You build and validate AI models for clinical applications — diagnostic imaging, patient risk scoring, and drug response prediction.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
上午9:00–10:30参与多学科会诊数据复盘会议，清洗并标注新接入的CT/MRI影像报告文本与结构化标签；10:45–12:00使用Python（Pandas、PyTorch）构建患者亚组特征工程管道，校验AI模型输入数据分布偏移；午后13:30–15:00协同临床医生验证肺结节分割算法的标注一致性，修订DICOM元数据映射规则；15:15–16:45撰写数据质量评估报告，可视化缺失率、标注Kappa值及跨中心数据偏差热力图；17:00前同步更新医疗数据治理看板（含GDPR/《个人信息保护法》合规状态），并归档当日审计日志至区块链存证系统。
需具备医学背景与数据科学能力的复合素养：临床医学、生物信息学或统计学本科起，建议持有医学信息工程师（中级）或CDMP认证。熟练掌握医疗数据标准（HL7 FHIR、DICOM、SNOMED CT）及隐私计算技术（联邦学习、差分隐私）。
不需要。本岗位属医疗信息技术支持角色，不参与临床诊断与治疗决策，但需深度理解诊疗逻辑；部分医院要求通过院内医疗数据安全准入培训。
可以。计算机/统计学背景者需补修《临床医学概论》《医学影像学基础》等核心课程，并完成至少2个医疗数据集（如MIMIC-IV、NIH ChestX-ray）实战项目，积累临床协作经验。
天花板清晰且多元：可纵向成长为医疗AI首席数据官（CDO），横向拓展为AI医疗器械注册专员或真实世界研究（RWS）方法学专家；头部企业已设立“临床数据科学家”职级序列，对标主任医师薪酬带宽。