1、医疗数据处理与模型研发

l 负责电子病历（HL7/FHIR标准）、生理信号等多模态医疗数据的清洗、标注与特征工程，构建适配医疗垂直大模型训练的高质量结构化数据集。

l 设计并实现基于机器学习/深度学习的医疗AI模型，重点聚焦医疗垂直大模型（如MedBERT、BioGPT、ClinicalBERT等）的微调与优化，解决小样本数据场景下的算法泛化问题（如半监督学习、迁移学习）。

2、算法工程化与临床落地

l 构建AI分析软件架构，制定大模型部署技术路线，负责模型训练、压缩优化及端侧/云端部署（如医院信息系统集成），确保大模型在临床环境中的实时性与稳定性。

l 推动大模型可解释性方案落地（如SHAP值分析、注意力权重可视化），满足临床对模型透明度的需求，并参与医疗AI产品的法规认证（FDA 510(k)/CE/NMPA）技术文档撰写。

3、技术创新与跨团队协作

l 主导医疗垂直大模型前沿技术研究（如领域知识注入、多模态数据融合、轻量化模型设计），探索大模型在罕见病诊断、个性化治疗推荐等场景的应用，输出算法原型与临床验证方案。

l 与临床专家协作定义大模型优化方向，转化医学需求为技术指标，推动大模型相关知识产权（专利、软著）申报及技术文档维护。

1、学历与专业背景

硕士及以上学历，计算机科学、人工智能、生物医学工程等相关专业优先；有医疗垂直大模型研发或临床应用项目经验者优先。

2、技术能力

l 算法基础：精通机器学习（如LR、SVM、GBDT）、深度学习（如Transformer、LSTM）及小样本学习技术，核心要求：具备医疗垂直大模型（如MedBERT、BioGPT、ClinicalBERT）的预训练、微调、提示工程（Prompt Engineering）及多场景应用落地经验，熟悉大模型性能评估指标（如临床准确率、召回率）；有NLP（临床实体识别、ICD编码）、时序信号分析项目经验者优先。

l 工具与框架：熟练使用Python/C++、PyTorch/TensorFlow、Hugging Face Transformers，熟悉大模型分布式训练框架（如DeepSpeed、Megatron-LM）及模型压缩工具；有CUDA加速、医疗数据预处理 pipeline 开发经验者优先。

l 医疗领域知识：熟悉HL7/FHIR数据标准、ICD/SNOMED医学术语编码，了解医疗数据脱敏（HIPAA合规）及大模型训练数据质量管理方法。

3、软技能与经验

l 5年以上医疗AI算法研发经验，至少3年医疗垂直大模型相关项目经验，有FDA/CE/NMPA认证项目参与经验者优先；具备独立设计大模型技术方案、解决临床实际问题的能力。

l 良好的跨学科沟通能力（能与医生、工程师协作定义大模型优化需求），较强的文档撰写能力（如大模型训练报告、临床验证方案）。