知识图谱、大语言模型与因果学习：痴呆可改变风险因素博士项目

项目1347 · University of Exeter - Department of Computer Science · of Computer Science

所在国家或地区: 英国
申请截止日期: 2026-10-21（具体时刻请核对原始公告）
资助信息: 四年全日制竞争性MRC资助，可申请经批准的非全日制安排。成功获资助国际学生的学费差额由院校承担；全计划最多18个名额，国际生上限30%。2026/27参考津贴每年£21,805，2027/28待定。研究培训及会议经费有指定用途，签证、医疗附加费和搬迁自付。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

项目介绍

项目概览

埃克塞特大学这项计算机科学博士研究，计划开发整合科学知识的人工智能系统，用于痴呆早期建模，并解释个体化风险因素。项目名称中的“AI scientists”是研究主题，完整说明没有承诺无人参与的自主科研系统；最终解释将由导师团队中的医学专家评估。

项目代码NMH27Ex Dong，奖学金编号5936，属于GW4 BioMed3神经科学与精神健康主题。四年全日制资助从2027年10月1日开始，项目明确允许非全日制，具体资助比例和国际学生签证条件另核。这是一项以计算和数据分析为主的dry-lab研究，不是湿实验或临床执业培养。

主导师为计算机科学系讲师Hang Dong，邮箱h.dong2@exeter.ac.uk。共同导师为同系Xujiong Ye教授，以及医学院的Jonathan Huntley和Anne Corbett。项目PDF称Huntley为Professor，另一机构简介称Associate Professor；其角色已确认，但不据职称差异推定晋升时间。计算机科学培养页面列出Streatham校区，跨系办公和指导安排须确认。

项目详情

【研究问题与目标】

早期痴呆预测需要处理认知下降、生活方式、医学和遗传等风险信息。项目希望通过人工智能实现更个体化的风险描述，帮助理解可能存在早期轻度认知障碍的人群。改善识别与照护是研究目标，不等于已具备经过临床验证的诊断或预防工具。

官方说明提出两个关键挑战：一是结合外部知识库，对纵向、表格形式的认知测试数据进行生成式建模；二是结合动态因果推断和知识学习，为预测给出有科学意义的解释。具体模型架构、因果假设和评估标准，仍需在研究中制定和检验。

【第一阶段：构建与数据关联的知识图谱】

项目计划从科学论文和认知测试问卷数据构建因果知识图谱，把领域知识与PROTECT数据连接起来。知识图谱用于表示概念及其语义、关系和拟研究的因果联系，为后续模型提供可计算的科学背景。

学生需要处理文献概念与问卷变量之间的对应关系。文献中抽取出的主张、队列中测得的关联和可识别的因果效应并不相同。合理的图谱设计应保留研究人群、时间方向、证据出处和不确定性；这是结合研究任务提出的方法建议，不是官方已经完成的图谱方案。

官方没有指定论文语料范围、本体版本、抽取模型或标注预算。哪些图谱边可以标注为因果、如何处理相互矛盾的证据，以及既有知识库是否已获使用许可，均需向团队确认。

【第二阶段：整合生成模型与因果学习】

项目将把知识图谱与基于Transformer的大语言模型、因果学习结合，用于纵向认知数据的理解。学习得到的可解释知识可能由已有知识库验证，也可能补充知识库；最终将形成可供人理解的解释，由医学专家带领的团队评估，以帮助理解和改进模型。

这不意味着模型输出合理文字就能证明风险因素可被有效干预。观察性数据中的混杂、反向因果、样本选择与测量问题，仍需方法上的假设和检验。模型预测、解释质量和实际干预效果应分开评估，不能把其中一项的表现替代另外两项。

【数据与实施条件】

完整PDF明确以PROTECT平台为主要数据来源，所述规模为约30,000名较年长成人和十年纵向数据，涉及社区及初级医疗情境。Exeter研究页面与运营平台还公布过25,000人、超过50,000人等不同快照，以及参加试验或同意联系的人数。这些分母不能互换，也不是本博士已获准分析的样本量。

PROTECT需提交数据访问申请。获批变量、随访轮次、样本排除、缺失数据、数据关联和交付时间尚未明确。既有伦理记录不能自动授权这项大语言模型研究，更不能证明可以把敏感健康数据传给外部模型API。安全计算环境、模型许可、算力配额及数据延迟时的备用方案，应在启动前落实。

