ACCURATE项目：基于年度电子筛查数据的无偏重采样癌症规避研究（参考编号：MA/PL-SF1/2026）

【项目简介】

在本项目中，我们旨在利用生物统计学和人工智能工具，识别关键风险因素，这些因素能够保护特定的无癌个体免患癌症，相较于高风险个体而言。通常情况下，这一群体难以被发现，更不用说进行纵向观察。ACCURATE项目旨在从包含健康、社会地位、生活方式和遗传相关信息的群体层面癌症筛查数据中，识别癌症规避者。我们的方法将探讨为何某些高风险群体能够保持无癌状态，以及他们如何以较低的癌症发病率实现健康老龄化。通过构建纵向观察，我们可以监测、识别和研究无癌队列，最终帮助为普通人群制定癌症预防策略。

完成该项目需要几个关键步骤：首先，收集和清理数据集，潜在候选数据包括美国的监测、流行病学和最终结果（SEER）数据，该数据包含自1973年以来的癌症患者信息。此外，印度国家家庭健康调查数据（始于1992年）也包含血液分析信息。可能还有其他合适的数据集需要探索。其次，使用不同算法合并数据集，包括匹配算法、深度学习和概率链接方法。第三，使用各种生物统计学和人工智能技术分析合并后的数据集。过程中可能需要便利抽样和雪球抽样方法，以及子抽样。在此过程中，将开发新方法来缓解复杂模式（例如，不完整观察、竞争风险、不同国家和参与者之间的内部一致性问题、多模态数据模糊匹配产生的问题）。研究成果将推动新型跨学科技术的发展并产出高质量出版物。

【申请要求】

入学要求： 理想情况下，学生需要具备数学或统计学/生物统计学背景。申请者应拥有或预期获得数学相关学位的二等一级荣誉学位（或同等学历）。还需要具备使用各种软件（如Python、R、MATLAB、C、C++、SQL）的强大计算技能。

英语语言要求： 申请者必须满足最低英语语言要求。更多详情请访问国际学生网站。

【申请材料】

所有申请均须在线提交。在项目名称栏选择“Mathematical Sciences”。请在申请中注明广告参考编号：MA/PL-SF1/2026。为避免申请处理延误，请确保提交简历和最低支持文件。

【导师信息】

首席导师/CDT负责人：Peng Liu 邮箱：p.liu4@lboro.ac.uk 个人主页：https://www.lboro.ac.uk/departments/maths/staff/peng-liu/

【其他重要信息】

实验台费：无 广告截止日期：2026年8月1日 入学时间：2026年4月、2026年7月、2026年10月、2027年7月 学习方式：全日制3年，非全日制6年 学费标准：2025/26学年RA档（英国学生5,006英镑，国际学生22,360英镑） 项目搜索关键词：人工智能、统计学 联系邮箱：sci-pgr@lboro.ac.uk

请注意，本项目的申请将在提交后持续审核，如果在申请截止日期前选定了合适的候选人，项目可能会提前撤回。