研究型实习生-面向神经系统罕见病鉴别诊断和渐冻症早筛的多模态模型

岗位职责

研究领域： 医学多模态学习 项目简介： 肌萎缩侧索硬化症（Amyotrophic Lateral Sclerosis, ALS）是一种进行性神经退行性疾病，具有病程进展快、临床表型异质性强、早期症状隐匿等特点：其早期诊断率不足70%，从首发症状到确诊的延迟平均超过一年，患者常因此错失最佳干预窗口，而现有诊断高度依赖临床经验与肌电图，缺乏客观、可量化的生物标志物，加之疾病表型与进展速度在个体间差异显著，传统评估工具对早期筛查、精准分型、个体化进展预测与疗效监测的能力十分有限。与此同时，临床随访、语音、行为及多中心病例数据长期处于碎片化状态，影像学、血液与脑脊液等生物标志物特异性不足，难以独立支撑精准诊断与预后判断，亟需建立跨模态的数据融合体系，打通从分子病理到临床功能的完整认知链路，为构建新一代精准生物标志物奠定数据基础。本项目依托全球规模领先的ALS患者队列与多中心协作网络，已建成覆盖临床信息、脑影像组学、实验室检查与多组学数据的完整数据体系，并具备将专家级智能模型向基层医院推广落地的良好基础；项目旨在融合多模态医学数据与人工智能技术，构建面向ALS的智能分析与精准生物标志物研发体系，推动疾病诊疗从"经验型"向"精准化、智能化、个体化"模式转变，为ALS的早筛、早诊、风险预警与精准干预提供新一代技术支撑。

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++、Python、分型诊断、医疗、发表算法相关优秀论文、图像算法、基因组学、多模态学习、多模态算法、多源异构数据、多组学数据、异构数据融合、影像学生物标志物、数字生物标志物、数据整合、早期检测、早期筛查、早期识别、深度学习、渐冻症、生物标记物、神经变性病、神经影像、神经系统罕见病、神经退行病变、精准诊断、脑影像特征、脑部影像分析、英美留学生、蛋白组学、跨模态对齐、跨模态融合、辅助诊断、运动神经元病