【培养与申请条件】

常规学历要求为相关医学科学、计算机、数学或物理领域的一等或二等一荣誉学位，或海外同等学历；二等二路径须同时具备硕士。相关非学术经历可与学历一并评估，但不能据通用规则豁免Exeter明确的硕士条件。中国学历等效由学校判断。

奖学金说明要求雅思至少6.5或认可等效成绩。计算机科学通用页面的Profile A标准较低，不能直接将其总分6.0当作本次资助申请足够的成绩；具体单项、替代考试和有效期向招生部门确认。编程、自然语言处理、知识图谱、纵向建模和因果推断经历有助于说明匹配度，并非每项均为已公布的强制技能。

【资助与国际申请】

整个GW4合作计划的134个可选课题共同竞争最多18个名额，不是每个课题都保证有资助。中国申请者可通过国际申请者通道竞争，国际学生获资助名额最多占合作院校当届30%。成功获资助者的本土与国际学费差额由合作院校承担。

四年全日制生活津贴按UKRI标准发放，2026/27参考为每年£21,805，2027/28金额待更新。年度研究培训支持为£2,000至£5,000，另有每年£300差旅与会议经费，均有指定用途，不能作为额外生活收入。签证、医疗附加费及搬迁自行承担。

Exeter当前基本生活预算每月£1,300至£2,000，对应全年£15,600至£24,000。与参考津贴相比，约结余£6,205至缺口£2,195，尚未计签证、机票、押金、搬迁及未来涨价。校内房型报价仅是2026/27示例，不能当作保证房源或2027/28价格。

申请要点

信息来源发布日期为2026年9月11日；本轮申请9月9日开放，10月21日英国时间17:00截止，申请量异常大时可能提前关闭。
每人向GW4提交一份表格，最多选择两个课题。成功获得资助后，还需向接收大学申请学位入学，第一志愿课题并非保证分配。
入围通知从2026年12月22日起发出，线上面试计划在2027年1月26至27日举行。
资助2027年10月1日开始，学校标准学期9月20日开始。是否须提前到校、实际注册及首笔津贴时间应确认，不能认定必须先自费到校11天。
GW4评估学术或职业证据、独立解决问题、动机与项目理解，并强烈不建议使用生成式AI代写申请，应由申请者本人表达经历与判断。

【优先确认】

可分析的PROTECT样本与授权、图谱已有基础及学生贡献、因果识别假设、专家评估投入、模型与安全算力预算、跨系指导频率，以及完整资助期内学费差额、未来津贴、个人英语及非全日制签证条件。

核对原始项目信息

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-09-12。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-09-12。申请前请再次核对原始公告。

利用知识图谱与人工智能理解痴呆风险：博士项目研究报告

申请判断

推荐结论：有潜力，但存在重要不确定性。置信度：0.84。

对于关注生物医学知识表示、纵向认知数据和可解释健康 AI 的申请者，这是一个以计算研究为主、研究基础可信的博士机会。埃克塞特大学（University of Exeter）通过 GW4 BioMed3 招募这项计算机科学博士项目，项目编号为 NMH27Ex Dong，奖学金编号为 5936，计划于 2027 年 10 月入学。两页完整项目说明将其归入神经科学与精神健康方向，注明以数据分析为主（dry-lab），并允许项目层面的非全日制学习。这不是湿实验项目，也不提供临床执业资格培养。官方项目介绍、完整项目 PDF、埃克塞特大学 5936 号奖学金。

项目的主要吸引力在于导师专长能够形成互补：Hang Dong 研究生物医学自然语言处理（NLP）和本体，Xujiong Ye 研究医疗 AI 中的因果与反事实方法，Jonathan Huntley 和 Anne Corbett 则提供痴呆与认知研究经验。主要不确定性在于研究方法能否成立。公开资料已能确认导师团队和数据平台确实存在，但如何把文献知识、观察性问卷数据和生成模型结合起来，产出有依据的解释，仍需通过博士研究验证。“AI Scientists”这一名称并不意味着项目已确定采用自主科研智能体。PDF 写明了知识图谱的构建与整合，以及医学专家对解释结果的评估；它没有承诺无人参与的“提出假设、开展实验、撰写论文”流程，也没有承诺临床部署的风险工具。Hang Dong 简介、Xujiong Ye 简介、项目方法与专家评估。

