最近在整理美国研究生项目时，我发现有两个专业，名字很相似，也特别容易被混淆。
一个是Health Data Science，健康数据科学。
另一个是Healthcare Analytics，医疗分析。
这两个专业都涉及医疗、数据分析、统计和人工智能，很多课程也有重叠。但仔细研究美国大学的硕士项目，会发现一个有意思的现象。
Health Data Science通常开设在公共卫生学院或者医学院，而Healthcare Analytics则更多出现在商学院、公共政策学院或者信息管理学院。
为什么会有这样的区别？这两个专业究竟培养什么样的人才？不同本科背景的学生又应该怎么选择？
今天，我想结合哈佛大学和卡内基梅隆大学的两个硕士项目，聊聊它们的区别。
01
Health Data Science和Healthcare Analytics，最重要的区别是什么？
我觉得还是可以用之前介绍专业的方法，从两个问题来理解：
主要处理什么数据？希望解决什么问题？
简单来说，Health Data Science更关注利用统计、机器学习和AI，从医疗健康数据中发现规律、建立预测模型。
而Healthcare Analytics更关注利用数据分析，帮助医院、医疗保险公司、制药企业等机构改善运营、控制成本和支持决策。
举个例子，同样是研究癌症。
Health Data Science的研究人员，可能会收集大量癌症患者的病历、实验室检查结果、治疗记录等数据，利用机器学习建立预测模型，分析哪些患者更容易复发，或者哪些因素会影响治疗效果。
他们主要希望通过数据分析，更好地理解和预测患者的健康状况。
Healthcare Analytics的研究人员，可能会分析癌症患者的治疗费用、住院时间、医院床位使用情况以及不同治疗方案的成本和效果，帮助医院优化资源配置，提高医疗服务效率。
或者在制药企业，通过分析药品销售、医保支付和市场数据，为药品定价、市场准入等商业决策提供支持。
所以，如果简单区分：
Health Data Science更关注如何利用数据分析改善健康预测和医学研究，而Healthcare Analytics更关注如何利用数据支持医疗行业的运营、管理和商业决策。
当然，两者并不是完全分开的。
例如，预测患者的再次入院风险，既可以属于Health Data Science，也可以用于Healthcare Analytics，因为预测结果还能够帮助医院安排床位和医护人员。
区别更多在于，数据分析最终希望解决什么问题。
02
为什么Health Data Science通常设在公共卫生学院或医学院？
我们来看几所美国大学的硕士项目。
-
哈佛大学公共卫生学院开设了SM in Health Data Science。
-
达特茅斯学院的Geisel医学院开设了MS in Health Data Science。
-
密歇根大学的School of Public Health开设了MS in Health Data Science。
-
UCLA的Fielding School of Public Health也开设了Master of Data Science in Health。
这些项目有一个共同特点，就是通常把统计、机器学习、编程和数据科学方法，与医学、公共卫生研究结合起来。
其中，哈佛的Health Data Science是一个很好的例子。
这个硕士设在公共卫生学院的Biostatistics，也就是生物统计领域。
核心课程包括Statistical Inference、Statistical Learning、Computing for Big Data，以及Production Data Science and AI Systems。
可以看到，它对数学、统计和计算能力的要求比较高。
学生不仅学习如何处理医疗健康数据，还要掌握如何建立、评估和应用统计及机器学习模型。
所以，Health Data Science虽然名字里有Health，但本质上是一个定量和计算训练很强的专业。
对于本科Statistics、Mathematics、Computer Science、Data Science，以及有较强定量基础的生物医学背景学生，都值得考虑。
03
Healthcare Analytics为什么更多出现在商学院？
再来看Healthcare Analytics。
华盛顿大学圣路易斯分校，也就是WashU，在Olin商学院的MS in Business Analytics下面，设置了Healthcare Analytics方向。
