利用遗传与临床数据实现个性化疾病风险预测的可信人工智能

本研究项目致力于开发先进的统计与机器学习方法，以预测疾病风险，尤其针对2型糖尿病等代谢性疾病。通过整合遗传数据与临床测量数据，该项目旨在量化预测的不确定性，从而实现个性化且具有临床意义的评估。申请者应具备统计学、数学或相关定量领域的背景知识。

关于该项目 为何具有相似遗传风险的人会出现不同的健康结果？人工智能能否识别出最易患病的个体？本项目将开发具有不确定性感知能力的统计与机器学习方法，用于个性化疾病风险预测，并结合遗传信息、临床测量数据以及可能的长期健康数据。 遗传信息与临床测量为个性化疾病风险预测提供了新机遇。然而，具有相似遗传特征个体所经历的健康结果可能大相径庭。人工智能模型往往忽视这种差异性，也未能考虑到数据不完整、测量误差以及不同人群之间的差异所带来的不确定性。这可能导致不可靠或过于自信的预测结果。 该项目将开发统计与机器学习人工智能方法，通过明确表征和量化遗传及临床数据中的不确定性，从而提升个性化风险预测能力。你的研究将解决三个相互关联的挑战： 多模态风险预测：整合遗传、临床及影像数据中的生物标志物，以构建个性化风险模型 不确定性量化：开发能够区分不同不确定性来源的分层模型，以评估各项预测的可靠性 可靠的决策支持：利用计算机模拟与真实数据来评估预测精度、偏差、校准度及不确定性，并特别关注临床决策制定 主要申请项目将聚焦于代谢性疾病，尤其是2型糖尿病及肥胖相关并发症。该项目将利用合适的群体研究与临床数据集，研究遗传倾向、临床生物标志物及其随时间变化对疾病风险的影响机制。您将在统计方法学、遗传流行病学与可信人工智能领域开展合作，研发能够超越准确的群体层面预测，进而实现可靠且具有临床意义的个体风险评估的方法。 您将接受跨学科训练，涵盖统计建模、机器学习、遗传流行病学及不确定性量化技术。培训内容包括分析大规模遗传与纵向临床数据集、设计模拟研究、评估预测结果的可靠性与偏差，以及应用可重复的研究方法。导师将协助您进行科学写作、参加学术会议、开展合作并促进职业发展。 电子与计算机科学学院致力于促进平等与多样性，这体现在我们获得的 Athena SWAN 奖上。我们欢迎所有申请者，无论其性别、种族、残疾状况、性取向或年龄如何，并将充分考虑那些寻求灵活工作模式以及有过职业休整的申请者。该大学拥有慷慨的产假政策、现场儿童保育设施，并提供多种福利措施，以保障员工的生活质量与工作生活平衡。南安普顿大学致力于可持续发展，并获得了铂金生态奖。

入学要求 英国 2:1荣誉学位或同等国际学位，且所学专业为以下领域之一： 统计数据 数学 计算机科学 数据科学 生物信息学 工程学 相关的定量学科

资助：竞争性资助 学费与资助 我们为英国本土学生和国际学生提供多种资助机会。符合条件的学生可通过“地平线欧洲”学费减免，自动免除国际学生学费与英国本土学生学费之间的差额。 大学通过竞争性遴选授予的校长助学金，为遴选排名靠前的申请人支付国际学生学费与英国本土学生学费之间的差额。 本校各学院通过竞争性遴选提供的博士奖助金，通常为遴选排名靠前的申请人支付按英国本土学生标准收取的学费，并提供生活津贴。 资助采用滚动授予方式，因此请尽早申请，以尽可能增加进入资助评选的机会。 如需了解更多信息，请访问我们的研究生研究资助页面。

申请方式 您需： 选择课程类型（研究型）、2027/28学年、工程与物理科学学院 选择全日制或非全日制 寻找项目：哲学博士 计算机科学（7089） 在申请表第2部分填写导师姓名 申请材料应包括： 研究提案 您的CV（个人简历） 2份学术推荐信 截至目前的学位课程成绩单和证书 英语语言资格证明（如适用）