一、方向概况
复旦大学医学信息与健康数据科学方向依托公共卫生学院卫生统计学与医学信息学系、生物医学大数据研究院、信息科学与工程学院-公共卫生学院交叉培养平台、复旦大学附属中山医院/华山医院/肿瘤医院信息中心与智慧医疗实验室、国家健康医疗大数据研究院（复旦协作节点）、上海市健康医疗大数据中心（合作单位）、WHO数字健康与卫生信息系统合作中心、中国卫生信息与健康医疗大数据学会（学术支撑单位）、国家药监局真实世界数据与监管科学研究基地（复旦参与单位）、国际医学信息学会IMIA亚太学术网络、HL7中国分会/FHIR互操作性协作组、中国医学人工智能联盟（复旦节点）、长三角健康医疗数据互联互通协同创新联盟、国家精准医学与健康大数据战略研究基地（复旦协作）、上海市医学人工智能工程技术研究中心等跨学科协同平台，聚焦医学信息学基础理论与知识表示（医学本体论/临床术语标准ICD-11与SNOMED CT/医学知识图谱/临床指南形式化/医学语义网/医学概念建模）、电子健康档案与临床信息系统（EHR架构设计/HL7 FHIR互操作标准/临床数据仓库/数据集成与互操作/信息模型与数据模型/系统可用性工程）、健康医疗大数据治理与质量控制（多源异构数据融合/数据清洗与标准化/数据质量评估框架/元数据管理/主数据管理/数据生命周期治理）、医学人工智能与机器学习（深度学习/卷积神经网络/循环神经网络/Transformer/图神经网络/联邦学习/迁移学习/小样本学习/可解释AI/因果机器学习）、医学自然语言处理与文本挖掘（临床文本信息抽取/医学命名实体识别/关系抽取/临床笔记结构化/医学大语言模型/医学问答系统/自动生成临床摘要）、医学影像AI与多模态数据融合（影像分割与检测/病理AI/放射组学/多模态融合/影像-基因组关联/三维重建/数字病理）、真实世界数据与临床证据生成（RWD/RWE框架/电子病历数据挖掘/注册登记研究/医保数据分析/药物警戒信号检测/上市后评价）、精准医学与多组学数据科学（基因组学/转录组学/蛋白质组学/代谢组学/单细胞组学/多组学整合/药物基因组学/生物信息学流程）、临床决策支持系统与智慧医疗（CDSS设计/临床路径智能化/智能分诊/药物相互作用预警/危急值提醒/医疗质量管理数字化）、数字健康与移动健康（可穿戴设备数据/远程医疗/数字疗法/患者生成数据PGHD/健康APP评价/行为干预数字化/数字表型）、健康数据隐私保护与安全计算（差分隐私/同态加密/安全多方计算/联邦学习/数据脱敏/知情同意数字化/合规审计）、全球健康信息学与卫生信息系统（发展中国家HIS建设/WHO数字健康战略/卫生信息标准化/全球健康数据互操作/数字健康公平）等前沿领域。
选拔要求：绩点前10%，核心课程涵盖医学信息学、卫生统计学、流行病学、数据库原理与应用、Python/Java程序设计、数据结构与算法、机器学习导论、生物信息学、医学人工智能、自然语言处理、健康医疗大数据管理、公共卫生导论、医学伦理学、线性代数、概率论与数理统计、离散数学等；英语六级530分以上，具备扎实的编程能力、数据建模思维与医学领域知识。2027级推免拟招收约5至6人，建议尽早联系导师并积累医学数据挖掘或AI医疗项目经历。
二、知点保研核心优势
近十年深耕保研辅导，精准把握"临床问题识别—数据获取与治理—特征工程与建模—算法开发与验证—临床转化与实施—效果评价—迭代优化"全链条选拔逻辑；专注复旦，深谙从"医院信息化系统建设"到"数据驱动的智慧医疗与精准健康"、从"单中心单模态分析"到"多中心多模态联邦协同与跨机构数据融合"、从"描述性统计与规则引擎"到"深度学习、因果推断与大语言模型赋能的临床智能"的范式跃迁；一对一匹配医学信息学标准与互操作、医学AI与深度学习、医学NLP与大语言模型、医学影像AI、真实世界证据、精准医学与组学数据、临床决策支持、数字健康与移动健康、健康数据隐私与安全计算、全球健康信息学等子方向导师；理论加实训加顶会顶刊精读加附属医院真实数据建模实战加医疗AI产品化全流程训练，严格督学与全流程闭环服务。
三、辅导体系
