在本次的博士讲座中，我们与张博士进行了深入的对话，了解了生物统计方向博士多样化的研究方向，以及这个专业方向的博士申请要求。让我们一起回顾这期精彩的讲座，了解更多博士申请相关内容。
Susie：您目前博士阶段主要做的研究方向有哪些？可以给我们简单分享一下吗？
Jay：
好的。我目前的研究方向主要集中在把一些比较前沿的人工智能模型和传统统计方法结合起来，应用在医疗数据的分析上。比如说疾病的风险预测、医疗诊断的模型开发、基因数据的研究，还有临床试验数据的建模和分析。这些工作大体上就是把AI的一些方法和统计学结合起来，用于医疗健康领域。
Susie：您觉得像现在很火的大语言模型，它在医疗领域的发展到什么阶段？对于医疗数据的分析，能带来哪些比较前沿的应用和影响？
Jay：
AI现在几乎在所有行业都非常热门，医疗行业也不例外。不过相比科技公司，医疗行业整体推进得会慢一些。比如GPT这样的模型在科技领域已经应用很成熟了，但在医疗领域目前主要是使用它们背后的建模思想和方法。
在医药公司、监管机构以及学术研究里，都越来越倾向往 AI方向靠拢。比如教授们申请科研基金时，几乎都会强调AI的元素。但整体来看，医疗领域的AI转型还是在比较早期的阶段，属于刚刚起步。
Susie：那在您看来，生物统计和统计这两个领域在研究上有什么主要区别？
Jay：
我可以简单区分一下。总体来说，统计学博士更偏重理论，而生物统计学博士更偏重应用。统计学博士在论文和学术成果上需要有较强的理论深度，如果你的数学功底不够扎实，读统计博士会比较痛苦。而生物统计则强调把方法应用在真实的医疗数据和问题上。
具体到研究方向，生物统计的传统大方向还是临床试验设计与分析。这也是就业需求最大的部分，因为药厂和药监局都需要大量生物统计师来设计实验、监控数据和做结果分析。除此之外，还有医疗图像分析、基因组和组学数据分析等新兴方向。
如果按照方法学来划分，生物统计里也分很多派别：比如贝叶斯方法、因果推断方法、生存分析、以及现在越来越多的机器学习与AI的融合。
Susie：那如果学生要申请生物统计，您觉得需要提前学习生物学知识吗？还是说只要数学统计背景扎实就可以了？
Jay：
这是个好问题。我观察下来，博士生的背景大致有两类：一类是本科读数学或统计的，一类是本科读生物的。
如果你是数学背景，进入生物统计后可能需要补充一些生物学的知识；如果你是生物背景，就需要大力补数学统计方面的知识。整体而言，对数学和统计的要求更高，生物知识往往是辅助性的。
而且申请阶段其实不需要很深的生物背景。真正需要的时候，是你进入项目以后、根据具体研究方向再去补。例如如果你做基因相关的研究，就需要掌握 DNA 到 RNA，再到蛋白质的一些基本过程，因为这些会决定分析的数据结构和方法。如果你做医学影像，比如研究眼科影像，那就需要了解眼睛的结构和图像中哪些区域对应哪些组织。总的来说，生物知识补起来相对快，一般只要了解基本框架就足够。
Susie：那学生选择研究方向，是入学之前就定下来，还是入学之后再挑？
Jay：
对于大部分博士生来说，方向是在入学后确定的。一般入学后可以在不同导师下面轮转，做一些短期的科研尝试，看看自己更喜欢哪个方向或者哪个疾病领域。等到资格考试之后、开题以及确定答辩委员会时，方向才会被固定下来。
当然也有少数学生，因为录取时就是由某个教授强烈推荐，或者教授正好是招生委员会的一员，这种情况下他们可能一入学就被“绑定”在某个导师和课题下，选择余地就小一些。
Susie：对于本科生或者硕士生来说，如果他们还在探索，您会推荐生物统计领域哪些比较热门的方向？
Jay：
首先要看你未来的目标是走学术界还是业界。
如果是走学术界，现在很热门的方向是单细胞数据分析、基因组学等。这些方向科研价值很高，也比较新颖，但在业界的应用还不是特别广。
如果是走业界，特别是药厂、医疗科技公司等，那么和 AI 相关的方向更有优势，比如医疗影像的分析，或者序列数据预测（sequential models）等。这些方向目前在工业界需求比较大。
Susie：在博士申请里，GPA、GRE、推荐信和文书这几个要素，哪个最重要？
Jay：
如果让我排序，大概是：推荐信 ≈ GPA > 文书 > GRE。
推荐信是最重要的，尤其是强推。如果推荐人是学界有名气的教授，并且愿意为你强力背书，那几乎能保证录取结果。GPA 也很关键，美本通常 3.8 以上比较稳妥，3.9 和 4.0 又是更高的档次。国内学生可以用系排名来补充说明。
GRE 其实只要过线就行，几年前大概 325 左右就够，现在很多学校甚至不再要求 GRE 了。文书虽然重要，但更多是锦上添花。
Susie：那您周围的同学是更多直博，还是先读硕士再读博士？
Jay：
大部分还是先硕后博。直博比例不算高，比如我们系近三年每年可能只有两三个直博生。相对来说，从名校硕士升博士更常见。不同学校也有自己的“生源偏好”，比如我们系每年都会从哥大、密歇根、霍普金斯、杜克和本校硕士里招收学生。原因是这些学校的硕士培养出来的学生质量稳定，而且导师之间背景相近，也会更倾向招收。
Susie：生物统计博士毕业后一般去哪里？硕士和博士的就业有什么区别？
Jay：
我身边大概有 50%–60% 的同学去药厂，20% 留在学术界，其余去科技行业或金融行业。药厂和药监局是最主要的雇主。
硕士在药厂一般做 SAS programmer、数据处理等基础工作；博士则负责临床试验设计、关键统计分析、数据解读等更高层级的任务。长期来看，中高层岗位基本上都要求博士学历，硕士在晋升上会遇到瓶颈。
当然，如果你转去科技行业，硕士也完全可以找到不错的岗位，甚至薪资更高。但在医疗健康行业，博士学历的优势非常明显。
Susie：那博士毕业去药厂，薪资大概是多少？
Jay：
一般起薪在13 万到 16 万美金之间，这是 base salary。除此之外还有 10%–15% 的年度奖金，股票相对少一些，但也会有。再加上公司匹配的养老金，比如你交 1.5 万，公司也帮你交 1.5 万，这些都是隐性福利。整体来说，药厂待遇稳定，但股票和高额奖金远不如科技公司。
【竞赛报名/项目咨询+微信：mollywei007】