中国申请者原则上可通过国际申请者通道申请，但这是竞争性奖学金，并非每个已公布项目都单独配有资助名额。134 个项目共同竞争最多 18 个名额；合作院校每年的国际学生获资助比例上限为 30%。成功获得资助的国际学生无需自行补足本土与国际学生学费差额，但签证、医疗附加费和搬迁费用须自行承担。截止时间为英国时间 2026 年 10 月 21 日星期三 17:00，申请也可能提前关闭。GW4 申请资格、奖学金条款与截止时间。

研究方向与领域前景

可探索的研究问题

以下方向是报告依据招募说明提出的论文选题建议，不是项目承诺的成果。可考虑的独立研究起点，是建立痴呆风险图谱，让每条边保留文献来源、研究设计、研究人群、时间方向和不确定性。随后可将 PROTECT 问卷变量与认知结局映射到图谱，并比较图谱辅助模型与常规纵向或表格数据基线。另一项贡献可以是评估解释对医学专家是否有用，同时避免夸大因果性。PDF 明确要求专家评估，但具体模型架构、基线组合和评估方案仍待确定。已公布的研究计划、本体基准研究、知识图谱方法框架。

关键在于区分抽取出的主张、测得的关联、因果假设和已识别的因果效应。对观察性队列开展因果学习，需要就混杂、时间顺序、选择过程、测量、缺失和反向因果提出站得住脚的假设；LLM 再肯定的解释也不能补足这些假设。合理的评估方案应考虑按参与者隔离并遵循时间顺序的数据划分、校准与亚组检查、图谱抽取误差分析、缺失数据敏感性分析，以及条件允许时的外部验证，并明确限制干预效果方面的主张。这些是依据数据场景和已审阅文献提出的方法建议，不是额外的招募条件。PROTECT 纵向研究示例、预防研究中的因果难题、验证局限。

领域进展

Newby 等人于 2023 年在 Alzheimer's & Dementia 发表“Artificial intelligence for dementia prevention”，DOI 为 10.1002/alz.13463。该综述讨论了 AI/ML 在风险分析、试验招募和药物重定位中的机会，同时强调因果关系尚不明确，以及当时应用仍有限。Huque 等人于 2025 年发表“A critical review and classification of dementia risk assessment tools to inform dementia risk reduction”，DOI 为 10.1016/j.tjpad.2025.100333。该研究审查了 45 个风险评分，汇总 C 统计量为 0.69（95% CI 0.67–0.71），并指出验证和人群可比性方面的问题。这些证据说明研究需求尚未得到满足，不能把这个汇总值当作任何 LLM 都理应超越的统一基线。AI 预防综述、风险评分系统综述。

Shmatko 等人于 2025 年发表的“Learning the natural history of human disease with generative transformers”是项目 PDF 引用的已发表 Nature 论文，DOI 为 10.1038/s41586-025-09529-3。Delphi-2M 使用 40万名 UK Biobank 参与者的数据训练，并在不改变参数的情况下，用 190万名丹麦参与者的数据验证，可预测超过 1,000 种疾病的发生率并生成疾病轨迹。直接访问出版方失败后，本次通过官方生物医学索引核对了八位作者和完整摘要；这里讨论的是已发表论文，不是早期 medRxiv 版本。出版方索引还链接了一则更正，但本次未能读取其具体内容。尤其需要注意，疾病序列预测和“因果”自注意力掩码不能证明干预效应。PROTECT 的认知测试问题仍须单独验证。Nature 论文、已发表论文的索引摘要。

