AI时代来了,临床科研工作者如何利用各种AI工具

上手学习AI 智能体的三步路径

第一步：从“知道”到“能用” ——入门与环境搭建‌

★ 综合了解和对比目前主流AI智能体生态，选择适合科研场景的工具。

★ 本地部署Codex，配置第三方模型及常用插件，打好操作基础。

★ 理解其“交互”思维，建立项目记忆系统，让AI理解你的长期需求。

第二步: 从“能用”到“用精” ——工具插件与场景定制‌

★ 掌握Plugins、Skills和MCP三大体系，灵活连接Gmail、MATLAB、文档、表格、演示文稿等日常办公与教学工具。

★ 定制科研专属技能（Skill），比如自动生成实验方案、解析科学家研究思路等。

第三步: 真实场景演练 —— 攻克六大核心科研工作流‌

★ 文献管理：批量化阅读、综述框架生成与创新点挖掘。

★ 数据分析：从数据预处理、统计检验到模型构建的一站式处理。

★ 论文写作：中英文写作、润色、图表生成，直至Cover Letter与审稿回复的成稿与优化。

★ 项目申请：提炼申请书逻辑框架，高效准备申报材料。

★ 专利申报：辅助撰写高质量的技术交底与权利要求书。

★ 绘图进阶：一键生成符合投稿要求的示意图、技术路线图与Graphical Abstract。

💡 为什么说AI 智能体是“超级助手”？

传统科研痛点	AI 智能体解决方案	效率提升
写代码慢、调试难	自然语言→代码，自动debug	5~10倍
论文写作费时、语言不地道	一键润色、架构生成	3~5倍
数据分析要频繁查文档	指令驱动统计与绘图	10倍以上
文献综述整理耗时巨大	自动总结+对比表格	减少80%阅读时间
教学资源制作重复性高	自动出题、批改、生成课件	每天节省2~3小时

一句话总结：AI 智能体让科研人员专注于科学问题本身，而把编程、文书、排版、统计、教学等“非核心但必须”的任务交给AI。您不需要成为编程高手或技术全才，只需要会描述需求，AI 智能体就能帮您落地实现。一次学习，终身受用。无论你是高校教师、科研工作者、硕博研究生、企业研发人员，还是教学管理人员，这门课都将让你拥有超越同龄人的“AI+领域”复合能力

2026全新热门课程

课程一：Codex赋能多学科多领域高效科研与日常办公高级培训班

课程二：Claude Code 赋能高效科研、教学与日常办公高级培训班

课程三：基于AI辅助实现目标试验模拟（TTE）实战高级培训班

课程四：AI辅助机器学习因果推断: 个体化精准医疗决策推荐实战培训班

课程五：基于AI Agent的生存分析与动态预测模型科研培训班

📚 课程一：

2026年，人工智能正在从单次问答工具逐步发展为能够理解目标、调用工具、修改文件并持续交付结果的科研智能体。Codex、Claude Code等AI编程与科研助手已进入文献阅读、代码实验、数据分析、论文写作和办公材料生成等场景。与普通聊天式大语言模型相比，Codex更强调项目级上下文、文件操作、命令执行、代码测试和结果核验，适合与Python、PyTorch、Git、Linux、VS Code/Zed、LaTeX/Markdown等科研技术栈结合，形成可复用的工作流。本课程围绕科研创新、论文写作、数据分析、科研绘图、教学汇报与日常办公展开，重点训练学员在人工复核和安全约束下使用AI Agent完成可验证、可追溯、可迭代的实际成果。在科研场景中，Codex可以贯通文献检索、PDF批量阅读、证据整理、创新点挖掘、研究设计、数据清洗、统计分析、机器学习建模、科研绘图、论文写作、项目申报和专利材料准备。通过AGENTS.md、项目文档和记忆机制，Codex还能持续理解研究背景、术语体系、数据结构和工作规范，减少重复说明。基于这些优势，特推出了《Codex赋能多领域多学科高效科研工作与日常办公高级实战培训班》。课程将帮助学员实现三个转变：从“与大模型聊天”转向“指挥AI Agent协同完成任务”，从“零散使用工具”转向“建立科研项目级工作流”，从“生成内容”转向“交付经过核验的文档、代码、图表和论文材料”。现将通知事宜如下：

