崗位職責 1、醫(yī)療數(shù)據(jù)處理與模型研發(fā) l 負責電子病歷(HL7/FHIR標準)、生理信號等多模態(tài)醫(yī)療數(shù)據(jù)的清洗、標注與特征工程,構建適配醫(yī)療垂直大模型訓練的高質量結構化數(shù)據(jù)集。 l 設計并實現(xiàn)基于機器學習/深度學習的醫(yī)療AI模型,重點聚焦醫(yī)療垂直大模型(如MedBERT、BioGPT、ClinicalBERT等)的微調與優(yōu)化,解決小樣本數(shù)據(jù)場景下的算法泛化問題(如半監(jiān)督學習、遷移學習)。 2、算法工程化與臨床落地 l 構建AI分析軟件架構,制定大模型部署技術路線,負責模型訓練、壓縮優(yōu)化及端側/云端部署(如醫(yī)院信息系統(tǒng)集成),確保大模型在臨床環(huán)境中的實時性與穩(wěn)定性。 l 推動大模型可解釋性方案落地(如SHAP值分析、注意力權重可視化),滿足臨床對模型透明度的需求,并參與醫(yī)療AI產品的法規(guī)認證(FDA 510(k)/CE/NMPA)技術文檔撰寫。 3、技術創(chuàng)新與跨團隊協(xié)作 l 主導醫(yī)療垂直大模型前沿技術研究(如領域知識注入、多模態(tài)數(shù)據(jù)融合、輕量化模型設計),探索大模型在罕見病診斷、個性化治療推薦等場景的應用,輸出算法原型與臨床驗證方案。 l 與臨床專家協(xié)作定義大模型優(yōu)化方向,轉化醫(yī)學需求為技術指標,推動大模型相關知識產權(專利、軟著)申報及技術文檔維護。 任職要求 1、學歷與專業(yè)背景 碩士及以上學歷,計算機科學、人工智能、生物醫(yī)學工程等相關專業(yè)優(yōu)先;有醫(yī)療垂直大模型研發(fā)或臨床應用項目經驗者優(yōu)先。 2、技術能力 l 算法基礎:精通機器學習(如LR、SVM、GBDT)、深度學習(如Transformer、LSTM)及小樣本學習技術,核心要求:具備醫(yī)療垂直大模型(如MedBERT、BioGPT、ClinicalBERT)的預訓練、微調、提示工程(Prompt Engineering)及多場景應用落地經驗,熟悉大模型性能評估指標(如臨床準確率、召回率);有NLP(臨床實體識別、ICD編碼)、時序信號分析項目經驗者優(yōu)先。 l 工具與框架:熟練使用Python/C++、PyTorch/TensorFlow、Hugging Face Transformers,熟悉大模型分布式訓練框架(如DeepSpeed、Megatron-LM)及模型壓縮工具;有CUDA加速、醫(yī)療數(shù)據(jù)預處理 pipeline 開發(fā)經驗者優(yōu)先。 l 醫(yī)療領域知識:熟悉HL7/FHIR數(shù)據(jù)標準、ICD/SNOMED醫(yī)學術語編碼,了解醫(yī)療數(shù)據(jù)脫敏(HIPAA合規(guī))及大模型訓練數(shù)據(jù)質量管理方法。 3、軟技能與經驗 l 5年以上醫(yī)療AI算法研發(fā)經驗,至少3年醫(yī)療垂直大模型相關項目經驗,有FDA/CE/NMPA認證項目參與經驗者優(yōu)先;具備獨立設計大模型技術方案、解決臨床實際問題的能力。 l 良好的跨學科溝通能力(能與醫(yī)生、工程師協(xié)作定義大模型優(yōu)化需求),較強的文檔撰寫能力(如大模型訓練報告、臨床驗證方案)。