利用 OpenSAFELY 与目标试验模拟开展多发性硬化症预防研究

项目与研究问题

University of Cambridge 的 Department of Clinical Neurosciences 拟开展多发性硬化症（MS）预防方向博士课题，联系人为 Dr Will Brown。研究拟使用 OpenSAFELY 中英格兰约 5800 万人的纵向初级保健数据，寻找与 MS 发病有关、可以改变的环境、生活方式及治疗暴露。项目为面向全球申请者的竞争性资助博士，所列截止日期为 2026 年 12 月 8 日；当前名额与资助可用性尚未确认。

MS 是年轻成人神经系统致残的重要原因。课题关注临床发病前的风险：机器学习可以发现候选因素，但相关性并不等于因果关系。目标试验模拟与现代因果推断用于明确因果问题、估计有前景暴露的效应，再为未来预防试验或 NHS 预防研究提供候选依据；这些分析本身不证明干预有效，也不是个体临床建议。

研究路径与证据局限

工作涵盖群体电子健康记录、真实世界数据、机器学习、因果推断和 target-trial emulation。研究逻辑是先发现候选可干预因素，再评估其因果证据，最后为未来试验优先排序。暴露定义、时间顺序、incident MS 表型、时间变化混杂、未测混杂和测量误差都会影响结论；目标试验模拟不能弥补记录中没有可靠测量的信息。

项目介绍称约 5800 万人，平台文档称超过 5700 万条记录，口径不同，均不等于本题最终可用分析队列。OpenSAFELY 采用安全环境内执行分析，研究者不能直接取得患者级原始数据。项目审批、研究者资质、数据供应方覆盖、代码定义和访问时点仍可能制约研究；本题是否已经获批尚未明确。

团队、学位与培养

工作横跨 Cambridge Clinical MS Research Group（Will Brown）、Cambridge Centre for AI in Medicine／van der Schaar Lab（Mihaela van der Schaar）与 University of Bristol（Jonathan Sterne），分别形成临床 MS 与真实世界数据、医疗 AI、因果推断和医学统计的互补环境。具体导师分工、合作中心访问或轮转安排尚未明确。

Cambridge 的 Clinical Neurosciences PhD 通常为 3–4 年全日制学位，申请由导师和院系研究生委员会审核。院系培养涉及伦理、数据分析、研讨会、学术报告、课程、会议和发表。Cambridge 在 THE 2026 为并列第 3、QS 2026 为第 5；学校与合作网络的实力不代表个人已获数据访问、资助或录取。

文献与研究匹配

四项文献提供互补证据：Brain 2026 的 MSBase 真实世界数据与模拟试验研究支持 Brown 团队的方法匹配；Nature Medicine 2024 的因果机器学习论文连接治疗效应建模；BMJ Evidence-Based Medicine 2026 的目标试验方法文章对应 Sterne 的方法专长；2025 年目标试验框架文章强调设计清晰度及数据局限。治疗研究与方法文章都不能直接证明发病前预防效果。各篇文献的具体阅读范围未知，这些描述不代表已审读全文。

申请、资助与费用

• 适配背景包括定量流行病学、生物医学数据科学、健康信息学、统计学、医学、神经科学或计算机科学。R／Python、纵向与生存分析、EHR 表型、因果图、可复现代码等有助于体现匹配度，但现有项目信息未将其逐项列为硬性资格。
• 具体学位门槛、适用英语要求、申请材料和面试流程尚未明确。可先向 Dr Will Brown 询问正式申请入口、三中心指导安排与数据审批状态。
• 资助面向全球竞争，但确切资助方、津贴、名额、学费和研究费用覆盖，以及海外学费身份能否获得全额支持均未知。University-wide funding 需在相应期限前提交申请并填写门户 funding 部分；具体奖项另有资格条件，不能把可申请理解为已获奖。
• 2026/27 年 Cambridge 对全日制无家属学生的生活费估算为每年 £19,860／每月 £1,655；学生仍需证明能够覆盖整个课程的学费与生活费。该年度估算不是个人奖学金数额，部分资助可能留下显著缺口。
• 现有资料尚缺标题完全对应的大学官方项目页。截止时间、实际开放状态、资金与数据权限均需向招生方确认。

博士项目研究报告：利用 OpenSAFELY 和目标试验模拟预防多发性硬化症

申请判断

申请判断：强，但需要核实匹配度。

这是一个位于 Cambridge 临床神经科学、群体规模电子健康记录、机器学习和因果推断交叉点上的高信号博士机会。最强的正向信号来自 Cambridge Clinical Neurosciences、Dr Will Brown 的 Big Data in MS 研究组、Cambridge Centre for AI in Medicine 与 van der Schaar Lab、Jonathan Sterne 的 Bristol 因果推断专长，以及 OpenSAFELY 平台所提供的安全 NHS 国家级记录环境。