培训特色

1.面向科研全流程的实战课程：本课程围绕科研创新、论文写作、数据分析、科研绘图、项目申报和日常办公等真实任务展开，重点讲解Codex、Claude Code、ChatGPT、DeepSeek/Kimi 等工具在不同场景中的能力边界、协作方式和选型方法，帮助学员从“零散使用大模型”转向“系统指挥 AI Agent 完成科研任务”。

2. 覆盖从工具配置到工作流构建的完整路径：课程将系统讲解Codex 网页端、桌面端、CLI 和 IDE 等使用方式，并结合 Hermes Agent、Pi Agent 等工具介绍环境搭建、第三方模型接入、权限管理、项目规则、记忆文件和 AGENTS.md 配置方法，使学员能够搭建稳定、可复用的个人科研智能体工作环境。

3. 强调文献、代码、数据、图表和文档的一体化协同：课程围绕文献检索与精读、综述生成、创新点挖掘、研究设计、机器学习建模、论文级可视化、论文写作、审稿回复和项目材料生成等任务进行案例演示，帮助学员形成贯通科研全链条的工作方法。

4. 注重成果产出与个性化指导：课程采用“讲解—演示—实操—答疑”结合的方式，围绕学员的研究方向和实际任务提供场景化指导。学员将在课程中完成文献整理表、研究问题清单、论文框架、数据分析流程、科研图表、论文段落、项目申请书提纲或专利材料初稿等可继续修改和复用的成果。

02
培训收获

完成课程后，学员将能够收获：

1. 掌握主流大语言模型与 AI Agent 的发展趋势和选型方法，理解 Codex、Claude Code、ChatGPT、DeepSeek、Kimi 等工具在科研、编程、写作和办公场景中的适用范围。

2. 独立完成 Codex 等工具的安装配置、模型切换、项目目录管理、权限设置和常见问题排查，并能够根据任务复杂度选择合适的执行模式和协作方式。

3. 使用 AGENTS.md、项目文档、记忆文件和 Skills 建立稳定的科研上下文，将个人研究背景、术语体系、数据结构、写作规范和输出要求沉淀为可持续维护的工作规则。

4. 建立Codex、Claude Code辅助科研工作流，能够完成文献检索、PDF 批量阅读、综述框架生成、创新点分析、研究假设提出、实验方案设计和论文结构搭建。

5. 借助Codex、Claude Code使用常用数据分析工具完成数据清洗、统计分析、机器学习建模、结果解释和论文级可视化输出，并能够将关键步骤整理为可复现实验脚本和图表模板。

6. 借助 AI Agent 辅助完成 Word 报告、Excel/CSV 数据分析、PPT 大纲、论文初稿、Cover Letter、Response Letter、项目申请书和专利材料初稿，并根据个人研究方向设计可复用的科研 Skill 和长期工作流程。

03
培训专家

本次课程特邀国内知名专家，是一位在人工智能领域深耕多年的资深学者。老师不仅拥有扎实的学术根基，更具备敏锐的前沿洞察力，长期致力于将人工智能技术与实际科研问题相结合。在科研道路上，老师硕果累累。深度参与包括国家自然科学基金、国家社科基金重大项目子课题以及教育部重点项目在内的多项国家级与省部级重要课题。同时，他多次受邀走进国内各大高校及知名企业，通过专题讲座的形式，深入浅出地解析人工智能发展趋势与科研技巧，为提升行业人才的专业素养做出了积极贡献。跟随这样一位兼具学术高度与实践深度的老师学习，必将为学员带来全新的视野与深刻的启发。

培训时间及方式

时间：2026年8月16日—08月19日

（第一天签到，培训三天）

线下：北京市

线上：腾讯会议直播

注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。

课程大纲

培训费用

A类：收费3600元/人（含培训费、资料费、发票费等）

B类：收费3900元/人（含培训费、资料费、A类证书费、发票费等）

C类：收费5900元/人（含培训费、资料费、A类+B类证书费、发票费等）

早鸟价：2026年8月1日（含）前报名，可享受200元优惠。

颁发证书

A类：河北科韵行信息科技有限公司颁发的课程结业证书；

B类：可获得工业和信息化部教育与考试中心颁发的《AI智能体应用工程师》高级证书，该证书可证明学员具备熟练应用AI智能体工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。

