医学人工智能理学硕士是耶鲁医学院提供的一种混合型研究生学位项目，专为希望在医疗保健领域领导人工智能工具开发与实施的专业人士设计。该项目提供严格的跨学科培训，涵盖机器学习、数据科学、软件工程、法规事务和临床应用，并基于真实的医疗环境。
该学位项目建立在耶鲁医学软件和医学人工智能证书项目的基础之上，旨在培养毕业生弥合新兴人工智能技术与患者护理及医疗保健服务复杂性之间的差距。学习者需完成核心课程和选修课程，最终以独立项目或口试作为结业考核，并在每学期开始时参加在纽黑文举行的实际操作训练营。
项目要点
- 设计并评估用于临床诊断、治疗和医疗保健运营的人工智能工具
- 分析规范医学中人工智能使用的监管、法律和伦理框架，包括FDA要求和国际标准
- 使用现代机器学习技术（从神经网络到大型语言模型）开发生产级医疗软件
- 评估故障点并为临床工作流程中运行的人工智能系统实施风险管理策略
- 整合数据科学、软件工程和医疗保健服务领域的知识，领导跨学科的医学人工智能倡议
谁应该申请？
- 具有计算机科学或数据科学强大技术背景并希望在医疗保健领域应用其技能的专业人士
- 希望领导人工智能工具验证和实施的医疗和健康护理专业人士
- 对了解医疗保健政策和审批流程中人工智能应用感兴趣的监管专业人士
- 进入医疗人工智能领域并希望获得该领域全面基础的创业者
先决条件：
需拥有计算机科学、数据科学、工程、统计学或医学等技术领域的本科学位，以及相关专业经验。鼓励具备适当技术培训的医生申请。申请人必须居住在美国、加拿大或墨西哥。
推荐轨道
技术轨道
针对具有强大Python技能的计算机科学家、数据科学家和工程师——构建下一代机器学习模型和合规软件产品。该轨道的毕业生将在医疗技术、制药和医疗保健领域开展职业生涯。
该轨道的毕业生在医疗器械、制药、消费技术（例如消费级可穿戴设备）和医疗保健领域担任产品设计师、软件工程师、机器学习科学家和数据分析师等职位。该项目还将使他们能够转向该领域的研究职业。
能力：
- 理解现代人工智能算法背后的核心数学和统计原理
- 处理和整理医疗数据，包括电子健康记录信息（表格和文本）和医学图像
- 理解数据生成的临床背景及其局限性
- 创建机器学习模型以分析全方位的医疗数据
- 设计软件工具，将人工智能模型打包到合规医疗器械的框架中
临床（非技术）轨道
为临床医生、监管专业人士和医疗保健管理人员设计——领导医疗人工智能医疗保健系统的治理和实施。毕业生将担任首席医疗人工智能官、人工智能监管专家和医学信息学官员等职位。
该轨道的毕业生在医疗器械、制药、消费技术（例如消费级可穿戴设备）和医疗保健领域担任首席医疗人工智能官或医学官员、人工智能监管专家等职位。具有医学背景的毕业生还可能在大型医疗系统中担任医学信息学官员（或晋升为该职位）或临床部门的首席人工智能医生。
能力：
- 理解医疗人工智能背后的核心原理，包括其局限性和故障点
- 从商业角度理解医疗保健组织的运作方式
- 设计研究以评估和监控医疗人工智能
- 领导医疗保健系统中医疗人工智能解决方案的评估和采用
- 为医疗人工智能解决方案提供治理领导
- 理解医疗人工智能中的关键监管挑战
项目格式与时间表
该项目以混合形式提供，包含三个主要组成部分：
- 在耶鲁大学进行的2周现场教育（8月一次，1月一次）
- 以异步格式在线提供的预录视频讲座
- 在线实时（Zoom）复习和评分环节
项目时间表
| 年份 | 时期 | 课程内容 |
|---|---|---|
| 1 | 8月 | 现场周1——项目介绍（1学分） |
| 1 | 秋季 | 2门核心课程（6学分） |
| 1 | 1月 | 现场周2——项目导师选择（1学分） |
| 1 | 春季 | 2门核心课程+项目规划（6学分） |
| 1 | 夏季 | 1个项目实践（4学分） |
| 2 | 秋季 | 2门选修课程*（6学分） |
| 2 | 春季 | 2门选修课程*（6学分） |
*学生可以在第二年用额外的项目实践替代最多一门选修课程。
