2025 年度的 FENS – Chen Institute – NeuroLéman 夏校将聚焦于精神疾病的神经生物学，旨在将基础神经科学研究与临床应用以及前沿的 AI 技术相结合。本次课程项目将涵盖关键领域，包括社会神经科学、认知神经科学、动机系统、计算精神病学以及 AI 在精神病学中的应用。每个主题都将深入探讨特定精神疾病中的神经机制及其病理改变，同时重点展示 AI 工具如何正在变革诊断、治疗以及我们对大脑功能的理解。

本次夏季学校旨在促进本土与国际神经科学家之间的跨学科讨论与知识交流，从而架起精神病学领域中基础研究、临床实践与技术创新之间的桥梁。学员们将有机会在协同合作的高山湖泊环境中与顶尖专家互动，促进对健康和疾病状态下大脑功能的全面理解，并深入探讨 AI 在推动精神推进医疗护理中的作用。

拟邀讲者

• Camilla Bellone (University of Geneva) – 自闭症谱系障碍（ASD）中的环路功能障碍（基础研究）

• Alan Carleton (University of Geneva) – 精神分裂症中的认知环路功能障碍（基础研究）

• Guillaume Dumas (University of Montreal) – 机器学习与精神病学

• Stephan Eliez (University of Geneva) – 精神分裂症中的数字精神病学（临床研究）

• Ileana Hanganu-Opatz (University of Hamburg) – 发育期环路功能障碍（基础研究）

• Stefan Kaiser (University of Geneva) – 精神分裂症中的动机缺陷（临床研究）

• Christian Lüscher (University of Geneva) – 成瘾中的动机缺陷（基础研究）

• Lin Mei (Case Western Reserve University School of Medicine) – 精神疾病中的突触功能障碍（基础研究）

• Frederike Petzschner (Brown University) – 精神病学、具身认知与计算（临床与基础研究）

• Marie Schaer (University of Geneva) – AI 驱动的深度表型分析（临床研究）

了解更多详情

申请截止日期：2025年4月11日

东京大学世界顶级国际研究中心——国际神经智能研究中心（WPI-IRCN）与 Tianqiao & Chrissy Chen Institute（陈天桥雒芊芊研究院）强强联手，自豪地推出“神经启发计算课程”（Neuro-inspired Computation Course）。这是一项开创性的为期四天的项目，旨在探索自然智能与人工智能的融合。本课程将深入探讨内在动力学、网络架构、预测、可塑性、临界性、多智能体学习和神经调节等关键课题，突显跨学科创新在推进我们对认知过程理解方面的巨大潜力。

• 与往年不同的是，今年学员将可以选择参加在主课程前后几天举办的创业训练营。届时将邀请初创公司创始人，并设有小组讨论以及用于拓展人脉的分组交流环节。

已确认讲者：

• Eugene Izhikevic (Brain Corp)

• Mackenzie Mathis (EPFL)

• Kazuyuki Aihara (WPI-IRCN, 表格东京大学)

• Shin Ishii (京都大学 / WPI-IRCN, 东京大学)

• Eleonora Russo (Scuola Superiore Sant’Anna, Pisa)

• Zenas Chao (WPI-IRCN, 东京大学)

• Takamitsu Watanabe (WPI-IRCN, 东京大学)

• Hiroaki Kitano (索尼 / OIST)

• Kenichi Ohki (WPI-IRCN, 东京大学)

• Yukie Nagai (WPI-IRCN, 东京大学)

• Song Sen (清华大学)

了解更多请访问

杜克大学计算机科学系非常荣幸地邀请博士生及博士后报名参加 Duke & Chen Institute Joint Boot Camp for AI & AI Accelerated Medical Research（杜克大学 & 天桥脑科学研究院 AI 及 AI 驱动医学研究联合训练营）。本次训练营将于 5 月 12 日至 16 日（周一至周五）在杜克大学举行。

