项目重点信息
值得申请，但先分清“课题组公开招生”和“录取者自动获得月资助”两件事：SmartX Lab 明确招 PhD/MPhil，香港科技大学 2026-27 常规研究型研究生 studentship 为每月 HK$19,135；具体名额与个人资助以录取材料为准。
这组做的是医疗 AI，核心不是把通用模型直接套到医院数据上，而是处理计算病理、多组学、生物信息学和医学影像中的真实任务。博士生需要面对大规模图像、临床文本、基因组信息和标注差异，还要证明模型在不同医院、不同设备和不同人群中是否稳定。
导师信息与研究领域
Hao Chen 是香港科技大学计算机科学与工程系、化学及生物工程学系和生命科学部助理教授，带领 SmartX Lab。公开页面把研究重点概括为 large and trustworthy AI for healthcare，也就是既追求模型能力，也要处理泛化、可靠性、偏差和真实部署问题。
对申请者而言，跨院系身份意味着研究问题可能同时涉及算法、医学影像、病理流程和生物数据。材料里不要把“交叉学科”当口号，应写清自己能承担哪一段工作：数据预处理、模型训练、外部验证、误差分析、临床协作，或者把病理图像与文本、基因组等信息做多模态整合。
研究问题与关键思路
SmartPath 相关官方资料展示了一个典型难题：病理全切片图像体量巨大，肿瘤区域形态复杂，同一疾病在不同中心还会出现扫描、染色和样本分布差异。模型在内部数据上准确并不够，还要验证跨中心表现、低频错误和潜在偏差，才能判断是否有真实使用价值。
博士日常可能包括切片图像分块、质量控制、标签整理、模型预训练与微调、跨医院外部验证、失败病例复盘和可解释性分析。最容易出问题的是数据泄漏、训练集与验证集划分不严格、标注标准不一致，或模型学到了设备与医院差异而不是疾病特征。每一步都需要记录版本和审计过程。
申请材料要点
CV 优先保留能证明真实数据能力的项目。写清数据规模、模态、清洗规则、训练资源、验证设计和你实际负责的部分。只写“使用 Transformer 获得较高准确率”不足以判断能力，更有效的是说明如何处理类别不平衡、缺失数据、域偏移或错误标签，以及哪些结果促使你修改方案。
邮件第一段可以直接对应计算病理或多组学中的一个现实问题，例如跨医院泛化或弱标注学习；第二段再交代最相关的项目和结果。面试时准备回答三个问题：数据从哪里来、怎样避免泄漏、模型失败时如何判断是数据问题还是方法问题。没有临床数据经验时，也应给出公开数据上的完整验证案例。
Research Proposal 创新点
Research Proposal 要把“做医疗大模型”收窄成可测问题。例如选择一种病理任务，明确训练数据、外部测试集、关键错误类型和临床价值，再决定是否需要多模态模型。创新点可以是提高跨中心稳定性、降低标注成本、识别不确定病例，或把图像与临床文本、组学信息做可解释整合。
提案里同时写备用路线。若拿不到特定医院数据，可否先用公开病理数据完成方法验证；若算力不足，可否从参数高效微调或小规模表示学习开始；若标签稀缺，可否采用弱监督并设计人工复核。这样的计划比单纯承诺训练更大模型更能说明项目可执行。
奖学金和学费
香港科技大学官方页面列出，2026-27 学年全日制常规研究型研究生可获得每月 HK$19,135 的 postgraduate studentship，用于帮助覆盖生活、学费和学习期间其他开支。该金额可以作为预算参考，但申请者仍要以自己的录取和资助文件为准。
申请前集中确认四项：当前 PhD 具体名额、studentship 是否写入个人 offer、临床数据访问与伦理审批需要多久、GPU 与存储资源如何分配。SmartX Lab 的公开招生支持“有明确机会”这一判断，学校制度支持 HK$19,135 的金额事实，但不能据此推定每位录取者自动获得同样条件，也不能忽略真实医疗数据项目的审批成本。
