先别急着问名额
有学生把套磁信发来给我看，第一段写了很多学校排名，第二段开始问有没有名额。我看完之后只提醒他一件事：这封信还没证明你读懂了老师最近在做什么。
南洋理工大学李光前医学院的 Yeo Si Yong 是一个适合拿来练这种判断的例子。他不是传统意义上只看医学背景的导师，而是把计算、影像、医疗数据和临床解释连在一起。你要套他，第一步不是夸方向热门，是先把自己的材料缩到一个能被他接着问下去的问题。
这位老师是谁，不要只看 title
Yeo Si Yong 现在是南洋理工大学李光前医学院助理教授，也在 Medical Vision and Artificial Intelligence Technologies Lab 担任负责人。学校报道里写得很清楚，他在 2023 年 9 月加入李光前医学院，博士训练来自计算工程，过去做过生物医学数据分析、计算机视觉、医学影像和诊断相关的 AI 系统。
这类履历对申请人有一个直接提醒：如果你的背景只停留在“我对 AI 医疗感兴趣”，很难写出东西。导师真正会看的，是你能不能处理数据、能不能写代码、能不能解释模型输出，甚至能不能意识到医疗场景里的可用性问题。
李光前医学院的 PhD by Research 页面也说明，这个项目接收自然科学、医学、工程、计算和社会科学等不同背景的学生。它不是只给一种背景开门，但跨背景申请人要把桥搭出来。桥搭不出来，跨学科就会变成空话。
主页上真正要看的三条线
第一条是医学影像数据。MVAIT 页面把影像分析放在很靠前的位置，里面有分割、配准、分类这些很具体的任务。申请人看这部分时，不要只摘关键词，要问自己：我过去做过的项目里，有没有真正处理过影像、视频或高维数据？如果没有，就不要硬写自己要做医学影像模型。
第二条是医疗数据解释。2024 年南洋理工与慕尼黑工业大学的项目文件里，Yeo Si Yong 和 Daniel Rückert 一起列了视觉语言模型生成医学报告和解释的项目。这个信号比“我想做大模型医疗应用”要具体得多：它关心的是影像、病史、症状和检验信息怎样被模型一起读懂。
第三条是隐私和安全。项目文件里还有一个联邦学习保护医学影像数据的题目，指向的是跨中心协作时，数据不能随便拿出来的问题。申请人如果只写模型精度，不写数据边界和部署约束，面试里很容易被追问。
什么背景更容易说清楚自己
更适合的背景，是计算机、电子、数据科学、生物医学工程或医学数据相关训练里，至少有一段能拿出来细讲的项目。比如你真的做过图像分割、视觉模型、医学数据清洗、弱监督学习、报告生成、模型解释，或者参与过医院数据合作中的数据预处理。
另一类背景就要谨慎一点：只有课程项目、没有真实数据经验；只会讲“AI 改变医疗”，但说不出自己做过什么判断；简历里项目很多，却没有一条能连到医疗任务。这样的材料不是不能投，而是不能直接投。先补一个能讲明白的研究问题。
研究计划别写成大题目
如果我带学生准备这位老师的 RP，我不会让他写“基于大模型的智能诊疗研究”。这个题目删掉也不影响意思，说明它没用。
一个更能落地的题目，可以从医学报告生成开始：选择一种影像和一类文本信息，比较视觉语言模型在异常定位、报告生成和解释一致性上的表现。这里要写清数据从哪里来，人工标注或弱标注怎么处理，评价指标不只看文本流畅度，还要看诊断相关信息有没有被说对。
第二个题目可以从隐私保护写：在多中心影像数据不能集中共享的前提下，比较联邦学习、参数高效微调和本地校准对模型稳定性的影响。这个题目适合有机器学习训练经验的人，不适合只做过网页应用或普通分类作业的同学。
第三个题目可以写临床解释：让模型输出不只是一个结论，而是能指出图像区域、文本证据和不确定性来源。这个题目最怕写成“提高可解释性”，要把可解释性拆成医生能不能读、错误能不能发现、不同模态之间是否自洽。
套磁信第一段怎么开
第一段不要夸南洋理工，也不要上来问 funded position。更好的开法是用两句话说明你读了他最近的项目或实验室方向：比如你注意到实验室正在做医学影像数据解释和视觉语言模型，你过去的某个项目处理过图像或文本融合，所以想进一步把问题放到医学报告生成或模型解释上。
第二段才讲自己。不要把 CV 重写一遍，只挑一段最相关的经历：你用了什么数据，模型哪里失败过，你怎么改过，最后得到什么结果。导师看这段，是为了判断你能不能进组后独立推进一个小问题。
最后一段可以克制地问 opening、funding 和 supervision fit。问可以问，但别写成“请问还有几个名额”。更稳妥的句子是：如果您近期仍在考虑相关方向的博士申请人，我希望进一步了解该方向是否适合通过李光前医学院 PhD by Research 或实验室资助路径申请。
面试前要把追问练一遍
面试里最容易被问到的，不是“你为什么喜欢 AI 医疗”，而是你到底做过哪一个问题。你要能用两分钟讲清楚：数据是什么，任务是什么，模型为什么这样选，失败在哪里，下一步怎么改。
还要准备几个更细的问题：如果医学影像和文本结论不一致，模型应该信谁；如果不同医院的数据分布差异很大，你怎么评估模型稳定性；如果不能拿到真实临床数据，你准备怎么做替代验证；如果导师问你能不能从纯技术题目转向临床解释，你不能只说“可以”。
愣三秒比抢答有用。导师追问细节时，先把问题复述准，再回答自己做过的部分和没做过的部分。申请 PhD 不怕你承认短板，怕的是每个问题都回答成背稿。
资助和风险边界
MVAIT 的岗位页面保留了多个 2025 年博士和博士后岗位信号，也写到若干 funded PhD positions 和可考虑的奖学金路径。但这类页面不能直接等同于“现在一定有名额”。尤其是页面上的开始时间、过期时间和项目批次可能变化，发信前要重新确认。
李光前医学院 PhD by Research 通常是研究型博士路径，项目页面写明全日制和非全日制都有不同修读年限，学生背景可以很宽。奖学金、学院资助、导师项目资助和外部奖学金要分开问，不能把它们混成一个“全奖”。
如果这周就要发邮件，先做一件事：把你的 RP 题目删到只剩一个问题，再在简历首页放上最能证明这个问题的两段经历。题目删不下来，说明这封信还没准备好。