课程设置
初始课程将包括四门核心课程和六门选修课程。如果学生能证明自己已掌握核心课程的内容，将允许他们用一门额外的选修课程替代核心课程。所有替代都需要得到项目主任的批准。
核心课程：两个轨道共同必修
| 课程编号 | 课程名称 | 适用轨道 | 描述 |
|---|---|---|---|
| 待定 | 人工智能数学基础 | 两个轨道 | 概率、统计、优化、经典机器学习（分类、回归、聚类、特征选择）、模型评估和校准的概述。 |
| 待定 | 医疗人工智能背景 | 两个轨道 | 从系统角度介绍医疗保健，重点是医疗数据的生成地点、每种数据模式的特征、挑战和局限性，电子健康记录系统、医学影像以及医疗人工智能的伦理和监管要求介绍。 |
| 待定 | 人工智能计算基础 | 两个轨道 | 用于存储和传输医疗数据的标准（例如HL7、DICOM、数据库模式）以及用于分析此类数据的核心环境、工具和库，大量使用AI辅助编码工具。 |
| 待定 | 医疗人工智能实验室 | 两个轨道 | 14个互动作业，帮助学生熟悉使用软件工具和库来可视化、整理和分析医疗数据，包括（在某些情况下）创建和评估医疗人工智能算法。 |
选修课程
| 课程编号 | 课程名称 | 适用轨道 | 描述 |
|---|---|---|---|
| 待定 | 医疗数据分析I：文本+临床数据 | 技术轨道 | 用于分析通常存储在电子健康记录系统中的临床数据的技术，包括数据格式、自然语言处理以及为这些类型的数据创建AI模型。 |
| 待定 | 医疗数据分析II：影像、传感器和组学数据 | 技术轨道 | 通常存储在电子健康记录系统之外的数据源，包括医学影像数据、传感器/可穿戴设备数据以及遗传学和多组学数据集。 |
| 待定 | 深度神经网络、Transformer和生成模型 | 技术轨道 | 深度神经网络架构、Transformer及其在生成模型中的应用，包括大型语言模型、影像模型、多模态模型和定制语言模型。 |
| 待定 | 监管环境下的AI软件工程 | 两个轨道 | 规范医疗软件和医疗人工智能的FDA法规、核心国际标准、整体监管流程、AI软件工程生命周期和风险管理技术。 |
| 待定 | 安全与隐私 | 两个轨道 | 医疗保健和医疗人工智能中的网络安全挑战，包括数据投毒、提示注入攻击和对抗性攻击。隐私法规（HIPAA、GDPR）和医疗数据的去标识化技术。 |
| 待定 | 临床决策支持和数字健康系统 | 临床轨道 | 临床决策支持系统的创建、实施、评估、监控和治理，以及新兴数字健康解决方案、挑战和机遇。 |
| 待定 | 医疗保健系统、质量和运营效率 | 临床轨道 | 复杂医疗保健系统的运作方式，包括业务方面（例如报销、保险），以及为质量改进和运营效率开发和使用AI工具。 |
申请详情
- 项目将于2027年8月启动。欲了解更多信息，请注册加入我们的兴趣列表。
- 申请将于2026年9月1日开放。申请截止日期为2027年2月1日
- 通知将于2027年3月31日前发送
要求：本科学位成绩单、个人陈述和三封推荐信。
提供有限资金支持，包括对在纽黑文进行暑期项目工作的支持。
学费
完整的医学人工智能理学硕士项目的学费总计为52,000美元。
联系我们
问题咨询？
如有问题，请通过mhs-medicalai@yale.edu联系我们。
项目领导
Xenophon Papademetris, PhD
主任
生物医学信息学与数据科学教授，放射学与生物医学成像教授；耶鲁生物医学成像研究所生物医学成像数据科学副主管；生物医学信息学与数据科学系医学软件和医学人工智能证书项目主任，耶鲁生物医学成像研究所
Allen Hsiao, MD, FAAP, FAMIA
联合主任
儿科（急诊医学）教授和急诊医学教授；YNHHS首席健康信息官；耶鲁医学院和耶鲁纽黑文健康系统首席健康信息官；生物医学信息学与数据科学临床系统副主席
Robin Einbinder
项目经理
【全文结束】