一、项目背景

本项目依托中国科学院杭州医学研究所，以高端医学交叉学科的人才需求和浙江工业大学人才培养目标为导向，开展研究生培养。面向世界科技前沿、面向国家重大需求、面向人民生命健康，围绕浙江省生命健康科创高地战略，通过拥抱人工智能和生命科学的融合，解锁新的可能性。人工智能赋能生命科学是一个充满机遇和挑战的领域，人工智能正加速推动这一领域向更快速、更精准、更安全、更经济、更普惠的方向发展。生物数据生成的快速发展（例如基因组学、蛋白质组学）、生物系统和疾病的日益复杂，个性化和靶向治疗的需求日益增长。人工智能及计算机技术改变生命科学研究范式，走向第五范式。在关键生命健康领域可以加速药物发现和开发、提高医疗影像和诊断、提高个性化医疗和治疗结果、揭示生物系统和疾病的新见解。

二、项目特色

通过联合培养项目，学生将参与前沿的科研项目，发表学术论文，掌握深度学习、医学人工智能等领域的专业知识和技能。同时，学生还将在不同研究机构的学术环境中交流学习，拓展学术视野，为未来从事医学、智慧医疗等领域的科研和实践奠定坚实基础。

研一，在浙江工业大学学习课程；研二、研三，原则上须派出到联培单位完成培养工作（导师视项目情况灵活安排）完成专业实践和学位论文。

三、项目合作企业简介

中国科学院杭州医学研究所坐落于浙江省杭州市，是中国科学院与浙江省共同打造的国家级科研院所。医学所面向健康中国战略需求，围绕医学科学前沿问题，建立医学与多学科交叉融合科学体系，聚焦分子医学、智能诊断、生命组学、创新药物和医疗器械等关键领域，开展有组织、体系化的基础研究和与临床实践紧密结合的攻关式研究。

浙江省肿瘤医院是新中国成立最早的四所肿瘤医院之一，集肿瘤预防、医疗、科研、教学、康复于一体，牵头建设国家癌症区域医疗中心，入选国家疑难病症诊治能力提升工程，承担着国家肿瘤防治重任，在中国肿瘤防治事业中发挥着龙头作用。医学所与附属医院实行所院融合一体化发展，拥有得天独厚的临床资源和研究条件。

中国医药港是中国医药港小镇位于杭州钱塘区，汇聚国内外 1600 多家生物医药企业，共同推动研究成果的临床转化和产业化，致力于建成集学科引领、产业孵化、人才培养于一体的世界一流科研机构。

此外，还依托华大基因、浙江省核酸适体和临床诊治重点实验室、盖茨基金会、美国帕斯适宜卫生科技组织、中国生物、远大医药、凯莱英医药、康希诺、法国赛诺菲等机构与企业，开展人工智能药物研发项目合作。与浙江省肿瘤医院国家临床重点专科-医学影像科、浙江省头颈肿瘤转化医学研究重点实验室开展科学研究。

四 、项目研究方向

研究方向一：人工智能及智慧医疗

AI算法及基础大模型：探索和应用最前沿的人工智能算法和可信智能平台技术，搭建基础大模型及平台（包括 LLM、Multimodal GenAI、Generative Agent etc.），安全合规融合多方分布式大规模生物医药数据，为智慧医疗构建可信 AI 基础设施，打造下一代基础模型及智能科学生态，搭建生命科学智能科研助理(Life Science Copilot)。目前重点在于基础大模型、深度学习、强化学习、NLP、CV、KG、搜索、推荐、联邦学习、大规模深度学习云原生平台和可信 AI 操作系统。

全链条智能制药：利用前沿人工智能技术（特别是深度学习、强化学习、生成式 AI、基础大模型），开展靶点识别、结构设计、智能生成、高通量结合虚拟筛选、药效和毒性分析、候选病人筛选、预后预测等创新药物发现研究。并结合动物实验和临床试验，实现干湿试验智能分析决策和反馈闭环。研发大规模虚拟药物筛选和全流程自反馈闭环智能平台，推进药物发现智能化，助力致死率高、罕见性癌症等高挑战的重大疾病国产创新药的研制。目前重点在于设计小分子药物、功能核酸（核酸适体、核酸疫苗及药物）和蛋白抗体等。

多模态智能诊疗：智能化医疗实践的全生命周期，研发医疗智能决策支持算法及平台。利用深度学习、强化学习、NLP、CV、知识图谱等最新人工智能技术，研究多模态数据融合的共性与核心技术，提升多维度数据重建精度，构建影像、病理、临床信息和生物多组学信息（基因、蛋白和单细胞等）的多模态融合分析模型，搭建医疗基础大模型，全面支持临床智能化，构建智能诊断、蛋白质组学、多模态多组学、癌症智能早筛、液体活检、数字病理、药物临床预后、伴随诊断和智能决策等算法及平台。

人工智能与智慧医疗中心(Center for AI and Intelligent Medicine)由中国科学院杭州医学所人工智能首席科学家领衔，团队包括核心研究员、算法工程师、博士后及硕博研究生等 60余人，科研经费和计算资源充足(GPU 集群拥有 A100*8卡、A40*8卡、A30*8卡等节点和 200G IB交换机；投入数千万元)。此外，还与浙江工业大学导师团队开展长期深入的科研合作。