在天桥脑科学研究院的慷慨资助下，这一密集型项目旨在为具备研究能力的博士生和博士后提供针对 AI 技术最新进展及其在医学与医疗保健领域变革性影响的深度理解。

本次训练营将提供高度互动和沉浸式的学习体验。届时将通过短期课程与动态头脑风暴讨论相结合的方式，共同探索新兴的研究方向。

为了确保高质量的参与和富有成效的讨论，名额严格限制为 30 人。现已面向优秀的博士生和博士后开放申请。入选学员将获得交通及住宿资助。

在整个训练营期间，学员将有机会向 AI 加速医学研究领域的多位世界顶级专家学习。

课程主题亮点

训练营将由全天及半天的课程组成，涵盖广泛的前沿课题：

• 临床基座模型 (Clinical Foundation Models)
  Dr. Monica Agrawal（杜克大学）将探讨临床基座模型（包括大语言模型 LLM、视觉语言模型 VLM 等）背后的范式与训练。课程将深入研究包括微调（fine-tuning）和弱监督（weak supervision）在内的各种技术，并阐述当前的评估体系。

• 先进机器学习赋能的影像组学分析 (Advanced Machine Learning Enabled Imaging-Omics Analytics)
  Dr. Heng Huang（马里兰大学帕克分校）将展示如何设计大规模非线性机器学习模型，并将其应用于分析多模态、纵向神经影像及全基因组芯片数据，从而识别、检测和表征与多种疾病相关的生物标志物。

• 基座智能体：从类脑智能到进化、协同与安全系统 (Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems)
  Dr. Bang Liu（蒙特利尔大学）将概述基于 LLM 的智能体（intelligent agents），并将其框架置于模块化的类脑架构中，该架构融合了认知科学、神经科学以及计算研究的原理。

• 用于巩固人类基因组知识的基座模型与知识图谱 (Foundational Models and Knowledge Graphs for Consolidating our Knowledge Regarding the Human Genome)
  基于此前构建的知识图谱，Dr. Jie Liu（密歇根大学）将重点关注知识图谱的应用范围与场景，以提高 AI 的透明度、减少大语言模型的错误（幻觉），并助力科学发现。

• 面向大规模、多模态生物医学数据的机器学习 (Machine Learning for Large-Scale, Multimodal, Biomedical Data)
  Dr. Sriram Sankararaman（加州大学洛杉矶分校）将介绍分析生物样本库（Biobank）数据的新方法，包括用于检测基因与疾病之间复杂关联的高扩展性机器学习模型、基于深度的表型插补（phenotype imputation），以及处理 3 D 医学影像体积的免训练（train-free）可扩展方法。

• 利用真实世界证据与 AI 优化临床试验 (Harnessing Real World Evidence for Better Clinical Trials with AI)
  Dr. Fei Wang（威尔康奈尔医学院）将讨论 AI 如何通过利用来自电子健康档案（EHR）和医药/保险理赔等大规模数据中的真实世界证据（RWE），来为临床试验带来革命性变化，同时还将探讨该过程面临的潜在挑战及未来发展方向。

• 医疗医疗 AI 转化中的挑战与机遇 (Challenges and Opportunities in Translating AI for Healthcare)
  Dr. May Dongmei Wang（佐治亚理工学院和埃默里大学）将探讨全新的检索增强生成（RAG）解决方案。这些方案旨在解决医疗 LLM 的核心痛点，包括对高领域专业知识的需求、处理复杂推理的逻辑能力，以及在临床环境中广泛应用所需的计算效率与透明度。

• 大语言模型（LLM）时代的医学信息检索 (Medical Information Retrieval in the Era of Large Language Models)
  Dr. Wei Wang（加州大学洛杉矶分校）将探索大语言模型如何统一跨领域的建模任务、如何变革生物医学中的自然语言处理（NLP），以及如何应用于分子和图像等不同类型的数据。

• 因果通用医学 AI (Causal Generalist Medical AI)
  Dr. Qiao Liu（耶鲁大学）、Dr. Huaxiu Yao（北卡罗来纳大学教堂山分校）、Dr. Xin Wang（纽约州立大学奥尔巴尼分校）和 Dr. Hongtu Zhu（北卡罗来纳大学教堂山分校）将共同介绍因果通用医学 AI（Causal GMAI）——这是一种将因果推断与通用 AI 模型相结合的新范式，旨在提高医学决策中的可解释性、鲁棒性和泛化能力。

了解更多课程详情，或查看训练营日程安排。