绩点提升：强化医学信息学（医学信息学理论框架/临床信息系统架构/电子健康档案标准/HL7 FHIR/ICD-11/SNOMED CT/医学知识图谱/临床术语映射/信息模型与数据模型/系统互操作性评估）、卫生统计学与生物统计（广义线性模型/生存分析/纵向数据/多水平模型/贝叶斯统计/因果推断/倾向性评分/工具变量/中介分析/结构方程）、流行病学与临床研究方法（队列研究/病例对照/RCT/真实世界研究设计/诊断试验评价/筛查策略/Meta分析）、机器学习与深度学习（监督学习/无监督学习/强化学习/CNN/RNN/LSTM/Transformer/Vision Transformer/图神经网络GNN/自编码器/生成对抗网络GAN/扩散模型/联邦学习/对比学习/小样本学习/可解释AI-SHAP/LIME/因果发现算法）、自然语言处理（词向量/预训练模型BERT/GPT架构/医学NER/关系抽取/文本分类/摘要生成/医学大语言模型微调/提示工程/RAG检索增强生成）、医学影像与计算机视觉（U-Net/ResNet/YOLO/医学图像分割/病理图像分析/放射组学特征提取/多模态融合/三维重建/数字病理）、数据库与大数据技术（SQL/NoSQL/MongoDB/Hadoop/Spark/Flink/数据湖/数据仓库/ETL流程/流式计算）、Python与R编程（Pandas/NumPy/Scikit-learn/PyTorch/TensorFlow/Keras/Hugging Face/OpenCV/SimpleITK/R-ggplot2/R-survival）、生物信息学（序列比对/基因表达分析/单细胞RNA-seq/通路富集/蛋白质结构预测/药物靶点预测/多组学整合）、健康数据治理与隐私（数据质量评估/元数据管理/数据脱敏/差分隐私/同态加密/安全多方计算/联邦学习架构/数据合规审计/知情同意管理）、医学伦理与数据伦理（患者数据权利/算法公平性/健康数据二次利用伦理/AI医疗责任归属/数字鸿沟/算法歧视）等。
论文辅导：引导选择基于多中心电子病历联邦学习的脓毒症早期预警模型开发与外部验证——兼顾数据隐私与模型泛化性、医学大语言模型在中文临床笔记结构化信息抽取中的性能评估与幻觉抑制策略：基于提示工程与知识图谱增强、基于Transformer的多模态医学影像-病理-基因组数据融合模型在肿瘤精准分型中的应用与可解释性分析、真实世界数据驱动的免疫检查点抑制剂上市后安全性信号检测：基于贝叶斯不确定性传播与多源数据三角验证、可穿戴设备连续生理数据流式分析在慢病管理中的数字表型构建与干预效果评价：基于时空图神经网络、健康医疗数据跨机构共享中差分隐私预算分配的最优化机制设计——基于隐私-效用权衡的博弈论分析等前沿议题。
面试突破：针对"'医学信息学'与'健康数据科学'的学科边界——从'信息系统工程'到'数据智能科学'的范式迁移""医学AI模型'内部验证优异'与'外部泛化失败'的根本原因——数据偏移、标签噪声与临床异质性""医学大语言模型的'幻觉'问题在临床场景中的致命风险与治理路径""联邦学习中'数据不出院'承诺与'模型反演攻击'的安全悖论""真实世界数据中'缺失机制'（MCAR/MAR/MNAR）对因果推断的致命影响""医学影像AI的'捷径学习'问题——模型学到的是病灶还是扫描仪指纹""电子健康档案数据'二次利用'中患者知情同意的伦理困境与制度创新""临床决策支持系统的'警报疲劳'与'医生自主权'的张力""健康数据'标准化'与'本地化'的永恒矛盾——FHIR在中国落地的制度障碍""精准医学中'基因组数据权利归属'——患者、医院、企业、国家的多方博弈""AI辅助诊断的'法律责任归属'——医生、算法开发者、医院的多主体归责""数字健康干预对'数字弱势群体'（老年人/残障人士/低收入人群）的可及性鸿沟""全球健康信息学中'数据殖民主义'与发展中国家健康数据主权""医学知识图谱与深度学习'黑箱'的认识论冲突——符号主义与联结主义的再融合""健康数据'匿名化'的技术极限——k-匿名与l-多样性在基因组数据中的失效"等高频追问专项训练。
四、结语
医学信息与健康数据科学是"以数据为新型生产要素、以算法为智能引擎、以临床转化为价值归宿、以患者福祉与伦理安全为不可逾越的底线、以健康信息互操作为制度基石"的新兴交叉学科。当前该领域正从"医院信息化与电子病历系统建设"向"数据驱动的智慧医疗与精准健康管理"全面跨越，从"单中心、单模态、规则引擎"向"多中心联邦协同、多模态深度融合、大模型赋能的临床智能"纵深演进，从"描述性分析与事后统计"向"实时预测、因果推断与个性化干预决策"范式跃迁，从"国内健康医疗数据治理"向"全球数字健康公平与健康数据主权"的宏大议题全面延伸。知点保研愿助力有志于以数据智能守护生命健康、以技术理性捍卫医学人文的同学稳步前行。咨询报名可致电4000003363，或添加微信13671344286获取个性化评估与规划建议。