Cui 等人于 2025 年在 Journal of Biomedical Informatics 发表“A review on knowledge graphs for healthcare: Resources, applications, and promises”，DOI 为 10.1016/j.jbi.2025.104861，梳理了图谱构建、使用方式与医疗应用。Murali 等人于 2026 年在 IEEE Journal of Biomedical and Health Informatics 发表“Integrating LLMs and Knowledge Graphs for Medical AI: Advances, Challenges, and Future Directions”，DOI 为 10.1109/JBHI.2025.3622058，区分了知识图谱增强 LLM、LLM 增强知识图谱及双向协同系统，并讨论异质性、透明度、可扩展性和隐私问题。Longo 等人于 2024 年在 Information Fusion 发表“Explainable Artificial Intelligence (XAI) 2.0”，DOI 为 10.1016/j.inffus.2024.102301，将 28 项开放问题分为九类。这些文献属于综述和研究议程，不能视为拟建模型的性能验证。医疗知识图谱综述、医疗 LLM 与知识图谱综述、XAI 2.0 研究议程。

职业与就业前景

项目培养的技能有望用于生物医学 NLP、知识工程、健康数据科学、可解释 AI 和研究治理。Skills England 2026 年生命科学评估明确提到科学与数据/AI 相结合的工作，以及负责任 AI 和监管技能需求。但其基准与替代情景差异明显：2025 至 2035 年，重点职业的新增人员需求分别为 66,400 和 18,400。因此，这些数据适合用于判断大致方向，不能据此预测个人就业或薪资。本次未核实该项目特定的毕业生去向、签证担保或薪资结果。相比“AI Scientist”的名称，可复现软件、可审计的数据与图谱流程、严谨验证和清楚的科学局限，更能体现研究成果的价值。Skills England 生命科学评估、相关研究环境。

学校、学科与培养

5936 号奖学金对应的学位是计算机科学博士（Computer Science PhD）。计算机科学研究学位页面列明 Streatham Campus，并提供全日制和非全日制模式，研究方向包括 AI、机器学习、计算机视觉、数据与网络科学及高性能计算。临床方向的共同导师来自 Exeter Medical School，主导师和 Ye 则来自计算机科学系；申请者应询问两个教学科研单位之间如何协调工作。通用专业页面的开学日期或申请截止时间，不能替代本奖学金申请的具体日期。计算机科学研究学位、导师所属单位。

Exeter 官方榜单列出的 QS 2027 全球排名为 136，Complete University Guide 2027 全校排名为 11。REF 2021 中，Exeter 按其注明的比较方法计算，学校 GPA 为 3.35，全国排名为 21；计算机科学与信息学评估单元的整体研究质量中，33% 达到世界领先水平，50% 达到国际优秀水平。这些是学校整体或学科评估单元的历史指标，不能视为对导师、该项目或每位毕业生去向的评分。埃克塞特大学排名、REF 2021 结果。

与排名相比，具体研究环境更能帮助判断项目条件。Project ADA 介绍了学校对数据科学与 AI 的 3,000万英镑（£30 million）的投资。AI for Humans and Health 研究组列出了 Dong 和 Ye，研究内容涵盖医疗知识图谱、因果 AI、不确定性、可解释 AI 及人机协作。计算机科学专业页面还介绍了共享 GPU 和高性能计算资源，包括 ISCA。不过，这些页面并未确认该博士生有专属 GPU 配额、模型授权预算、安全的 PROTECT 工作环境或专职标注团队。这些是需要询问的资源条件，不能据此反推学校没有相应设施。Project ADA、AI for Humans and Health 研究组、专业设施。

导师与实验室评估

导师研究方向

Dr Hang Dong 的计算机科学讲师身份已得到核实。其官方简介介绍了信息抽取、实体链接、本体扩充、语言模型与结构化知识整合，以及医疗 NLP 等研究方向，也列明了他曾在 Oxford 和 Edinburgh 从事博士后研究。把文献和变量说明转化为可追溯来源的知识图谱，与这些研究经历较为契合。不过，个人简介和论文不能单独证明他已建成痴呆因果图谱，也不能证明他已指导学生完成这一具体方向的博士研究。Dong 官方简介。

Professor Xujiong Ye 的 Exeter 官方简介将其职务写为医疗计算机视觉与 AI 教授，研究使用多模态计算模型支持临床决策，并具有学术界和医学影像行业经验。她近期参与的因果反事实论文提供了相关方法基础，但研究对象是肺部影像，与痴呆问卷数据不同。可以据此判断团队具备互补的医疗 AI 专长，不能据此断言方法跨场景迁移已经解决。Ye 官方简介、Ye 参与的因果模拟论文。

