隨著醫療領域進入快速數字化階段，醫學從業者以前所未有的方式與數據發生密切互動，成為數據生產者、分析者、以及數據產品的使用者和評價者。在數字化驅動健康醫療模式變革之際，為了更好地培養醫學本科生數據素養、科學素養與創新精神，提升科學研究與創新能力，北京大學健康醫療大數據國家研究院設立“健康數據科學大學生創新實驗項目”，鼓勵有熱情和興趣的北京大學本科生參加健康數據科學專業導師指導下的學術研究活動。
根據醫學部總體安排，
現將2025-2026學年項目申報通知發布如下：
一、 指導教師研究方向：
指導教師：張路霞
個人主頁：http://www.nihds.pku.edu.cn/info/1251/1532.htm
研究方向1：大數據驅動的環境腎臟病學研究
研究內容：基于全國性的腎臟疾病臨床病歷數據、隊列研究數據、衛生監管數據、國外大型醫學公共數據（如UK biobank、Health and retirement study），融合高分辨率多維環境變量數據（如空氣污染、氣候因素等），應用傳統流行病學統計模型或前沿機器學習方法，識別影響腎臟疾病發生發展的環境危險因素，建立二者精細化暴露反應關系，并探索基因與環境交互作用對腎臟疾病發生發展的影響。參與本研究可掌握常見醫學公開數據庫和環境數據的來源和獲取方法，學習醫學數據清理、可視化和常用統計模型的R語言代碼編寫。
研究方向2：慢性腎臟病預測預警模型研究
研究內容：慢性腎臟病是全球范圍的重要公共衛生問題，具有高患病率、高致殘率、高醫療花費和低知曉率的“三高一低”的特征。在一般和高危人群中進行新發慢性腎臟病的篩查和預警研究具有重要的公共衛生意義?；诖?，本研究擬指導學生基于一般人群體檢隊列縱向數據，開展高危人群（糖尿病患者）新發慢性腎臟病的風險預測預警模型開發及相關因素分析。
指導教師：洪申達
個人主頁：http://www.nihds.pku.edu.cn/info/1251/1863.htm
研究方向3：醫療時序數據的人工智能算法研究及臨床應用
研究內容：基于智能手環、智能手表、多參數監護儀等便攜式監測設備采集的生理信號數據，以及患者臨床資料表格數據，建立機器學習和深度學習人工智能模型，開展睡眠質量評估、心臟健康管理等臨床應用與驗證。本研究將學習并實踐面向人工智能的python代碼編寫技能，與醫院科室緊密合作，應用并驗證人工智能模型于臨床實踐。
指導教師：杜建
個人主頁：http://www.nihds.pku.edu.cn/info/1251/1534.htm
研究方向4： 因果圖構建方法與醫療大數據因果推斷應用
研究內容：基于生物醫學文獻、公共知識庫、臨床試驗結果報告平臺、藥物不良事件監測平臺等多源數據，通過大語言模型賦能的自然語言處理和本體工程方法，研發動態循證因果知識圖譜（或因果有向無環圖），快速構建擬研究暴露和結局相關的混雜變量、中介變量和對撞變量，支持大數據分析因果推斷環節回歸模型的變量調整策略制定。本項目將學習面向循證醫學證據提取的大語言模型提示工程，面向知識圖譜構建和因果圖輸出的Neo4j Cypher代碼編寫技能，體驗因果知識網絡對于提升觀察性數據研究設計和可解釋性的價值。
指導教師：周亮
個人主頁：http://www.nihds.pku.edu.cn/info/1251/1535.htm
研究方向5：斜視自動輔助檢測與可視分析
研究內容：斜視發病率高，在兒童中居多，其特征明顯，使用照片、視頻等手段結合人工智能與可視化技術，可一定程度代替面診。本項目擬使用深度學習方法從斜視檢測圖片中提取瞳孔和其朝向，進而計算兩眼視線不平行程度，獲取斜視角度。通過交互可視化手段對個體斜視檢測結果進行微調，進而得出精確的斜視分類和角度結果。
指導教師：孔桂蘭
個人主頁：http://www.nihds.pku.edu.cn/info/1251/1533.htm
研究方向6：AI驅動的急危重癥智能決策支持算法及應用研究
研究內容：基于醫療實踐產生的真實世界ICU重癥監護大數據，運用人工智能、統計分析（包括機器學習、深度學習、大語言模型和Agent、回歸分析）等方法進行數據分析與挖掘，找出臨床各種癥狀之間、癥狀與疾病或不良預后之間的關聯特征與規律，并構建疾病亞類分型、進展預測、預后預測等自動化決策支持工具，以輔助臨床決策。本研究將學習并掌握醫學大數據與人工智能算法與應用，開發真實世界醫學大數據與AI驅動的ICU急危重癥智能決策支持模型。
研究方向7：知識與數據聯合驅動的糖尿病并發癥智能預測建模