杜克大学Fuqua商学院开设了MSQM in Health Analytics，结合商业管理、数据分析和医疗行业知识。不过，这个项目是主要面向在职人士的线上硕士。
而我觉得最有代表性的，是卡内基梅隆大学，也就是CMU的MS in Health Care Analytics。
这个项目设在Heinz College，也就是信息系统与公共政策学院。
它不是传统的商学院，但培养方向与商业分析、医疗管理和公共政策有很多交叉。
我们看一下它的课程。
除了Statistics、Python、Machine Learning、Database Management，还有Health Economics、Health Systems、Health Policy、Financial Applications in Health Care，以及Decision Analytics。
这说明什么？
Healthcare Analytics不仅要求学生会分析数据，还希望他们理解医疗行业是如何运作的，以及如何把数据分析结果转化为实际决策。
例如，
一家医院应该如何分配医疗资源？
一家医疗保险公司如何分析成本与风险？
一家医疗科技公司如何利用数据改善产品和服务？
这些都是Healthcare Analytics可能研究的问题。
因此，Healthcare Analytics并不是一个技术要求很低的医疗管理专业。
它同样需要统计、编程和机器学习能力，只是除了这些技术，还会特别强调商业、经济、政策和管理决策。
04
不同本科背景的学生，应该怎么选择？
我觉得可以大致分为三类。
第一类，Computer Science、Statistics、Mathematics、Data Science等背景的学生。
如果已经有比较好的编程和定量基础，尤其做过医疗数据分析、疾病预测、医学AI等科研项目，我会更建议考虑Health Data Science。
当然，如果学生的兴趣是医疗行业的商业分析和运营优化，也可以考虑Healthcare Analytics。
第二类，Business、Economics、Industrial Engineering等背景的学生。
如果学生做过商业分析、运营优化、咨询、医疗保险或者制药企业相关实习，那么Healthcare Analytics可能更加匹配。
尤其是未来希望从事Healthcare Consulting、Healthcare Operations、医疗商业分析等工作的学生。
第三类，Biomedical Engineering、Biology、Public Health等背景的学生。
这类学生两种方向都可以考虑。
关键还是看具体经历。
例如，一个Biomedical Engineering学生做过临床预测模型、医学数据分析，Health Data Science可能更相关。
而一个Public Health学生做过医院运营、医疗成本或者Healthcare Consulting相关项目，Healthcare Analytics可能更符合他的申请背景和职业目标。
所以，我认为决定申请方向的关键，不只是本科专业，而是学生做过什么科研、实习，以及未来希望从事什么工作。
05
最后，我想给申请者一个建议
Health Data Science和Healthcare Analytics虽然名字相似，但培养重点还是有区别的。
一个通常更加关注健康数据科学方法、疾病研究和预测。
另一个则更加关注利用数据分析，支持医疗行业的实际决策。
从学院设置上也能看到这种区别。
Health Data Science经常出现在医学院、公共卫生学院，而Healthcare Analytics更多出现在商学院、公共政策学院以及信息管理学院。
不过，这并不是绝对的分类标准。
不同大学的项目可能有很多交叉，而且同一个项目也可能同时培养技术分析和商业决策能力。
因此，在研究生申请时，我仍然建议大家不要只看专业名称，也不要简单地认为医学院的项目就一定适合生物本科，商学院的项目就一定适合商科本科。
更重要的是，看看项目的课程设置、研究和实践机会，以及你过去的经历和未来的职业目标是否匹配。
其实，随着AI和数据科学在医疗领域的应用越来越广泛，相关的交叉专业也越来越多。
除了Health Data Science和Healthcare Analytics，还有Biomedical Informatics、Health Informatics、Public Health Data Science等。
它们的名字看起来很相似，课程也有重叠。
但我觉得，仍然可以从两个最基本的问题出发：
处理什么数据？希望解决什么问题？
理解了这两个问题，就能更清楚地判断，不同专业究竟适合什么样的学生。
