香港大学公共卫生学院全奖博士项目（Sheikh Taslim Ali教授）

一、导师简介

2015年，Sheikh Taslim Ali教授正式加入香港大学公共卫生学院，以助理教授身份深耕流行病与生物统计学领域。从学术根基来看，他的求学经历贯穿统计学与公共卫生两大核心领域：2006年拿下统计学荣誉学士学位，2008年专攻生物统计学与计量经济学并获统计学硕士学位，凭借硕士阶段的顶尖成绩，印度卡纳塔克大学特别授予其两枚学术金牌；2015年，他以“随机传染病建模”为研究主题完成博士学业，而2011至2012年间，在英国联邦奖学金委员会的支持下，他前往伦敦帝国理工学院公共卫生学院参与联合培养，这份国际化经历让他的研究始终立足全球视野。值得注意的是，攻读博士前，Ali教授曾涉足数据分析行业，这份实践经历让他的学术研究始终避免“纸上谈兵”，更注重解决实际公共卫生问题。

数学与统计模型是Ali教授破解传染病传播规律的核心工具，其研究方向清晰聚焦于三点：传染病的数学与统计建模、病毒传播机制解析、防控政策的优化设计。他尤为关注流感、COVID-19、RSV、手足口病、登革热等对公众健康威胁较大的疾病，重点分析这些疾病在“时变干预措施”（如不同阶段的社交距离政策）与“季节性因素”（气象条件、污染物浓度、社会经济差异等）共同作用下的传播变化。他所构建的统计与机制模型，不仅能预测传染病的爆发趋势，更关键的是能说清“防控政策效果如何随疾病严重程度变化”，为政策调整提供量化依据。

在学术资源与影响力方面，Ali教授的表现同样突出。作为项目负责人或联合负责人，他已从香港卫生及医疗研究基金（HMRF）与研究资助局通用研究基金（GRF）获得总计900万港币的科研资助，这一金额充分体现了香港科研机构对其研究价值的认可。教学上，他牵头香港大学公共卫生硕士的核心课程《生物统计学导论》（CMED6100），将前沿研究成果融入教学。学术服务领域，他身兼数职：香港科学园健康数据发现实验室“人工智能驱动的疾病控制因果推断”项目（Programme 3）联合研究员、PLOS Global Public Health期刊编委会成员，更要为Nature Communication、Nature Human Behaviour、Science等25本以上国际顶级期刊审阅稿件——这些角色足以证明他在全球流行病学领域的学术地位。

二、近期文章和项目解析

Ali教授的论文发表始终瞄准高影响力期刊，内容紧紧围绕COVID-19、流感等重大传染病的“传播规律”与“防控策略”两大核心问题，每一项成果都试图为公共卫生决策提供可落地的数据与模型支持。以下结合他的代表性论文，解析其研究的核心价值：

1. 聚焦COVID-19：破解传播参数的动态变化

2024年，Ali教授在Am. J. Epidemiol.（IF 5.00，公共卫生领域207本期刊中排第48位）发表论文“Insights into COVID-19 epidemiology and control from temporal changes in serial interval distributions in Hong Kong”，这项研究的核心是通过香港地区的实际数据，分析COVID-19“连续间隔”（serial interval）的时间变化。正是通过这种分析，研究团队清晰揭示了防控措施如何改变病毒的传播效率——这是首次从统计层面量化社交距离、核酸筛查等措施对传播间隔的缩短作用，为判断政策效果提供了直接证据。

而2022年发表在Nature Communication（IF 17.69，71本多学科期刊中排第7位）的“Inferring time-varying generation time, serial interval and incubation period distributions for COVID-19”，则解决了传统模型的一大痛点。以往的传染病模型多采用固定参数，无法适应疫情的动态变化，Ali教授团队构建的模型则能实时追踪传染代际间隔（generation time）、连续间隔和潜伏期的变化，让模型预测更贴合实际疫情，为实时调整防控策略提供了关键工具。

2020年发表于Science（IF 47.73，64本多学科期刊中排第2位）的“Serial interval of SARS-CoV-2 was shortened over time by non-pharmaceutical interventions”，更是他的标志性成果。当时全球都在争论非药物干预措施（NPIs）是否有效，这项研究直接证实NPIs能显著缩短SARS-CoV-2的连续间隔，用扎实的数据回应了争议，论文被引频次极高，成为全球各国制定COVID-19防控政策时的重要参考。同期，他参与的发表于Lancet Public Health（IF 21.65，89本传染病期刊中排第5位）的研究，通过香港的数据对比了COVID-19与流感的NPIs干预效果，为“同时防控多种呼吸道疾病”提供了实证支持。