项目 PDF 将 Jonathan Huntley 和 Anne Corbett 列为 Medical School 的共同导师。Huntley 的 KCL 机构简介称其为 Exeter 的 Associate Professor，同时担任 NIHR HealthTech Research Centre in Brain Health 联合主任；项目 PDF 则使用 Professor。报告保留这一职称差异，不擅自推定其晋升时间。PROTECT 和 NIHR Exeter BRC 均将 Corbett 列为痴呆研究教授及 PROTECT 研究负责人。这些证据支持团队确有痴呆领域的专业参与，但公开资料尚未说明指导频率、日常医学审核安排和具体职责分工。Huntley 机构简介、PROTECT 团队、Corbett 的 NIHR 埃克塞特大学 BRC 简介、项目团队。

近期重要论文

Dong、Chen、He 和 Horrocks 于 2023 年发表的“Ontology Enrichment from Texts: A Biomedical Dataset for Concept Discovery and Placement”是 CIKM 资源论文，DOI 为 10.1145/3583780.3615126。Oxford 托管的论文使用 MedMentions 和 SNOMED CT 2014/2017，研究如何发现知识库中尚不存在的概念，并将其归入原子概念或复杂概念之下。Oxford 记录了该文获得 Best Resource Paper Runner-Up 的荣誉。配套仓库提供数据构建脚本和基线方法。这些工作可直接借鉴于保留来源依据的生物医学图谱，但概念放置基准不能证明痴呆因果关系成立；论文本身也显示，相关建模仍有较大难度。牛津大学论文记录、论文与摘要、OET 仓库。

Shi、Dong、Chen、Wu 和 Horrocks 于 2024 年发表的“Taxonomy Completion via Implicit Concept Insertion”是 WWW 2024 论文，DOI 为 10.1145/3589334.3645584。ICON 结合检索、概念名称生成和包含关系预测，将隐含概念插入分类体系。其评估使用了两个电子商务领域的分类体系。论文支持导师在结构化知识构建方面的研究能力，但没有证明方法在生物医学场景中的性能。本次通过 Oxford 官方仓库的索引内容和 Oxford 托管论文核对了作者与摘要；复核期间，仓库页面的直接访问受限。牛津大学仓库记录、牛津大学托管的 ICON 论文。

Chen、Dong、Hastings、Jiménez-Ruiz、López、Monnin、Pesquita、Škoda 和 Tamma 于 2023 年发表的“Knowledge Graphs for the Life Sciences: Recent Developments, Challenges and Opportunities”是 TGDK 综述与立场论文，DOI 为 10.4230/TGDK.1.1.5。作者按字母顺序排列，不能用署名位置判断贡献大小。摘要覆盖图谱构建与管理、知识发现和可解释 AI。它为来源追踪和知识整合提供了方法框架，但没有通过原创实验验证自动抽取的痴呆图谱是否有效。出版方记录与摘要。

Zhu 等人于 2026 年发表的“Causal counterfactual simulation for treatment decisions in multimodal lung disease data”刊于 Computers in Biology and Medicine，DOI 为 10.1016/j.compbiomed.2026.111807，Ye 是共同作者。摘要以 MIMIC 为例说明观察性治疗数据中的混杂问题，随后介绍了基于专家先验的转移矩阵、以白细胞衡量的病情严重程度、纵向胸部 X 光影像，以及受肺部掩膜约束的生成式反事实方法。仅凭摘要，本次未独立确认实际评估所用的确切数据集。这篇论文说明团队确实开展了相关因果模拟研究，但不能证明其拥有随机试验的真实效果参照，也不能证明方法可在 PROTECT 中识别因果效应，或能从影像与治疗场景迁移到痴呆风险因素研究。本报告对此文的评估依据是索引摘要，并未完整复现其方法。Zhu 等人的论文与摘要。