联系方式

如需具体的培训通知，请联系我们获取。

联系人：宋老师

联系电话：198-3126-1302（微信同号）

电子邮箱：ctaa_001@163.com

📚 课程二：

2026年，人工智能正在从单次问答工具逐步发展为能够理解目标、调用工具、修改文件并持续交付结果的科研智能体。Codex、Claude Code等AI编程与科研助手已进入文献阅读、代码实验、数据分析、论文写作和办公材料生成等场景。与普通聊天式大语言模型相比，Codex更强调项目级上下文、文件操作、命令执行、代码测试和结果核验，适合与Python、PyTorch、Git、Linux、VS Code/Zed、LaTeX/Markdown等科研技术栈结合，形成可复用的工作流。本课程围绕科研创新、论文写作、数据分析、科研绘图、教学汇报与日常办公展开，重点训练学员在人工复核和安全约束下使用AI Agent完成可验证、可追溯、可迭代的实际成果。在科研场景中，Codex可以贯通文献检索、PDF批量阅读、证据整理、创新点挖掘、研究设计、数据清洗、统计分析、机器学习建模、科研绘图、论文写作、项目申报和专利材料准备。通过AGENTS.md、项目文档和记忆机制，Claude Code还能持续理解研究背景、术语体系、数据结构和工作规范，减少重复说明。基于这些优势，特推出了《Claude Code 赋能高效科研、教学与日常办公高级培训班》。课程将帮助学员实现三个转变：从“与大模型聊天”转向“指挥AI Agent协同完成任务”，从“零散使用工具”转向“建立科研项目级工作流”，从“生成内容”转向“交付经过核验的文档、代码、图表和论文材料”。现将通知事宜如下：

培训特色

02
培训收获

完成课程后，学员将能够收获：

2. 独立完成 Codex 等工具的安装配置、模型切换、项目目录管理、权限设置和常见问题排查，并能够根据任务复杂度选择合适的执行模式和协作方式。

4. 建立Codex、Claude Code辅助科研工作流，能够完成文献检索、PDF 批量阅读、综述框架生成、创新点分析、研究假设提出、实验方案设计和论文结构搭建。

03
培训专家

培训时间及方式

时间：2026年8月06日—08月08日

（第一天签到，培训两天）

线上：腾讯会议直播

注：本次采用线上直播，名额有限，请尽快与我们联系报名，预留名额。

课程大纲

培训费用

A类：收费2500元/人（含培训费、资料费、发票费等）

B类：收费4800元/人（含培训费、资料费、证书费、发票费等）

团体价格：3人及以上团体报名，每人可享300元优惠；

颁发证书

可获得工业和信息化部教育与考试中心颁发的《AI智能体应用工程师》高级证书，该证书可证明学员具备熟练应用AI智能体工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。

联系方式

联系人：宋老师

咨询微信/电话：198-3126-1302（微信同号，或扫二维码添加企业微信）

邮箱：ctaa_001@163.com

📚 课程三：

在医学研究向精准化、数据化转型的当下，因果推断的可靠性已成为核心诉求。随机对照试验（RCT）作为评估干预效果的“金标准”，受限于伦理约束、高昂成本、漫长周期及普适性不足等问题，难以覆盖复杂临床场景与特殊人群研究。与此同时，电子健康记录、保险理赔等真实世界数据（RWD）海量积累，为医学研究提供了丰富素材，但传统观察性研究易受混杂偏倚、永恒时间偏倚等影响，且存在“先看数据再定策略”的主观缺陷，导致因果结论可信度不足。哈佛大学因果推断试验室提出的目标试验模拟（Target Trial Emulation, TTE）框架破解了这一困境。它并非全新的统计方法，而是将RCT设计的严谨性融入观察性研究的思维体系：通过预先定义纳入标准、治疗策略、零时刻等七大核心要素，再利用RWD模拟理想RCT的执行过程，可大幅提升因果推断的科学性与透明度，已成为连接RCT与RWD的关键桥梁，并获得FDA等监管机构的认可。从长期干预效果评估到伦理受限研究的开展，从RCT证据补充到试验设计优化，TTE的应用场景广泛且刚需。

随着人工智能技术的快速迭代，AI Agent已经成为推动科研领域变革的核心力量，全新的科研协作模式正在重塑整个学术研究的生产流程。相较于传统科研模式中科研人员需要独立完成从数据采集、整理分析到论文撰写的全流程工作，AI辅助科研工具能够依托大语言模型的理解与生成能力，替代科研人员完成大量重复性、规则性的基础工作，帮助研究者将更多时间与精力投入到核心问题思考与原创性创新当中，从整体上提升科研工作的效率与成果质量。本课程立足于AI Agent时代的科研能力需求，在学员已经掌握基础科研理论与实践技能的前提下，聚焦AI agent编程工具TRAE的具体应用，系统讲解如何借助该工具实现高效数据分析与学术文章写作，帮助学员掌握适配新时代要求的科研工作方法。

