英国伦敦帝国理工学院化学工程系招收全奖博士
基于患者特异性胃肠道几何结构的无定形制剂溶出动力学深度学习模型
关于项目
当前用于预测口服药物性能的工具，如TIM-1系统和计算流体动力学（CFD）模型，在可控的体外条件下能提供有价值的见解，但无法捕捉不同患者间胃部几何结构和蠕动情况的差异。因此，预测结果往往无法反映体内实际性能，特别是对于无定形固体分散体等复杂制剂。本项目将开发基于几何条件的神经算子，通过从患者特异性胃肠道几何结构中的药物溶出和沉淀CFD模拟中学习数据。通过将基于物理的模拟与深度学习相结合，该框架将能够实现对口服药物性能在患者个体层面的精准预测。
该博士生项目是CEDAR项目的一部分。CEDAR是一个为期8.5年的项目，由英国工程与物理科学研究委员会（EPSRC）资助的药物制造信息物理系统博士培养中心（CDT）提供资金支持。通过本项目，博士研究人员将获得与行业领军企业合作的独特机会，共同构建一套用于数字化和先进药物制造流程的全面工具包。
本项目要解决的科研挑战：
本项目融合了人工智能、计算流体动力学和制药科学，旨在革新口服药物性能的预测方式。你将开发基于几何条件的深度学习模型，学习从MRI或CT数据中获取的患者特异性胃肠道几何结构内的药物溶出和沉淀行为。通过将机器学习与基于物理的模拟相结合，你将创建以患者为中心的药物溶出动力学的快速模型。本项目为你提供了在制药创新、几何感知人工智能和个性化医疗领域前沿工作的机会。
资助与申请资格：
该博士生奖学金涵盖国内学费、研究/培训费用，并提供为期4年（最低年度免税津贴为20,780英镑）的每月津贴。可能有兼职机会，请联系mailto:skills@cmac.ac.uk获取更多信息。
入学要求：
化学工程、化学、计算机科学、数据科学、电气工程、材料科学、机械工程、制药科学、物理学或相关科学或工程学科的2:1荣誉学位（或国际同等学历）及以上。
有硕士学位者优先。
对于母语非英语的国际学生，雅思成绩需达到6.5分（各单项不低于5.5分）。
