醫療大模型算法工程師

崗位職責
1、醫療數據處理與模型研發
l 負責電子病歷（HL7/FHIR標準）、生理信號等多模態醫療數據的清洗、標注與特征工程，構建適配醫療垂直大模型訓練的高質量結構化數據集。
l 設計并實現基于機器學習/深度學習的醫療AI模型，重點聚焦醫療垂直大模型（如MedBERT、BioGPT、ClinicalBERT等）的微調與優化，解決小樣本數據場景下的算法泛化問題（如半監督學習、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、壓縮優化及端側/云端部署（如醫院信息系統集成），確保大模型在臨床環境中的實時性與穩定性。
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，并參與醫療AI產品的法規認證（FDA 510(k)/CE/NMPA）技術文檔撰寫。
3、技術創新與跨團隊協作
l 主導醫療垂直大模型前沿技術研究（如領域知識注入、多模態數據融合、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 與臨床專家協作定義大模型優化方向，轉化醫學需求為技術指標，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、學歷與專業背景
碩士及以上學歷，計算機科學、人工智能、生物醫學工程等相關專業優先；有醫療垂直大模型研發或臨床應用項目經驗者優先。
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、醫療數據預處理 pipeline 開發經驗者優先。
l 醫療領域知識：熟悉HL7/FHIR數據標準、ICD/SNOMED醫學術語編碼，了解醫療數據脫敏（HIPAA合規）及大模型訓練數據質量管理方法。
3、軟技能與經驗
l 5年以上醫療AI算法研發經驗，至少3年醫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（能與醫生、工程師協作定義大模型優化需求），較強的文檔撰寫能力（如大模型訓練報告、臨床驗證方案）。