本次培训旨在帮助学员系统掌握目标试验模拟的核心逻辑与完整实操流程，熟练运用AI辅助工具完成TTE研究的数据分析与成果产出，解决真实世界研究中因果推断的实际问题，能够独立设计并完成符合规范要求的TTE研究，产出高质量因果推断结论。

培训特色

1.开课前提供10学时预习视频（IDE介绍、AI-IDE环境配置、R语言基础与tidyverse数据处理及可视化），帮助学员补齐R语言基础、提前完成环境配置；预习中遇到问题，可预约讲师远程协助解答或一对一远程配置环境。

2.从临床背景与方法学双角度进行授课，保证非流行病学背景学员的学习质量与方法学运用可及性；

3.建立课程专属微信群，提供1年内课程内容免费答疑服务。课程结束后提供完整课程视频回放（3年内免费无限次观看），供大家反复观看学习。

4.提供全套讲义、R语言代码脚本、模拟数据集与案例文件。

02
培训收获

1.通过本课程的学习，学员系统掌握潜在结果理论与图因果理论基础，以及目标试验模拟（TTE）框架要点及Protocol七大核心要素的设计方法。

2.能独立使用R语言完成真实世界数据的治理、DAG图绘制、基于倾向性评分的方法学实现（匹配、分层、回归与加权），g-formula与结果回归，双重稳健估计。

3.掌握时变干预的因果效应估计方法，包括克隆删失加权法及G方法（G估计、G计算与边际结构模型）。

4.掌握常用敏感性分析方法（E值、阴性与阳性对照、边界法等）。

5.学员基本具备独立设计并完成一项基于R语言的目标试验模拟研究的能力，包括整体研究设计、可识别性判断及具体方法学实现，并了解文章写作的整体流程。

03
培训专家

授课讲师：本次课程特邀国内知名专家（灵活胖子博主）是一位在医学领域深耕多年的资深学者。主要从事因果推断、目标试验模拟、真实世界研究及人工智能方法学研究，以第一/通讯作者发表SCI论文10余篇，包括中科院1区5篇，累计IF70+，主持/参与多项基于真实世界数据的临床研究方法学项目，长期为与国内多家医疗机构及科研院所开展合作。

培训时间及方式

时间：2026年09月11日—09月13日

（第一天签到，培训两天）

线下：北京

线上：腾讯会议直播

注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。

课程大纲

培训费用

线下：4500元/人

线上：3800元/人

早鸟优惠：前50位报名及线下报名的同学赠送10学时课前预习视频（R语言基础部分内容及AI辅助编程教学内容。IDE介绍、AI-IDE环境配置、R语言基础与tidyverse数据处理及可视化），学员须在开课前自行完成学习；预习中遇到问题，可预约讲师远程协助解答或一对一远程配置环境。

联系方式

联系人：陈老师

咨询微信/电话：134-8328-3735（微信同号，或扫二维码添加企业微信）

邮箱：ctaa_001@163.com

📚 课程四：

在医学研究向精准化、数据化转型的当下，个体化治疗决策已成为临床实践的核心诉求。传统的“一刀切”式治疗方案，基于人群平均治疗效果（Average Treatment Effect, ATE）制定，忽视了患者个体间对同一治疗可能存在的显著反应差异，可能导致部分患者接受无效甚至有害的治疗。随着电子健康记录、基因测序数据等高维生物医学数据的海量积累，如何从中识别出“谁将从哪种治疗中获益最大”，即个体化治疗效果（Individualized Treatment Effect, ITE）的估计，已成为精准医疗时代的核心方法学挑战。

近年来，机器学习与因果推断的交叉融合为解决这一挑战提供了全新范式。以斯坦福商学院Stefan Wager及加州伯克利统计学博士Sören R. Künzel等为代表的前沿学者，将现代机器学习的高维特征提取能力与因果推断的严谨识别框架相结合，发展出了Meta-Learner（元学习器）算法族与广义随机森林（GRF）等一系列专为异质性处理效应估计设计的方法学工具，已在药物疗效异质性评估、个性化治疗方案推荐、精准公共卫生政策制定等场景中展现出广阔的应用前景。

随着人工智能技术的快速迭代，AI Agent已经成为推动科研领域变革的核心力量，全新的科研协作模式正在重塑整个学术研究的生产流程。本课程立足于AI Agent时代的科研能力需求，聚焦AI编程工具TRAE在R语言环境中的具体应用，系统讲解如何借助该工具实现高效的个体化因果推断分析，帮助学员掌握适配新时代要求的精准医学研究方法。

