德国慕尼黑工业大学医学系全奖博士招生 | Prof. Combs

导师简介

如果你想申请德国慕尼黑工业大学 医学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析慕尼黑工业大学的Prof. Combs的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

Prof. Dr. Stephanie E. Combs是德国Technical University of Munich（TUM，慕尼黑工业大学）放射肿瘤学与放射治疗领域的资深教授，现任TUM医学院院长，同时担任TUM放射肿瘤学系主任及亥姆霍兹中心放射医学研究所所长。

学术生涯方面，Combs教授先后在德国海德堡大学、美国诺福克及圣安东尼奥等地攻读医学学位，2003年毕业并获得博士学位后，于海德堡大学担任研究员；2009年完成博士后资格认证，2011年晋升为海德堡大学放射肿瘤学系副主任；2014年被任命为TUM教授并执掌放射肿瘤学系，2015年兼任亥姆霍兹中心放射医学研究所所长，2019-2022年担任TUM参议院议长，学术履历兼具深度与广度。

研究分析

1. 《Multi-institutional Analysis of Prognostic Factors and Outcomes After Hypofractionated Stereotactic Radiotherapy to the Resection Cavity in Patients With Brain Metastases》（JAMA Oncol）。该研究通过多中心数据分析，探讨了脑转移患者切除腔大分割立体定向放疗后的预后因素与疗效，为临床治疗方案的优化提供了高级别循证医学证据。
2. 《Evaluation of First-line Radiosurgery vs Whole-Brain Radiotherapy for Small Cell Lung Cancer Brain Metastases: The FIRE-SCLC Cohort Study》（JAMA Oncol）对比了立体定向放射外科与全脑放疗在小细胞肺癌脑转移一线治疗中的效果，为该类患者的治疗策略选择提供了关键参考。
3. 《Deep learning derived tumor infiltration maps for personalized target definition in Glioblastoma radiotherapy》（Radiotherapy and Oncology）。该研究将深度学习技术应用于胶质母细胞瘤放疗的靶区定义，通过生成肿瘤浸润图谱实现个体化治疗规划，突破了传统靶区定义依赖经验的局限，体现了AI技术与临床放疗的深度融合。
4. 《Patterns of failure after radical prostatectomy in prostate cancer - implications for radiation therapy planning after (68)Ga-PSMA-PET imaging》（European journal of nuclear medicine and molecular imaging）基于68Ga-PSMA-PET影像分析前列腺癌根治术后的失败模式，为术后放疗规划提供了精准指导，凸显了分子影像技术在放疗优化中的应用价值。

研究想法

结合Combs教授聚焦的高适形放疗、肿瘤个体化治疗、AI+放疗等核心研究方向，提出以下3项原创新颖的研究想法：

1. 多模态影像融合的动态靶区自适应放疗研究：基于Combs教授在AI辅助靶区定义的研究基础，进一步整合MRI、PET-CT、病理组学等多模态数据，构建动态更新的肿瘤靶区预测模型。针对胶质母细胞瘤等侵袭性强的肿瘤，实时捕捉肿瘤形态与代谢变化，结合质子放疗的剂量优势，实现“影像-AI-放疗剂量”的闭环自适应调整，解决当前自适应放疗中靶区更新滞后、多模态信息利用不充分的问题。
2. 放射治疗联合免疫治疗的生物标志物筛选与机制研究：聚焦Combs教授关注的多部位肿瘤，探索放疗诱导肿瘤免疫微环境改变的关键生物标志物。利用单细胞测序、蛋白质组学等技术，筛选出可预测放疗联合免疫治疗疗效的生物标志物，同时结合高适形放疗技术，优化放疗剂量与照射范围以增强免疫激活效果，为实现“放疗+免疫”的个体化联合治疗提供理论与实验依据。
3. 儿童肿瘤的质子放疗长期毒性预测与防护研究：Combs教授的研究涵盖儿科肿瘤领域，质子放疗虽对儿童肿瘤具有剂量优势，但长期毒性仍需关注。可构建基于机器学习的儿童肿瘤质子放疗长期毒性预测模型，整合患者年龄、肿瘤类型、放疗剂量分布、基因多态性等多维度数据，预测生长发育障碍、二次肿瘤等长期风险；同时探索针对性的防护策略，如剂量限制优化、靶向防护药物联合应用等，提升儿童肿瘤患者的长期生存质量。

申请建议

1. 学术背景与专业基础准备

• 学历与专业匹配：优先具备医学、生物医学工程、放射肿瘤学、生物信息学等相关专业的硕士学位；本科为临床医学、生物工程、数学统计等专业且硕士阶段聚焦肿瘤相关研究的申请者也可重点准备。需确保核心课程成绩优异，尤其是放射物理学、肿瘤生物学、医学影像学、概率论与统计等相关课程。
• 专业技能提升：① 基础技能：熟练掌握医学统计软件（如SPSS、R、Python），具备临床数据处理与分析能力；② 核心技能：若申请AI+放疗方向，需掌握深度学习框架（如TensorFlow、PyTorch），具备医学影像分割、靶区自动勾画等相关项目经验；若申请临床研究方向，需了解临床研究设计规范（如GCP），具备病例收集、随访数据整理等实践能力；③ 辅助技能：掌握医学影像处理软件（如ITK-SNAP、3D Slicer），熟悉放射治疗计划系统（如Eclipse）者将更具竞争力。

2. 科研经历与成果准备

• 科研方向对齐：优先梳理与高适形放疗、肿瘤个体化治疗、AI辅助放疗、分子影像引导放疗等相关的科研经历，即使是课程设计或小型科研项目，也需清晰呈现研究目标、方法、结果与个人贡献。例如，参与过肿瘤放疗计划优化、医学影像AI分析、临床肿瘤病例随访等项目的经历需重点突出。
• 学术成果打磨：若有发表论文，需重点突出与Combs教授研究方向相关的成果，即使是共同作者也需明确个人贡献；若无发表成果，可整理研究报告、会议摘要、专利等材料，体现科研思维与实践能力。建议提前阅读Combs教授近5年的核心论文，在成果描述中呼应其研究方法或学术观点。

3. 申请材料优化

• 个人简历（CV）：结构清晰，重点突出学术背景、科研经历、专业技能三大核心模块。科研经历部分采用“项目背景-研究内容-个人贡献-成果/收获”的逻辑撰写，精准匹配教授研究方向；技能部分按“核心技能-基础技能-辅助技能”分类列出，标注熟练程度。
• （2）研究计划书（Research Proposal, RP）：① 方向契合：严格围绕Combs教授的研究领域确定选题，可从第三部分提出的原创研究想法中选取细化方向，或结合其近期论文的研究空白展开；② 内容完整：包含研究背景与意义、国内外研究现状（需引用教授相关成果）、研究目标、研究方法、预期成果、研究进度安排等模块；③ 可行性强：结合TUM的科研资源（如放疗实验室、AI研究平台、临床合作资源）说明研究实施的可行性，避免选题过于空泛。
• （3）推荐信：优先邀请具备放射肿瘤学、医学工程等相关领域研究背景的导师撰写推荐信，推荐信需具体体现申请者的科研能力、学习态度与学术潜力，最好能呼应Combs教授的研究方向。

博士背景

Edward。985医学院博士生，专注于肿瘤免疫治疗和精准医学研究。擅长运用基因编辑技术和人工智能算法，探索个体化癌症治疗策略。在研究CAR-T细胞疗法改良方面取得重要突破。曾获国家奖学金和中华医学会青年科学家奖。研究成果发表于《Nature Medicine》和《Cancer Cell》等顶级期刊。