生物标记物体系在蚂蚁阿福数字健康平台中的整合与落地，为脑部慢病相关的智能报告解读、健康风险评估、疾病进展监测、长期健康档案管理、居家随访及个性化健康建议等功能提供底层智能能力与数据支撑，推动脑部慢病管理从传统“医院内诊疗”向“院内外一体化连续健康管理”模式延伸。

项目具有较强的医工交叉与临床转化特色，融合医学影像分析、机器学习、计算机视觉、神经科学及精准医学等方向，致力于推动脑部慢病从传统“经验型诊疗”向“精准化、智能化、个体化”诊疗模式转变，为脑部慢病的早筛、早诊、风险预警和精准干预提供新一代技术支撑，并推动人工智能技术在神经系统慢病临床诊疗与数字健康管理中的实际应用与转化。

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -计算机科学、医学影像、人工智能或相关专业背景并有脑医学影像分析经历 -熟悉深度学习、计算机视觉或医学影像分析（如多模态和生成模型） -熟练使用 Python / C++ 及 PyTorch 等主流框架 -具备科研能力、工程实现力与团队协作精神 -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究

优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -对医学数据与脑科学问题有好奇心与探索意愿 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

ALS、C/C++、CSVD、Python、个体化生物标志物、中风、人工智能技术、传统图像算法、分布式训练、医学人工智能、医学多模态数据融合、医学影像多模态学习、医学领域大模型、医疗、医疗大语言模型、发表算法相关优秀论文、图像处理库（OpenCV等）、图像生成、图像算法、垂直领域大模型、多模态医学图像分析、多模态算法、多模态表示学习、多源异构数据融合、大模型算法、并行计算、慢性脑病、数据挖掘、智能医学、机器学习、深度学习、疾病特异性生物标志物、目标检测、神经退行性疾病、算法工程化经验、精准生物标志物、缺血性/出血性脑卒中、脑动脉瘤、脑小血管病变、脑血管疾病、跨模态学习、运动神经元病、颅内血管瘤