岗位职责:

1.负责医疗领域知识图谱的生命周期研究、建设，包括医疗领域(疾病、药品、诊疗方案、医保政策、医疗耗材等)的TBox设计、实体与关系定义、知识抽取与融合、图谱存储与迭代维护。

2.基于NLP、大模型等AI技术，研发自动化知识抽取工具，实现医疗非结构化、半结构化的实体识别、关系抽取、属性补全与事件抽取。

3.结合医疗业务场景，构建多场景知识推理引擎，支撑医疗诊疗辅助决策、医保合规校验、医疗质量控制等应用。

4.参与并负责知识图谱与大模型的跨领域融合方案落地，通过知识注入、智能体等方式，提升医疗大模型智能体诊疗建议准确性。

5.技术选型与优化，解决医疗知识图谱的异构数据整合、多维度查询性能、分布式部署及数据合规问题。

6.与医疗人员及研发团队协作，理解领域业务需求，输出技术方案、落地路径与效果评估报告。

7.跟踪医疗Al、企业级知识图谱的前沿技术与行业实践，推动团队在跨领域智能化方向的技术能力升级。

任职要求:

1.学历背景:本科及以上学历，人工智能、数据科学、医学信息工程/生物医药工程，或者计算机科学、软件工程等相关专业。

2.技术能力：熟练掌握Python或Java等编程语言，具备扎实的代码功底与工程实现能力。或者具备丰富的工程设计经验，熟练掌握AI Coding，有自己熟悉的AIcoding工具或者智能体，擅长使用AI进行测试。

3.掌握知识图谱核心技术，包括TBox设计、知识抽取、融合、推理、存储等全流程技术，能适配医疗异构性特点。

4.了解NLP基础算法(实体识别NER、关系抽取RE、句法分析等)，有医疗文本的模型训练与调优经验。

5.优先项：了解主流图数据库，具备大规模知识图谱的性能优化与分布式部署经验；大模型原理与应用，有医疗RAG系统大模型等相关项目经验者优先；了解医疗行业标准(HL7、FHIR)、UMLS、L0INC、ICD-11等相关标准者优先；熟悉OBO Foundary本体库、Protege软件者优先；拥有领域知识图谱相关项目实战经验，医疗领域知识图谱从0到1构建经验者优先。