Corbett 等人于 2023 年发表的“Cognitive decline in older adults in the UK during and after the COVID-19 pandemic: a longitudinal analysis of PROTECT study data”刊于 The Lancet Healthy Longevity，DOI 为 10.1016/S2666-7568(23)00187-3。研究用混合效应模型分析了 3,142 名 50 岁及以上成人的重复认知数据。Europe PMC 明确关联了 2024 年 1 月的正式更正，DOI 为 10.1016/S2666-7568(23)00269-6。本次未取得更正全文，因此仅用该论文说明纵向研究设计与团队经验，不采用效应估计或具体风险因素结果。有更正并不代表整篇论文无效，但也不能假定更正不影响结果。疫情期间的观察性分析没有验证因果知识图谱或大语言模型。PROTECT 纵向研究设计、正式更正。

Corbett 等人于 2026 年发布的“Validation of the self-test computerised PROTECT Cognitive Test System for detection of dementia and Mild Cognitive Impairment”是 2026 年 7 月 27 日发布的 medRxiv 预印本，DOI 为 10.64898/2026.07.23.26358814。DOI 匹配的 Europe PMC 预印本记录 PPR1286549 确认有 25 位作者，包括 Jon Huntley。本次未独立确认所给 PubMed 编号，因此改引已核实的 DOI。摘要报告了 36,941 名参与者的八项测试：35,822 名健康参与者、1,046 名轻度认知障碍（MCI）参与者和 73 名痴呆参与者；还分析了 24 个月的认知下降，并纳入 46 人的生物标志物子样本。它说明认知测试平台与项目相关，但本次未确认其已完成最终同行评议。不能因为总样本量大，就忽略痴呆组和生物标志物子样本较小；诊断区分能力也不同于前瞻性风险预测或干预有效性。PROTECT 认知测试预印本。

Livingston、Huntley 等人于 2024 年发表的“Dementia prevention, intervention, and care: 2024 report of the Lancet standing Commission”是已发表的 Lancet 证据综合报告，DOI 为 10.1016/S0140-6736(24)01296-0。Huntley 在 27 位作者中位列第二。执行摘要将全生命周期框架更新为 14 项潜在可干预因素，新增未经治疗的视力损失和高 LDL 胆固醇，并指出部分关联可能只有一部分属于因果关系。这些领域证据可用于构建图谱，但不能保证某位个体的痴呆一定可以预防。PubMed 提供了论文身份和作者信息，但没有摘要；本次另行阅读了 DOI 匹配的已发表论文执行摘要。委员会报告出版记录、已发表论文副本。

Lennon 等人、Corbett 参与署名的“Sports-related concussion not associated with long-term cognitive or behavioural deficits: the PROTECT-TBI study”（期刊卷期年份为 2025）展示了一个需要避免的解读问题。研究使用 15,214 名社区居住成人自报的脑震荡史和随访数据，对运动相关与非运动相关脑震荡得出了不同发现。不能仅凭标题就断言所有接触性运动暴露都无害，也不能据此否定委员会报告关于创伤性脑损伤的更广泛证据。有用的图谱必须保留研究人群、暴露和结局定义，不能把表面矛盾的结果压成一条因果边。PROTECT-TBI 队列论文、委员会报告的更广泛证据。

实验室、资源与合作环境

PDF 表示项目将主要使用 PROTECT，所述规模为 30,000 名较年长成人、十年纵向数据。Exeter 研究页面将其描述为一项为期 25 年的研究，每年评估认知，并收集生活方式、病史和遗传信息；该页面的数据规模为 25,000 名较年长成人。学校运营的平台页面则介绍了超过 50,000 名成人和 12 年数据，同时另列 30,000 名同意后续联系的参与者，以及超过 37,000 名已招募进入试验的参与者。这些数字对应不同时间点和统计分母，不能互换使用，更不能当作博士生已经可以直接分析的样本量。项目数据集说明、埃克塞特大学 PROTECT 研究页面、PROTECT Digital Health。

明确的数据获取条件是提交 Data Access Request，而非公开下载。该学生最终获批的变量、数据轮次、关联权限、样本排除条件、缺失情况和交付时间尚不清楚。HRA 记录确认了 Exeter 的申办方身份、Corbett 的职责，以及 PROTECT 的历史伦理审查，包括 2013 年的意见和 2020 年的修订。这份记录不能证明本项目具体的 LLM 流程、跨系统数据关联，或向外部模型 API 传输数据已经获批。在敏感数据成为研究进度的关键依赖之前，应由导师确认治理要求和备用研究工作包。需申请的数据访问、HRA 研究记录。

