耶鲁大学医学院推出医疗人工智能健康科学硕士，采用在线学习与线下课程结合的混合模式，培养能在临床和医疗保健环境开发、实施AI工具的人才。项目设临床非技术与技术两类方向，共享AI数学统计、计算基础、医学语境和动手实验室等核心课程，选修覆盖深度神经网络、生成模型、受监管AI软件工程等。两年在职设计，含两次纽黑文线下周与顶点项目，毕业可走向首席医疗AI官、机器学习科学家等岗位。

一、耶鲁新设医疗AI硕士

耶鲁大学医学院推出一个新研究生学位：医疗人工智能健康科学硕士。它把在线学习和耶鲁线下课程结合起来，目标很直接，就是培养能在临床和医疗保健环境里开发和实施AI工具的人。

项目由生物医学信息学与数据科学系授课，卢西拉·大野-马查多领导，泽诺芬·帕帕德梅特里斯和艾伦·萧共同负责指导。大野-马查多说，AI正在重塑医学，但医疗系统很缺能连接技术和临床的人才。

二、为什么要开这个项目

帕帕德梅特里斯在医学影像、机器学习和软件开发领域干了三十多年。他反复看到一个问题：造工具的人和用工具的人，说的不是同一种语言。工程师觉得产品很好，临床医生却不知道怎么评估、该问什么。这道鸿沟，是AI在医学里负责任发展的最大障碍之一。

耶鲁2017年开过“医学软件设计”课，后来变成教科书和Coursera课程，触达超过35000名学生。2024年1月推出的医学软件与医疗AI证书项目，也成了这个学位项目的试点。艾伦·萧补充说，很多算法在现实里表现很差：数据有缺陷，警报太多或太少，工具不符合临床流程，最后被弃用。比如败血症检测算法，就因为数据录入滞后、警报疲劳，被临床医生忽略。

三、两类学生与课程设置

项目面向两类人。一类是临床或非技术方向，比如临床医生、监管人士和医疗管理者。他们不一定要会大量编程，但要真正理解AI能做什么、不能做什么，以及怎么推动负责任的评估和采用。另一类是技术方向，面向计算机、数据科学或工程背景的人，希望补齐监管、临床和伦理知识，造出在医疗环境里真正有效、也能过监管审查的工具。

两个方向共享核心课程：AI的数学与统计基础、计算基础、医学语境，还有一门动手实验室。重点不是把学生变成数学家，而是让他们理解模型怎么建、怎么评估、在哪里会失败。医学语境这门课，帕帕德梅特里斯认为也许最重要。选修课包括深度神经网络、生成模型、受监管环境中的AI软件工程、安全与隐私、临床决策支持，以及影像、临床文本和传感器数据分析。

四、学习形式与毕业去向

学习是混合式的。讲座预先录制，学生按自己时间看，再配实时Zoom课复习、讨论和评估。学生要两次到纽黑文参加线下周，一次在项目开始，一次在第一年一月。还要完成耶鲁教师指导的独立顶点项目，也可以选择夏季到纽黑文线下完成。整个项目两年，专为没法离开工作的在职人士设计。

毕业后，临床方向的学生可以去大型医疗系统做首席医疗AI官、AI监管专家、临床信息学官，或在部署AI的科室做首席医生。技术方向更多走向医疗器械、制药和健康技术领域，做机器学习科学家、软件工程师和数据分析师。帕帕德梅特里斯说，他们和普通计算机毕业生的区别，是理解医疗体系怎么运作，也知道自己身处受监管环境。萧说，把AI专家、数据科学家、医生和临床医生聚在一起相互学习，才能弥合技术和医学的差距，最终让患者和社会受益。

耶鲁新设医疗AI硕士，以在线+线下混合培养连接技术与临床人才。项目设临床非技术与技术方向，核心课程涵盖AI数学统计、计算基础与医学语境，动手实验室强调失败点，选修覆盖深度神经网络、生成模型与受监管AI软件工程。两年在职设计，含两次纽黑文线下周与顶点项目，毕业可走向首席医疗AI官、机器学习科学家等。若需精准择校方案可咨询留学在线了解详情。