基于自然语言处理的整合社会服务记录预测性健康分析：早期干预框架

【项目介绍】 社会护理从业者在评估高风险人群时面临关键信息过载的挑战，需要综合来自多个来源的分散信息，包括社会支持文档、健康记录和教育评估等。这种数据分散掩盖了关键的健康脆弱性信号，如食物短缺、住房不稳定、亲密伴侣暴力等，这些是可应对的健康紧急情况的早期指标。当前方法倾向于被动而非主动干预，导致可避免的紧急情况发生，并加剧健康不平等。

本博士研究将运用自然语言处理（NLP）技术，识别并呈现嵌入在异构社会和健康护理数据中的健康风险指标。候选人将研究NLP方法的潜力与局限，培养在医疗和社会护理领域部署这些计算技术进行跨部门数据整合的基础能力。

研究项目将追求四个核心目标：

1. 从多部门社会和健康记录中提取并优先排序健康脆弱性标志
2. 预测面临可预防健康问题风险的个体，包括精神科紧急情况或疾病恶化
3. 检测人口亚组间的分布性健康不平等，以促进针对性干预
4. 生成可解释的风险优先级排序，协调健康和社会支持系统之间的及时对接

方法论将推进多个计算前沿： A) 时间风险建模——在零星、异步的交互中应用纵向模式识别技术，识别升级的风险轨迹 B) 不确定性量化——标记预测的置信水平，这对于安全关键环境中的高风险决策支持系统至关重要

其他技术考量包括整合异构和多模态数据，以及实施去偏策略以防止现有健康差异的放大。

评估：研究将评估预测性能（精确率、召回率、校准度）、临床实用性（对可预防入院和危机干预的影响）以及公平性指标（各人口群体的性能表现）。验证将包括对历史数据的回顾性分析以及与合作伙伴组织的前瞻性试点。

伦理与隐私框架：研究嵌入了反映个人信息敏感性质的关键保障措施： • 保护机密性的计算架构 • 可解释的决策支持机制，使临床和社会工作专业人员能够验证模型建议 • 与服务用户的参与式设计互动，确保技术系统增强自主性而非强化污名 • 跨受保护人口维度的系统性公平性评估

合作生态：本项目将与SCALE（社会护理与人工智能学习中心）和CASCADE（儿童社会护理研究与发展中心）合作开展，提供社会和健康数据资源库的访问权限、社会护理系统的领域专业知识、与服务用户和机构利益相关者的互动，以及计算基础设施支持。

【申请要求】 学术标准：计算机或相关学科的二等一级荣誉学士学位或硕士学位。具有适当专业经验的申请人也会被考虑。某些项目领域的研究需要学位水平的数学（或同等学历）。

英语要求：申请人必须证明英语语言能力。英语非第一语言的学生需提供雅思成绩，总分至少6.5，各技能部分最低6.0。完整认可的资格证书列表请见：https://www.cardiff.ac.uk/study/international/english-language-requirements/postgraduate

【申请材料】

1. 研究计划：在申请的“研究计划”部分填写申请项目名称并上传个人研究计划。研究计划不超过2000字（包括参考文献和书目）
2. 个人陈述（作为大学申请表的一部分，或作为单独附件）
3. 简历
4. 学历证书和成绩单——原件及英文翻译件（如适用）
5. 两封推荐信（学术推荐信）
6. 英语语言证明（如适用）

面试：如果申请满足上述所有入学要求，您将被邀请参加面试。

【资助信息】 本项目仅面向自费学生，或拥有自己资助或奖学金的学生。如适用，候选人需承担学生签证费用、医疗附加费以及前往英国学习的任何其他费用。这些费用不包括在计算机科学与信息学学院的资助范围内。

学习模式：全日制或非全日制

【联系方式】 如有兴趣，请先发送简历联系Dr Carla Perez Almendros（perezalmendrosc@cardiff.ac.uk）。申请流程要求您与导师团队共同制定个人研究计划，该计划应基于本公告提供的信息。

申请方式：请通过Cardiff University计算机科学与信息学页面提交申请。在申请的资金字段中，注明“我正在申请计算机科学与信息学自费博士项目”，并在提供的文本框中注明本项目标题和导师。