资助、申请与生活成本

奖学金资助四年全日制学习，也可能提供按比例调整的非全日制安排。已公布的每年 £21,805 生活津贴是 2026/27 学年的参考值，后续按年更新；2027 年 10 月入学者需要确认 2027/28 学年的金额。UKRI 当前还列出 2026/27 学年 £5,238 的本土学费基准，这不是国际学生学费报价。GW4 列出的研究与培训支持为每年 £2,000–£5,000，另有每年 £300 的差旅与会议资助。这些经费用于研究，不属于额外生活收入，也不是保证可自由支配的现金。奖学金资助、GW4 支持方案、UKRI 学年基准。

国际学生学费差额减免适用于成功获资助的国际申请者，仍须通过竞争性选拔并受项目比例上限约束。不能根据 134 个项目说明和 18 个名额计算出有意义的个人成功概率。公开国际申请通道没有排除中国申请者，但学历等值认定、学术入学资格、语言证明和签证担保是不同的核查事项。项目允许非全日制，或申请者已经获得资助，都不能自动解决非全日制学习涉及的 Student visa 条件。国际申请资格与学费覆盖、竞争范围、Student visa 条件。

Exeter 估计，一名独自生活的学生每月基本开支为 £1,300–£2,000。每年 £21,805 折合每月约 £1,817.08。按十二个月简单比较，全年花费 £15,600 时结余 £6,205；全年花费 £24,000 时则短缺 £2,195。这是基于当前指导数据的示例计算，不是个人 2027/28 学年预算。签证、医疗附加费、差旅、押金和搬迁还可能产生额外的前期资金需求。当前从英国境外申请 Student visa 的费用为 £558，另须支付医疗附加费；申请时应重新核对两项费用。埃克塞特大学生活预算、津贴参考值、当前签证费与医疗附加费。

2026/27 学年的住宿查询页面提供了一些研究生房型示例：Cook Mews 和 Garden Hill House 的标准间为每周 £124.74，Lafrowda 单间公寓为每周 £257.04。这些是特定房型、特定学年的价格，不保证空房，也不是 2027/28 学年的住宿报价。与全年津贴比较前，还须核查合同期限、账单、押金、暑期住宿覆盖及可能的施工影响。埃克塞特大学住宿示例。

申请于 2026 年 9 月 9 日开放。每人向 GW4 提交一份申请，最多选择两个项目，截止时间为英国时间 2026 年 10 月 21 日 17:00，并须注意可能提前关闭。资助选拔先于大学正式入学录取，第一志愿项目也不保证获配。奖学金页面表示，面试入围通知从 2026 年 12 月 22 日开始发出，线上面试在 2027 年 1 月 26–27 日举行，资助从 2027 年 10 月 1 日开始。Exeter 通用秋季学期从 2027 年 9 月 20 日开始，但各专业的到校要求可能不同，应询问是否需要在资助开始前参加入学活动或到校。仅凭公开日期，不能断言申请者必然需要自费覆盖一段必须到校的时间。申请流程、奖学金具体时间安排、学期日期说明。

申请者背景与准备

较契合的背景

希望围绕生物医学知识、纵向认知数据和可解释性开发计算方法，而非开展痴呆生物学湿实验研究的申请者。
在计算机、数学、医学科学或物理科学方面有实际成果，并能说明技术贡献如何回应生物医学问题的申请者。
能讨论图谱或本体设计、可复现编程、纵向数据、模型评估和因果局限的申请者。这些是结合研究任务提出的准备建议，不是官方强制软件清单。

奖学金要求申请者持有英国一等或二等一荣誉学士学位，或相关领域的海外等值学历。二等二学位申请者只有同时持有硕士学位才会被考虑；具有实质意义的相关非学术经历会与学历一并评估。GW4 通用资格说明对职业实践的表述更宽，但不能据此覆盖 Exeter 明确提出的硕士条件。本次未核实可普遍适用于中国学历的统一百分制门槛。本校具体学术入学条件、项目整体申请资格。