现有证据尚缺大学官方托管、且标题完全对应这项课题的项目页面。项目介绍写明这是一个面向全球学生的竞争性资助项目，并给出 2026 年 12 月 8 日的截止日期，但没有说明确切奖学金方案、津贴、学费覆盖、资助名额数量或 OpenSAFELY 审批状态。主要研究风险在于：可干预暴露在常规初级保健数据中的记录质量可能并不高，而 target-trial emulation 也无法挽救暴露测量薄弱或未测混杂严重的问题。

项目信息列出的截止日期仍为 2026 年 12 月 8 日，但当前名额与资助可用性尚未确认。这些证据不代表个体录取结果或预防效果。

研究方向与领域前景

可能的研究切入点

较强的研究切入点包括：

• 用 EHR 表型识别 incident MS 和临床前风险窗口；
• 用 ML 在大规模数据中发现潜在的环境、生活方式和治疗暴露；
• 对最可能可干预的暴露建立 target-trial protocol；
• 做显式处理时间变化混杂和 immortal-time bias 的因果分析；
• 对未测混杂和测量误差做敏感性分析；
• 为未来的预防试验或 NHS 预防项目优先排序暴露因素。

清晰的博士论文应当把 ML 发现与依赖明确假设的因果估计分开。目标试验模拟能够澄清因果问题，但本身不等于因果效应已经得到验证，也不能证明某项干预能够预防 MS。

领域动向

MS 预防在临床上非常重要。MS Society 的证据估计，英国有超过 15 万名 MS 患者，每年新增诊断超过 7000 例。预防研究有一些看起来可干预的候选因素，包括吸烟、维生素 D、儿童期肥胖以及 EBV 相关路径，但要拿到因果证据很难，因为随机预防试验不容易开展。

这项课题与当前方法学非常契合。机器学习可以帮助在大规模数据中生成候选暴露，而因果推断则需要进一步判断这些暴露是否定义清楚、时间顺序正确、可测量，并且在现实中可操作。target-trial emulation 适合做这一层，因为它会强制设计明确 eligibility、time zero、暴露策略、结局、随访和因果对照。

职业与市场前景

职业相关性很强。真实世界证据、EHR 表型、因果推断、机器学习和临床流行病学这些技能，在学术界、NHS 分析、公卫、制药真实世界证据、临床 AI、卫生技术评估和预防研究中都很有价值。如果项目治理清晰，Brown/Bristol/CCAIM 这个网络可以提供很强的方法与临床平台。

学校、学科与培养

Cambridge 的机构信号非常强。学校在 THE 2026 中列为全球并列第 3，Medical and Health 与 Life Sciences 的学科排名都很强，QS 在 2026 年列为第 5。学校的公开事实还显示，它拥有规模很大的研究生群体和学院体系。

Clinical Neurosciences 的 PhD 课程确认这是一个 3-4 年全日制学位，申请会由导师和院系研究生委员会审核。院系的研究学位页面还说明，PhD 学生会在研究全流程中做出贡献，包括伦理、数据分析、研讨会、学术报告、课程、会议和发表。

这项课题还具有少见的三方环境匹配：Cambridge Clinical MS Research Group 负责临床 MS 和真实世界数据，CCAIM / van der Schaar Lab 负责医疗 AI，Bristol 负责因果推断和医学统计。这是该项目最主要的项目环境优势。

导师与实验室评估

导师研究方向

Will Brown 是一名专长于多发性硬化症的顾问神经科医生，同时也是 Cambridge 的 senior research associate，并领导 Big Data in MS 研究组。Brown Group 的公开说明写明，他们使用大数据和 AI 来帮助找到“合适的人、合适的药物、合适的时间”。其当前资助和发表列表也显示，团队正在持续进行真实世界 MS 数据研究。

Mihaela van der Schaar 的实验室是世界领先的机器学习和医疗 AI 研究组，在因果 ML、治疗效应和临床试验方面有很强的发表基础。Jonathan Sterne 是 Bristol 的医学统计与流行病学教授，在因果推断、target-trial emulation 和联结 EHR 分析方面有直接专长。三者合在一起，正好覆盖这项课题所需的三根支柱：MS 临床问题、AI/ML 发现、因果设计。

近期重要发表

以下文献从不同层面支持科学与方法匹配。各篇文献的具体阅读范围未知，这些描述不代表已审读全文。治疗证据与方法文章都不能直接证明临床发病前的预防效果。

MS 真实世界证据与模拟试验

Treatment escalation after clinically silent MRI lesions in relapsing-remitting MS（Brain, 2026）使用 MSBase 真实世界数据和模拟 target trial 的方法，与 Will Brown 的 MS 真实世界证据工作以及该项目的 target-trial 框架直接相关。

因果机器学习与治疗结局

Causal machine learning for predicting treatment outcomes（Nature Medicine, 2024）支持 van der Schaar Lab 在临床治疗效应建模中的因果 ML 贡献。

目标试验方法

Target trial emulation: from observational data to causal inference（BMJ Evidence-Based Medicine, 2026）支持 Jonathan Sterne 的直接方法学匹配。

设计清晰度与数据局限

The target trial framework for causal inference from observational data（2025）是有用的领域证据：它解释了为什么 target-trial emulation 能提升设计清晰度，但并不能解决所有数据局限。

