华盛顿大学博士许涵文将于2027年春季加入美国宾夕法尼亚大学，担任生物工程系和计算机与信息科学系的长聘教轨助理教授。
许涵文的本科和硕士都毕业于清华大学自动化系，随后进入华盛顿大学保罗·G·艾伦计算机科学与工程学院攻读博士学位，师从Sheng Wang教授。博士期间他还获得了Weil Family Endowed Fellowship。
目前，他在谷歌任访问学者（Visiting Faculty Researcher）。
许涵文的研究聚焦AI与医学交叉领域，主要包括：
超大规模医疗基础模型（Gigascale Foundation Models for Healthcare）；
多模态患者表征学习（Multimodal Patient Representation Learning）；
患者健康轨迹的纵向建模（Longitudinal Modeling of Patient Health Trajectories）。
许涵文作为第一作者身份在《Nature》发表了数字病理基础模型Prov-GigaPath。
该模型利用来自真实医疗场景的超过13亿张病理图像进行预训练，能够从局部组织特征进一步理解整张病理切片的信息。在涵盖26项病理分析任务的评测中，Prov-GigaPath有25项取得最佳表现。
这项研究也为利用AI开展癌症分析和辅助研究提供了新的技术路径。Prov-GigaPath发布后，在Hugging Face上的模型下载量突破200万次，并于2025年被用于真实世界、实时的数字病理临床部署。
此后，他的研究进一步拓展至肿瘤微环境、药物组合预测和医学多模态模型等方向。2025年发表于《Cell》的GigaTIME，探索如何利用常规病理图像推测更复杂的细胞状态及空间分子信息。
简单来说，研究团队希望借助AI，从相对容易获取的病理图像中提取更多信息，帮助研究人员理解肿瘤内部不同细胞之间的关系，以及肿瘤微环境的组成特征。这项研究还获得了微软CEO的关注。
同年发表于《Cell Genomics》的Pisces，则融合八种数据模态，用于预测药物组合的协同作用。
此外，他还参与了BiomedCLIP、LLaVA-Rad等医学多模态模型研究，相关成果发表于《NEJM AI》《Nature Communications》等期刊。
从学术论文到医疗场景中的应用，其研究正在尝试打通基础模型研发与医学实践之间的联系。
目前他的研究已经获得了50多家全球媒体报道，包括MIT Technology Review、Forbes和Yahoo。
对于AI与医学的关系，许涵文提出了一个名为“a golden loop between AI and medicine”的研究理念，即让人工智能与医学形成相互促进的良性循环。
他希望将通用AI放到真实医疗场景中接受检验，通过复杂的医学问题发现模型能力的边界；与此同时，医学领域的专业知识和真实世界经验也将反过来推动AI技术改进。
END
关注+星标，获取AI前沿进展与开源一线动态