2. 瞄准流感：从季节性规律到全球趋势预测

流感是全球性的公共卫生挑战，Ali教授在这一领域的研究兼具理论与实践价值。2022年，他在Lancet Global Health（IF 38.93，793本医学期刊中排第4位）发表的“Prediction of upcoming global infection burden of influenza seasons after relaxation of public health and social measures for COVID-19 pandemic”，前瞻性地预测了COVID-19防控措施放宽后，全球流感的流行情况。研究团队整合多国疫情数据构建模型，成功预警了2022-2023年的流感高峰，为全球的疫苗接种安排和医疗资源储备提供了重要指导。

2021年，他在Annual Review of Public Health（IF 21.98，203本公共卫生期刊中排第4位）发表综述“Influenza Virus: Tracking, Predicting and Forecasting”，系统梳理了流感病毒追踪与预测的技术方法，从传统统计模型到现代AI技术，全面总结了该领域的研究进展，成为该领域的权威综述，为后来的研究者提供了清晰的学术地图。

3. 跨界探索：环境因素如何影响传染病传播

Ali教授的研究还突破了单一学科的界限，关注环境与健康的交叉领域。2022年发表于Science of the Total Environment（IF 8.00，274本环境科学期刊中排第25位）的论文，分析了中国内地与香港的流感季节性特征，明确了气温、湿度等气象因子对流感传播的具体影响；2018年发表在Eur. Respir. J.（IF 12.24，63本呼吸系统期刊中排第4位）的研究，则首次发现香港地区的环境臭氧浓度与流感传播力呈正相关，这一发现为“通过改善环境质量辅助防控传染病”提供了新的思路。

4. 核心项目：AI与因果推断的融合创新

作为香港科学园健康数据发现实验室“AI-Enabled Causal Inference for Disease Control”项目的联合研究员，Ali教授正推动传染病研究的技术革新。传统研究多停留在“相关性分析”，比如“某地区学校停课后感染率下降”，但无法确定是停课还是病毒自然流行周期导致的。而该项目将AI技术与因果推断模型结合，通过机器学习处理医疗记录、气象、交通等多源数据，再结合Ali教授擅长的传染病动力学模型，就能精准判断“学校停课”与“感染率下降”之间的因果关系，避免政策误判。这种“AI+因果推断”的方法，是当前传染病防控研究的前沿方向，能让政策制定更精准、更高效。

三、未来研究预测

从Ali教授的研究轨迹、手头的科研资源以及流行病学领域的发展趋势来看，他未来的研究方向清晰明确，且这些方向都能为全奖博士提供优质的研究平台，具体可分为三大类：

1. 新型传染病的快速建模技术研发

COVID-19的爆发让全球意识到，新型传染病的快速响应至关重要。Ali教授未来的研究将重点开发“快速建模技术”，基于他已有的随机传染病建模经验和AI技术积累，构建“实时数据自适应模型”。这种模型能对接公共卫生监测系统的实时数据，比如发热门诊就诊量、病毒基因测序结果等，自动调整参数以适应新型病毒的传播特点，把研究从“事后分析”推向“事前预警”。这类研究完全契合香港HMRF的资助方向，而且研究成果能直接转化为公共卫生应急工具，应用价值极高。

2. 气候变化下的虫媒传染病防控研究

登革热等虫媒传染病的传播离不开蚊虫，而气候变化正改变蚊虫的分布和活动规律，这一领域的研究需求日益迫切。Ali教授在环境与传染病关联领域已有扎实基础，未来他可能会把气候模型数据整合进来，构建“气候-蚊虫-病毒-人类行为”的多维度模型。举个例子，通过预测某一地区未来几年的气温变化，模拟登革热的流行风险分布，为高风险地区的蚊虫防控和疫苗接种提供提前规划的依据。这个方向符合全球公共卫生的热点需求，也和香港GRF支持的“跨学科环境健康研究”方向匹配，研究前景广阔。

3. 防控政策的精准优化与成本效益分析

现在的研究大多是评估政策效果，而Ali教授的团队未来可能会更进一步，聚焦“政策优化”。他们会把经济学模型和流行病学模型结合起来，算清楚不同防控措施的成本和效益。比如，对比“大规模核酸筛查”和“精准追踪密接”哪个更划算，或者分析“优先给老年人还是儿童接种疫苗”对降低整体感染负担更有效。这类研究能为资源有限时的公共卫生决策提供更精细的依据，而且研究涉及统计学、流行病学、经济学等多个学科，能让博士研究生得到全方位的学术训练。