研究方向二：单细胞多组学整合AI模型

肿瘤生物信息学、多组学AI整合分析：利用先进的深度学习方法，开发新工具整合两种数据来增加对细胞生物学功能的理解。利用大模型在多模态融合中取得的成功，结合目前已经累积的大量的单细胞数据，将大模型的学习能力运用到单细胞多模态数据中，增强对数据的理解和交互，以更好的解析一个细胞的状态和功能，以及决定细胞状态功能的关键基因和其调控网络，并在此基础上探索由细胞-细胞交互模式，以及由不同交互模式所定义的生物场景。

研究方向三：人工智能核酸分子药物设计算法开发

人工智能核酸分子设计算法开发：开发基于深度学习、强化学习、大语言模型、动态规划的算法，专注于设计具有高可成药性的mRNA和RNAi等核酸药物分子。

基于人工智能的核酸药物开发与临床转化：利用人工智能技术进行核酸药物分子的设计与安全性评估，旨在提高药物研发的效率和临床转化速度。

研究方向四：RNA 结构解析技术与算法开发

结合国家战略科技部重点研发需求，开发基于高通量组学技术的 RNA 二级结构解析技术，大量解析 RNA 二级结构，高通量获取 RNA 序列和 RNA 二级结构相关性数据信息；基于大量的 RNA 序列到 RN 二级结构相关性信息，利用人工智能开发基于 RNA 序列信息的二级结构预测算法；利用已知三维结构训练集开发更高精度三维结构预测算法；利用单分子力谱-微流控系统实现RNA 结构实时检测；利用 RNA 组装以及 RNA-蛋白质复合物组装技术获得高分辨率 RNA结构，结合经典结构生物学实验数据，修正模型预测算法，进一步提高预测精度。

研究方向五：基于人工智能的胰腺癌治疗反应预测

结合临床实践中迫切需要解决的难题，以培养研究生多学科实践应用能力为重心，通过结合人工智能前沿领域技术，深度参与临床医学影像、图像大数据分析，解决临床实践中遇到的问题

由中国科学院（CAS）院士领衔长期从事基因组学与生物信息学的科研和教学工作。团队及全球合作者一起参与了“国际人类基因组计划（HGP, 1999-2003）”，“国际人类单体型图计划（HapMap, 2002-2006）”、“国际癌症基因组计划（ICGP， 2008-2010）”，“地球生物基因组计划（EBP，2017 - ）”等国际合作计划，以及水稻、家猪、熊猫以及SARS病毒等多项动植物、微生物的基因组计划。此外还用多组学大数据分析技术，在消化道肿瘤相关的生物信息学、分子分型、分子标志物等方面开展研究工作，其研究成果涉及肿瘤的早期筛查和诊断、肿瘤的精准治疗。

研究方向六：脑肝器官远程通讯信号分子预测和研究

生物体器官间相互的影响和通讯越来越受关注，尤其是脑与外周器官之间的通讯。反之，外周器官也可以影响脑的功能，对人体代谢产生重要影响。器官间远程通讯对我们的健康有重要意义，有很高的科学研究和转化价值。利用生物信息学的手段，分析外周器官分泌的蛋白，以及在脑部区域存在它们受体的关系来预测外周器官与脑的相互通讯，并基于此预测，接着用实验手段进行证实和研究在正常生理和疾病病理中作用。

本方向从整合生理学注重整体、动态、联系的角度，利用信息学科和生物传统实验学科的融合，研究脑与外周器官的远程通讯，揭示生物体作为一个复杂整体不同器官组织之间的相互影响和作用。研究工作将进一步揭示脑功能生理稳态，将助力心理疾病和老年性疾病的预防和治疗。

研究方向七：影像融合、导航技术用于超声医学人工智能

基于深度学习的多模态超声影像大数据的临床与基础研究：项目将深入探索深度学习算法在多模态超声大数据处理与分析中的应用，致力于挖掘超声影像数据中的潜在信息，加深对疾病形成机制和发展规律的理解。通过与医学研究所和肿瘤医院的合作，学生将有机会参与临床数据的收集、超声图像分析与处理，为医学影像诊断的精准化和个性化治疗提供技术支持。

基于影像融合、导航技术及医学人工智能在超声介入手术优化与疗效评估的评估：项目将结合计算机视觉和影像处理技术，开发超声影像与其他影像模态的融合方法，实现影像数据的综合利用和信息增强。同时，通过导航技术的引入，提高超声介入手术的精准度和安全性。利用医学人工智能技术对手术过程中的数据进行实时监测与分析，评估手术效果，并提出优化方案，为临床手术提供技术支持和决策参考。

该团队依托中国科学院杭州医学研究所生物材料与医疗器械中心、浙江省肿瘤医院国家临床重点专科-医学影像科、浙江省头颈肿瘤转化医学研究重点实验室等科研平台，具有丰富的临床经验和科研背景。牵头制定了国内第一个甲状腺热消融治疗多学科专家共识(2015浙江版、2018全国版)，牵头制定了国际版甲状腺肿瘤消融指南共识，主编了人卫版教材《甲状腺肿瘤消融治疗》等多部医学著作，牵头国家卫健委医学影像数据库建设项目-甲状腺乳腺肿瘤超声造影标准数据库的建设及其多中心临床研究，带领和助推了全省乃至全国肿瘤微创介入治疗学科的发展。

研究方向八：基于多组学（蛋白组学、基因组学）的人工智能癌症诊断

  项目围绕癌症智能诊断，通过与医院合作联合蛋白组学、基因组学、影像组学等建立多组学数据库，建立癌症诊断标志物图谱，发展多靶标、多参数智能癌症诊断技术，开发智能诊断软件系统，实现癌症个性化、精准化、智能化快速诊断。

五、 项目招生人数说明

本项目招收全日制专业学位研究生2024年计划如下，最终以研究生院下达计划数为准。