研究內容：基于真實世界臨床糖尿病大數據和領域知識，采用“知識+數據”聯合驅動的方法，整合醫學領域的專家知識和臨床大數據，運用機器學習與大語言模型、知識圖譜和Agent等技術對糖尿病并發癥的發生、進展、及預后預測進行建模，研發自動化決策支持工具。本研究將深入學習和掌握醫學大數據分析方法及大語言模型應用方法，開發糖尿病并發癥的智能預測模型。
指導教師：隋堯
個人主頁：http://www.nihds.pku.edu.cn/info/1251/1864.htm
研究方向8：面向臨床腦疾病診治精準導航的智能神經成像
研究內容：當前磁共振成像的對比度與分辨率不足，是導致在臨床上漏檢大量腦部病灶的主要原因。本研究探索對每一位患者個體進行最優信噪比與最優對比度的快速、高分辨率成像方法，以在臨床上對腦部病灶無創檢測與精確定位。本研究將與哈佛大學醫學院計算放射學團隊、哈佛大學附屬波士頓兒童醫院、及北大附屬醫院緊密合作。參與本研究可掌握磁共振脈沖序列設計、掃描協議定制、磁共振數據結構、深度神經網絡設計與實現、圖像重建算法、及科技論文寫作實踐技能。
指導教師：郭欣
個人主頁：https://www.nihds.pku.edu.cn/info/1251/2232.htm
研究方向9：基于多源數據整合的四大慢病科技戰略研究
研究內容：基于健康需求和科技創新全過程的“需求-投入-產出-應用”模式，構建適用于慢病領域大規模數據分析與數據挖掘的多源數據集。為實現多源數據跨源連接，針對多源數據具有不同結構特征以及科技研究數據缺乏統一分類的問題，開展多源數據融合方法和模型的研究。參與本研究將熟悉健康科技情報數據來源，掌握科技全過程多源數據獲取、多源數據治理和數據可視化方法體系，參與健康科技決策支撐平臺和科學知識服務平臺搭建。
指導教師：孟若谷
個人主頁：https://www.nihds.pku.edu.cn/info/1251/1557.htm
研究方向10：基于真實世界數據的慢性病和藥物流行病學研究
研究內容：基于區域衛生信息平臺和超大型人群體檢數據開展真實世界研究，分析糖尿病及脂肪肝流行情況、共病情況、預前預后危險因素，探索降糖藥上市后有效性及安全性。本研究將學習流行病學研究設計，研究方案、數據管理計劃及統計分析方案撰寫，SQL語言及STATA等分析軟件，參與超大人群EMR及體檢數據清理及統計分析，進行論文寫作實踐。
二、 學生申請條件：
本年度大學生創新實驗項目分為“萌新項目”與“進階項目”兩類。其中，“萌新項目”主要面向醫學部大一和大二學生，資助額度為 1000 - 2000 元；“進階項目”面向大二及以上非畢業年級的學生，資助額度為 3000 - 5000 元。原則上，“進階項目”的項目負責人需至少獨立完成過1篇完整學術論文，方可申報“進階項目”。
可以個人或團隊形式申報，以團隊形式申報者，團隊人數一般不超過3人，團隊成員要有明確分工；
每人每年限主持或參加一個項目，已承擔研究項目尚未結題的學生不能申報；
申請人（包括項目組所有成員）必須所有已修課程全部及格（含補考及格）。
三、 立項流程：
學生結合個人技能與興趣選定指導老師，與指導老師溝通確定研究方向并完成申請書撰寫（附件1）。學生于2025年9月7日前將申請書電子版(WORD格式文檔)發送到郵箱：sunxy@bjmu.edu.cn。（后期獲立項后將在北京大學醫學部“大學生創新實驗項目管理”系統內再次提交。操作說明見附件2《大學生創新實驗操作手冊（學生）》）。
研究院內視報名情況通過申請書評審、組織答辯等形式確認立項項目。每位導師每年指導的項目不超過2項。
四、 進度安排：
項目申報：即日起至2025年9月7日
項目立項、公示、系統填報：2025年9月8日至2025年9月30日
項目周期：2025年10月1日2026年9月30日
項目中期報告提交：2026年4月1日前
項目結題報告提交：2026年9月20日前
項目結題評估：2026年9月20日-2026年9月30日
五、 過程管理
獲立項學生要認真完成項目，積極探索，在導師指導下進行科學研究并完成研究項目，以了解和掌握科研的基本方法、手段及過程，拓寬學術視野，并培養獨立承擔研究工作的能力。所有立項項目均納入北京大學醫學部“大學生創新實驗項目管理”系統管理，按系統管理要求提交報告。
如果學生在項目實施期間受到學術警告或考試課程出現不及格，將取消其資助項目。
六、 注意事項
為了保證完成研究計劃，獲得立項的學生要合理安排時間，保證有較充裕的時間投入，主動與導師聯系，了解導師對研究項目的要求，聽從導師的安排和指導。
七、 咨詢方式
對本項目有任何問題均可通過以下方式聯系咨詢：
聯系人：孫老師
聯系電話：82806544
郵箱：sunxy@bjmu.edu.cn