本次培训旨在帮助学员系统掌握从平均治疗效果到个体化治疗效果的理论演进，深入理解机器学习在因果推断中的应用框架，熟练运用R语言实现Meta-Learner算法族及广义随机森林（GRF）体系，解决精准医疗研究中个体化治疗效应估计的实际问题，能够独立完成从数据探索到个性化治疗决策建议的完整分析流程。

培训特色

1、开课前提供10学时预习视频（IDE介绍、AI-IDE环境配置、R语言基础与tidyverse数据处理及可视化），帮助学员补齐R语言基础、提前完成环境配置；预习中遇到问题，可预约讲师远程协助解答或一对一远程配置环境。

2、理论与实战深度融合：每个方法均配备理论讲解+R代码实操+结果解读的完整闭环，从临床背景与方法学双角度进行授课，保证非统计学/流行病学背景学员的学习质量与方法学运用可及性。

3、AI辅助教学贯穿全程：课程聚焦TRAE在R语言环境中的高效应用，系统讲解如何借助AI工具加速代码编写、调试与结果解释，帮助学员掌握AI时代的科研新范式，大幅提升个体化因果推断研究的分析效率。

4、建立课程专属微信群，提供1年内课程内容免费答疑服务。课程结束后提供完整课程视频回放（3年内免费无限次观看），供大家反复观看学习。

02
培训收获

1.通过本课程的学习，学员系统掌握从平均治疗效果（ATE）到个体化治疗效果（ITE/CATE）的理论演进，深入理解潜在结果框架（Rubin因果模型）、反事实推理的逻辑基础及可识别性条件（交换性、正性、一致性），明确“相关≠因果”的统计学根源。

2.系统掌握机器学习在因果推断中的应用框架，理解ML作为条件期望函数估计方法的本质，熟悉交叉验证、正则化、偏差-方差权衡等核心概念，能够使用R语言构建预测模型。

3.能独立使用R语言完成Meta-Learner算法族（S-Learner、T-Learner、X-Learner、R-Learner/Double ML）的完整实现，包括目标变换、去偏估计、正交化处理、倾向得分加权及折外残差估计，理解各方法的适用场景与局限性。

4.掌握广义随机森林（GRF/Causal Forest）的理论原理与R语言grf包实现，包括诚实树（Honest Tree）的样本分割策略、异质性处理效应置信区间估计（Jackknife方差估计）、AUTOC模型评估与变量重要性分析。

5.掌握因果模型评估与比较方法，包括累积增益曲线（Cumulative Gain Curve）、Qini曲线、按模型分段的敏感度分析、best_linear_projection诊断等，能够科学评估不同CATE估计方法的优劣并选择最优模型。

6.学员基本具备独立完成一项基于R语言的个体化因果推断研究的能力，包括整体研究设计（从临床问题到因果问题）、可识别性判断、方法学选择与实现、结果解读与可视化，并了解相关文章写作的整体流程与规范。

03
培训专家

培训时间及方式

时间：2026年10月23日—10月25日

（第一天签到，培训两天）

线下：北京

线上：腾讯会议直播

注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。

课程大纲

培训费用

线下：4000元/人

线上：3300元/人

联系方式

联系人：陈老师

咨询微信/电话：134-8328-3735（微信同号，或扫二维码添加企业微信）

邮箱：ctaa_001@163.com

📚 课程五：

生存分析是评价患者预后、比较干预效果的核心统计学方法，预测模型作为真实世界研究的重要组成部分，其研究与临床转化被广泛开展。然而，传统预测模型多基于固定时间点的基线信息，难以充分利用患者在随访过程中不断积累的纵向数据，无法实现"随着时间推移、不断更新预测"的临床需求。动态预测（Dynamic Prediction）技术的出现从根本上改变了这一局面。通过整合纵向随访数据与生存结局，能够在患者病程的任意时间点更新个体化风险预测。当前，动态预测的方法学工具箱已十分丰富：经典的联合模型（Joint Model）与Landmark方法已广泛应用于临床研究；潜类别混合模型（LCMM, Latent Class Mixed Models）能够识别纵向标志物的异质性发展轨迹，实现精准的亚组分层与轨迹推断；随机森林动态预测（DynForest）则将机器学习与纵向数据分析深度融合，通过随机森林灵活处理时间固定与时间依赖预测变量，为高维、非线性动态预测场景提供了全新解决方案。

