香港大学全奖博士项目（梁诗敏教授）

一、导师简介

梁诗敏教授现任香港大学公共卫生学院助理教授，本科阶段于北京大学先后获得生命科学学士学位与经济学学士学位，后在同一机构完成公共卫生领域的哲学硕士与博士学位，并获颁英国公共卫生学院院士资格（FFPH）。

研究轨迹发生过一次关键转向。早期从事生物化学实验室研究，聚焦病毒感染天然免疫信号通路。随后发现自身兴趣更多指向生物过程中的数理统计规律，遂转向计算流行病学领域。当前研究覆盖两类疾病谱：一类为流感、呼吸道合胞病毒（RSV）、中东呼吸综合征（MERS）、COVID-19、脊髓灰质炎、侵袭性肺炎球菌病、手足口病（HFMD）等传染性疾病；另一类包括HPV、宫颈癌、结直肠癌、乳腺癌等非传染性疾病。方法论层面，整合数学建模、流行病学评估、卫生经济学评价与机器学习技术，具体应用于SARS-CoV-2基因组数据解读及疫苗误信息自然语言处理工具开发。

学术任职方面，梁教授担任香港科学园健康数据发现实验室（D²4H）项目一共同研究者，同时是港大全球健康研究所研究员。期刊服务包括Epidemics与BMC Medicine编委。国际影响力体现在入选世界卫生组织免疫与疫苗实施研究咨询委员会（IVIR-AC），并获评2023年度科睿唯安高被引学者，另于2017、2018、2021及2022年四次获港大医学院优秀研究产出奖。教学贡献上，她作为核心开发者参与建设了港大首门大规模开放在线课程（MOOC）"Epidemics"。

二、近期文章和项目解析

2023年发表于Nature Medicine的论文估算了2022年11至12月北京取消清零政策后SARS-CoV-2奥密克戎BF.7变异株的传播动态。该研究采用病例报告数据与移动性数据建模，为快速政策转换后的疫情预测提供了实证依据。作为第一兼通讯作者，梁教授在此展现了整合实时数据与理论模型的能力。

2021年Lancet Public Health论文探讨COVID-19疫苗推广期间调整公卫、旅行及社交措施的效应。研究采用传播动力学模型模拟不同干预组合场景，指出疫苗接种率与措施松绑的量化关系。此文被列为共同第一与通讯作者，反映其在政策转化研究中的核心角色。

同年度JNCI Cancer Spectrum发表的乳腺癌风险分层筛查优化研究，针对中国女性人群开发风险预测模型，整合遗传与非遗传危险因素。该工作标志着研究领域从传染病向非传染病的有效拓展，且共同第一作者身份显示其方法学专长获得肿瘤流行病学领域认可。

2020年三篇高影响力论文构成COVID-19研究集群。Lancet论文评估中国非湖北地区第一波疫情传传播力与严重程度，Nature Medicine论文从传播动态推断武汉COVID-19临床严重性，另一篇Lancet论文则预测2020年nCoV疫情国内外扩散潜力。此系列研究在疫情期间为政策制定提供即时证据，其中两篇为共同第一作者，体现高效协作下的高产特征。

2017年Scientific Reports论文分析香港呼吸道传染病相关社会接触模式，为模型参数本土化提供基础数据。同年Lancet Infectious Diseases首篇论文监测抗病毒耐药流感病毒株的流行适应性，整合基因监测与数学建模，展现进化动力学研究前沿思路。2016年PLoS Medicine论文评估中国常规手足口病71型疫苗接种的成本效益，为免疫政策提供经济学证据。值得注意的是，2014年PLoS Pathogens论文虽为合著，但标志着其早期参与血清流行病学推断流感感染攻击率的方法论工作。

三、未来研究预测

大流行病防范准备将成为持续重点。基于COVID-19期间积累的经验，新发传染病快速评估模型可能向更细粒度、实时化方向发展，整合基因组、移动性及环境多源数据。方法学上，数字孪生技术在城市尺度传播模拟中的应用值得观察。

慢性病精准预防领域存在拓展空间。乳腺癌风险分层研究提示，结直肠癌与宫颈癌的类似优化策略或成后续方向。机器学习在风险预测模型构建中的作用可能深化，尤其面对电子健康记录与多组学数据融合挑战。

数字健康工具开发呈现明确趋势。疫苗误信息自然语言处理项目已显示其转向实施科学。预测性研究可能包括：社交媒体监测系统的鲁棒性提升、多语言环境下误信息传播机制、以及数字干预效果的随机对照试验设计。

数据科学基础设施的参与提供独特机会。D²4H项目定位表明，其研究可能与健康数据平台能力建设深度结合，涉及隐私保护计算、联邦学习在公共卫生研究中的应用等交叉议题。

政策转化研究分量或将加重。WHO咨询委员身份暗示，未来工作可能更直接对接国际卫生政策需求，尤其在疫苗实施研究与免疫策略优化方面。中低收入地区公平性议题可能成为建模研究的隐含变量。