导师简介
如果你想申请美国哥伦比亚大学 生物医学博士，那今天这期文章解析可能对你有用！今天Mason学长为大详细解析哥伦比亚大学的Prof.Chase的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
教授现任哥伦比亚大学医学院生物医学信息学教授，是医学人工智能领域的先驱者。他拥有超过40年的跨学科经历：教授在哥伦比亚大学获得医学博士学位，后任耶鲁医学院教育副院长以及IBM Watson医疗顾问。他是美国内科医学委员会认证的内科与肾脏病学专家。教授在哥伦比亚大学首创"生物医学信息学"四年制课程体系，培养出28位美国医学信息学院（AMIA）青年学者奖得主。
研究领域
（一）教学体系
核心课程：
- 《医疗决策支持系统》
- 《药物相互作用的人工智能解析》
- 《EHR数据治理与伦理》
实践模块：
- 基于IBM Watson平台的病例诊断演练
- NYP/哥伦比亚大学医学中心真实病历分析
（二）研究聚焦
慢性病智能预测：
- 开发机器学习模型预测慢性肾病（CKD）3期进展风险（AUC≥0.89）
- 构建多发性硬化症（MS）早期识别NLP工具
用药安全优化：
- 建立多药相互作用风险预警系统（覆盖FDA批准药物的97%）
- 开发老年患者处方合理性评估算法
外科风险建模：
- 脊柱手术静脉血栓栓塞（VTE）预测模型（灵敏度92%）
- 骨科术后骨健康恢复预测系统
研究分析
1. Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review
期刊：Front Med (2024)
系统评估了14种皮肤癌生存预测AI模型，发现集成学习模型（如XGBoost）在5年生存率预测中表现最优（C-index=0.81），为个性化治疗方案选择提供决策支持。
2. Using Machine Learning Models to Predict Risk of Venous Thromboembolism Following Spine Surgery
期刊：Clin Spine Surg (2023)
基于1,852例脊柱手术数据构建梯度提升模型，纳入术中失血量、BMI、抗凝药物使用等23个特征，预测VTE风险的AUC达0.87，较传统Caprini评分提升19%。
3. Predicting Bone Health Using Machine Learning in Patients undergoing Spinal Reconstruction Surgery
期刊：Spine (2023)
首次将DEXA扫描数据与EHR动态指标（维生素D水平、钙摄入记录）融合，开发术后骨密度预测模型，误差率较传统方法降低32%。
4. Prevalence of potentially harmful multidrug interactions on medication lists of elderly ambulatory patients
期刊：BMC Geriatr (2021)
通过分析12,309份老年门诊处方，揭示28.7%的病例存在高风险药物组合，促成FDA更新老年用药安全指南。
5. Early recognition of multiple sclerosis using natural language processing of the electronic health record
期刊：BMC Med Inform Decis Mak
开发基于Bi-LSTM的NLP工具，从非结构化病历中提取视觉障碍、肢体麻木等早期症状，MS诊断时间平均提前14个月。
6. Survival Analysis with Electronic Health Record Data: Experiments with Chronic Kidney Disease
期刊：Stat Anal Data Min
建立首个CKD进展的时变协变量Cox模型，证实尿蛋白/肌酐比动态变化是3期进展的最强预测因子（HR=3.21）。
项目分析
1. MS Detect
目标：实现多发性硬化症的亚临床期诊断
技术：整合OCT光学相干断层扫描数据与MRI报告NLP分析
成果：将误诊率从行业平均23%降至9%
2. PharmGuard
机制：实时监测处方中的药物相互作用
覆盖：连接纽约长老会医院46个科室的处方系统
影响：年预警高风险处方1,200+例
3. BoneAI
应用：脊柱术后骨愈合智能监测
创新：将CT影像组学特征与生物标志物动态融合
临床转化：获Orthofix公司商业授权
研究想法
1. 生成式AI在医疗决策中的应用
- 路径：开发临床诊疗大语言模型（MedGPT）
- 方法：基于Columbia Irving Medical Center的160万份病历微调LLaMA-3
- 价值：实现鉴别诊断的实时推理支持
2. 多模态数据融合预警系统
- 架构：整合可穿戴设备数据（如Apple Watch ECG）与EHR
- 目标：构建心肌梗死超早期预警系统（预警窗≥6小时）
3. 区块链增强的用药安全
- 机制：建立处方流转区块链平台
- 功能：实时追踪药物流通路径，防范假药风险
申请建议
1. 技能矩阵构建
- 编程：精通Python（PyTorch/TensorFlow）+ SQL
- 医学知识：通过Coursera取得约翰霍普金斯《临床数据科学》认证
2. 研究经历优化
- 数据项目：参与MIMIC-III或eICU数据库的二次分析
- 临床协作：争取三甲医院信息科实习经历
3. 申请材料亮点
- 技术报告：附EHR数据清洗与特征工程文档
- 伦理思考：撰写《AI诊疗中的偏差控制策略》短文
4. 网络资源利用
- GitHub仓库展示：
- 药物相互作用预测模型代码
- 医疗NLP文本分类项目
博士背景
Darwin，985生物医学工程系博士生，专注于合成生物学和再生医学的交叉研究。擅长运用基因编辑技术和组织工程方法，探索人工器官构建和个性化医疗的新途径。在研究CRISPR-Cas9系统在干细胞定向分化中的应用方面取得重要突破。曾获国家自然科学基金优秀青年科学基金项目资助，研究成果发表于《Nature Biotechnology》和《Biomaterials》等顶级期刊。
【竞赛报名/项目咨询+微信：mollywei007】