本课程由浅入深，系统覆盖动态预测的完整方法学体系：从生存分析基础、传统列线图模型出发，逐步深入纵向数据治理、联合模型（JMbayes2）、潜类别混合模型（LCMM）、随机森林动态预测（DynForest）及Landmark方法等前沿技术。所有内容均采用"理论讲解 + R代码实操 + 结果解读"的完整闭环教学模式，并提供全套可复现代码、模拟数据及示例文档。

人工智能技术的迭代使AI Agent成为推动科研变革的核心力量。与传统模式相比，AI辅助工具依托大语言模型能力，替代研究者完成重复性基础工作，使其更专注于核心问题与创新，提升科研效率与质量。本课程立足AI时代需求，聚焦AI编程工具TRAE的应用，系统讲解如何借助该工具实现高效数据分析与学术写作，帮助学员掌握新时代科研方法。本次培训旨在让学员掌握生存分析与动态预测模型的核心逻辑与实操流程，熟练运用AI工具完成相关数据分析与成果产出，让学员能够设计并完成规范的动态预测研究，产出高质量成果。

培训特色

1. 开课前提供10学时预习视频（IDE介绍、AI-IDE环境配置、R语言基础与tidyverse数据处理及可视化），帮助学员补齐R语言基础、提前完成环境配置；预习中遇到的问题，可预约讲师远程协助解答或一对一远程配置环境。

2. 理论与实战深度融合：每个方法均配备理论讲解+R代码实操+结果解读的完整闭环，从临床背景与方法学双角度进行授课，保证非统计学/流行病学背景学员也能有效掌握。

3. AI辅助教学贯穿全程：课程聚焦TRAE在R语言环境中的高效应用，系统讲解如何借助AI工具加速生存分析与动态预测模型的代码编写、调试与结果解释，帮助学员在课程结束后建立自主的AI辅助编程工作流。

4. 建立课程专属微信群，提供1年内课程内容免费答疑服务。课程结束后提供完整课程视频回放（3年内免费无限次观看），供大家反复观看学习；提供全套可复现代码及测试数据。

02
培训收获

1. 系统掌握生存分析的核心理论与方法：删失机制、Kaplan-Meier估计与log-rank检验、Cox比例风险模型及比例风险（PH）假设检验、时依协变量与时依效应Cox模型、竞争风险模型。

2. 掌握传统临床生存结果预测模型构建与验证的完整流程：变量选择策略与列线图构建、区分度（C-index、time-dependent AUC）、校准度（校准曲线）与临床实用性（决策曲线分析DCA）、内部验证（Bootstrap）与外部验证。

3. 掌握纵向（重复测量）数据的结构特征与分析方法，能独立使用R语言完成纵向数据的长格式治理（tidyverse）及线性混合效应模型（LMM）、广义线性混合模型（GLMM）的拟合、诊断与个体轨迹预测。

4. 掌握联合模型（Joint Model）的理论框架与JMbayes2包的完整实现，能够整合纵向随访数据与生存结局，实现个体化动态生存概率预测并科学评价其预测准确性。

5. 掌握潜类别混合模型（LCMM）的基本理论与lcmm包的操作实现，能够识别纵向标志物的异质性发展轨迹、进行潜类别分组，并建立联合潜类别模型（Joint LCMM）同时分析纵向过程与生存结局。

6. 掌握随机森林动态预测方法（DynForest）的核心思想与DynForest包的完整操作流程，能够处理时间依赖预测变量，实现基于界标时间的动态生存预测、变量重要性评估与预测准确性评价。

7. 掌握Landmark动态预测方法的基本思想与dynamicLM包实现，能够比较联合模型、LCMM联合模型、DynForest与Landmark方法的适用场景并做出合理的方法学选择。

8. 学员基本具备独立设计并完成一项基于R语言的动态预测模型研究的能力，包括整体研究设计、纵向数据治理、多方法学实现与比较、结果呈现，并了解相关文章写作规范与投稿策略。

03
培训专家

培训时间及方式

时间：2026年11月27日—11月29日

（第一天签到，培训两天）

线下：北京

线上：腾讯会议直播

注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。

课程大纲

培训费用

线下：4500元/人

线上：3800元/人

联系方式

联系人：陈老师

咨询微信/电话：134-8328-3735（微信同号，或扫二维码添加企业微信）

邮箱：ctaa_001@163.com