实验室、资源与合作环境

OpenSAFELY 是这项课题一个可信的平台。官方文档说明，它支持对超过 5700 万条经假名化处理的完整 NHS 初级保健记录进行分析，并通过安全的原地执行，而不是让分析者直接接触患者级数据。NHS England 也将其描述为安全、透明且开源，已获批准的用户可以在安全环境中运行查询。

项目介绍称覆盖英格兰约 5800 万人，而所引平台文档称超过 5700 万条记录。两者表述口径不同，都不代表本题可用分析队列的保证规模。

主要的实验室/资源风险在于访问权限。OpenSAFELY 需要审批、资质和可行项目。数据集可用性、代码定义、供应方覆盖范围和访问时机都会实质性影响项目能够做到什么程度。

资助、申请与生活成本

资助是最弱的一块证据。项目介绍说这是面向全球学生的竞争性资助项目，截止日期为 2026 年 12 月 8 日，但没有说明确切资助方、津贴、学费覆盖、名额数量，也没有说海外学费身份学生是否能获得全额支持。

Clinical Neurosciences 和 Cambridge Trust 的说明表明，如果申请者想争取 University-wide funding，必须在相应资助截止日前完成申请并在申请门户中完整填写 funding 部分。各项单独奖学金都有自己的资格规则，而且不是自动保证。

Cambridge 的生活成本较高。官方 postgraduate maintenance 估算显示，2026/27 年全日制无家属学生每年大约需要 £19,860，即每月约 £1,655。finance 页面还说明，学生必须证明自己可以覆盖整个课程期间的学费和生活费。因此，任何部分资助方案都应当被视为重大现实风险。

申请人匹配度

现有项目信息未明确具体学位门槛、适用英语要求、申请材料与面试流程。以下能力反映研究匹配度，不等同于已确认的硬性录取条件。

最适合的人选

最适合的申请者会把定量流行病学、生物医学数据科学、健康信息学、统计学、医学、神经科学或计算机科学，与对 MS 预防的真实兴趣结合起来。比较强的证据包括 R 或 Python、survival/time-to-event modelling、EHR 表型、因果推断、directed acyclic graphs、机器学习、版本控制和可复现代码。

需要谨慎的人选

如果申请者想做的是湿实验神经科学博士、没有定量训练，或者把机器学习当成充分条件而不重视因果设计，就应该谨慎。这个项目很可能在治理和代码层面都比较重。

可加强的技能与证据

有帮助的准备包括：一份可复现的纵向数据分析、R/Python 代码、流行病学或因果推断课程经历、熟悉 target-trial protocol，以及一段简短的项目匹配说明，解释如何把候选暴露转化成可模拟的预防问题。

申请者还应该阅读 OpenSAFELY 文档，并准备好关于数据访问、暴露测量、incident MS 表型定义和三中心导师结构的问题。

下一步与待确认问题

以下按申请进程安排沟通。具体提交要求仍以项目的正式申请说明为准。

提交申请前

• 该项目由哪种资助方案覆盖，具体提供多少津贴、学费和研究费用支持？

联系导师或面试时

• 是否存在一份官方 Cambridge 项目页面或导师描述，能对应这一个确切标题？
• OpenSAFELY 审批是否已经获得，还是需要学生协助推动申请？
• 需要哪些 OpenSAFELY 数据源，TPP/Optum/联结数据集是否可用于预期的暴露与结局？
• incident MS 将如何在初级保健数据中定义和验证？
• 预期能以足够质量测量哪些候选暴露？
• ML 发现的候选暴露将如何转化为 target-trial protocol？
• Will Brown、Mihaela van der Schaar 和 Jonathan Sterne 之间的导师分工是什么？
• 预期的软件栈是什么：R、Python、ehrQL、因果包还是 ML 库？
• 作者署名、代码发布和 OpenSAFELY 公共日志将如何处理？
• 对未测混杂和缺失暴露数据会采用哪些敏感性分析？

证据与来源

大学、项目与资助

• Clinical Neurosciences research degrees
• PhD in Clinical Neurosciences
• Cambridge at a glance
• Postgraduate maintenance estimate
• Postgraduate finance overview
• Cambridge Trust postgraduate scholarships

导师、实验室与数据来源

• Will Brown CUH profile
• Brown Group personalised treatments
• Cambridge MS Clinic team
• Cambridge MS data and imaging research
• Cambridge MS Research Group news
• CCAIM
• van der Schaar Lab
• van der Schaar Lab publications
• OpenSAFELY platform
• OpenSAFELY documentation
• OpenSAFELY datasets
• NHS OpenSAFELY platform
• OpenSAFELY in detail
• Jonathan Sterne profile
• Bristol Centre for Medical Statistics

论文、排名与领域来源

• Brain MS target-trial emulation paper
• Brain publisher page
• Causal ML for treatment outcomes
• Bristol target-trial emulation paper
• Target trial framework article
• Bristol causal inference course
• MS in the UK
• MS risk and prevention
• Environmental MS risk factors review
• THE Cambridge profile
• QS Cambridge profile