需要谨慎考虑的情况

期待项目已经具备全自主 AI 智能体、现成因果图谱、保证可直接分析的数据或成熟临床系统。
AI 经历主要限于提示词使用，缺少抽取质量测量、来源追踪、统计建模或数据治理经验。
希望直接根据模型注意力或看似合理的文字解释，推断预防性治疗的效果。
需要先获得面向国际申请者的资助保证、固定的 2027/28 费用，或确认非全日制签证条件，才考虑申请。

英语要求需要专门确认。计算机科学通用说明指向 Profile A，要求 IELTS Academic 总分至少 6.0，且各单项不低于 6.0。该奖学金则要求 IELTS 至少 6.5，或可接受的等值成绩。准备时应按更严格的奖学金要求安排，并向招生部门确认单项要求和认可的替代成绩，不能将 Profile A 较低的总分当作足以满足本次资助申请的标准。专业英语要求入口、Profile A、奖学金语言要求。

可加强的技能与成果证据

可考虑准备一个小型、可复现的文献到图谱示例，展示来源记录和误差分析；也可用一个纵向或表格数据建模项目，说明合理的数据划分与校准，并简要讨论混杂、队列选择，以及模型解释能证明什么、不能证明什么。OET 提供了了解主导师方法的具体例子。这些是积累成果证据的建议，不是强制提交材料，也不能替代正式评选标准。OET 实现、项目研究阶段。

GW4 评估学术或职业成果、独立解决问题的能力、个人动机和对项目的理解，也明确重视非生物医学学科的优势。项目强烈不建议在申请中使用生成式 AI。因此，申请者应自行整理并表达研究经历和动机，遵循官方模板及当前字符数限制，不应直接提交未经本人修改的生成文本。面试还会通过讨论由申请者选择的一段数据评估批判性思维，同时考察项目匹配度和投入意愿。申请与面试评选标准。

风险与待核实问题

最重要的信息缺口集中在可执行的研究设计，以及个人最终获得的资助条件。这些问题不影响已确认的项目身份，但在把它视为数据访问或临床转化已有保障的机会之前，需要得到明确答复。

高优先级问题

该学生将获批使用 PROTECT 的哪些变量、数据轮次、结局、关联数据和有效样本，预计何时可用？若访问延迟，是否有备用方案？
“AI Scientist”具体指文献抽取、知识图谱构建、建模、解释生成、智能体循环，还是其中较小的一组任务？哪些步骤需要人工审核确认？
哪些证据与假设允许将图谱边标为因果关系，而非统计关联？如何处理矛盾文献、随时间变化的混杂和反向因果？
谁负责医学层面的解释评估，能够投入多少时间，采用什么标准，意见不一致时如何处理？
目前已具备哪些安全算力、模型与API、数据传输和本体授权条件？患者数据是否禁止传给外部 API，还是可以另行审批？
最终资助信是否覆盖完整资助期内的国际学生学费差额？2027/28 学年的生活津贴和研究经费分别是多少？
该申请者最终适用哪些学历等值认定和英语单项规则？非全日制资助与签证担保如何衔接？

这些问题来自项目公布的方法、需申请的数据访问、历史治理记录和奖学金条款。研究方法与医学审核、数据访问、治理记录、奖学金条件。

中优先级问题

是否已有可用的知识图谱、本体或分析流程？学生需要独立完成哪些足以形成论文的贡献？
四年内能实现哪些基线比较、时间验证、亚组检查和外部验证？
如何衡量队列流失、问卷变化、数据缺失和选择偏倚？
项目只计划交付研究原型，还是期待面向用户的决策支持？后者还需要哪些验证？
计划多久进行一次指导，如何协调不同教学科研单位？
学生是否必须在 2027 年 10 月 1 日前到校？住宿和搬迁需要多少前期现金？

公开证据尚未解决这些问题。已审阅的风险评分和 XAI 文献说明了为什么需要询问，不能证明该项目已经达到相应质量要求。风险模型验证综述、XAI 研究议程、到校时间的不确定性。

证据与来源

资料复核日期为 2026 年 9 月 12 日。本次完整阅读了项目 PDF；对论文的评估依据已核实的作者与摘要，委员会报告没有摘要，因此阅读了其执行摘要。对于直接访问受限的页面，使用官方机构或出版方索引、生物医学记录进行核查，并在上文注明限制。以下来源承担不同的证据作用，所列论文并不全部出自本项目导师团队。

项目、专业与研究环境