2.在你的卫生服务研究培训中，什么是重要的?
我接受的研究培训与大多数卫生服务研究人员略有不同。在临床实习期间，我获得了流行病学硕士学位，这为我在研究设计和分析以及科学写作方面打下了坚实的基础。我发现我对生物统计学和统计编程最感兴趣，并选修了许多这方面的课程。为了获得初级信息学培训和额外的计算知识和技能，随着时间的推移，我完成了生物医学数据科学的兼职博士后研究，并获得了临床信息学的委员会认证。

3.你目前的研究提供的主要信息是什么?
大数据、机器学习、人工智能(AI)和数据科学最近经常出现在新闻中。人工智能在20世纪90年代有过一波炒作浪潮，随后出现了崩溃，当时几乎没有看到现实世界的影响。训练数据中的种族偏见和最近发布的预测系统的其他问题可能会导致当前的炒作浪潮有所放缓。我认为现在最重要的信息之一就是管理预期。数据科学不能解决所有问题，但如果我们谨慎而严谨，它将对健康产生真正的影响——就像任何科学过程一样。另一个重要的信息是，新的计算工具只有在设计时考虑了目标用户的输入(这可能是提供者、患者、家庭等)，才会产生影响。

4.你未来研究的目标或领域是什么?
使用来自电子健康记录的结构化数据(账单代码、索赔、实验室结果等)已经完成了大量工作，但更多的患者信息以文本笔记、图像和在医疗接触期间生成的信号的形式呈现。由于技术和治理方面的挑战，这些数据更加难以访问并纳入新工具。我们的目标之一是降低在安舒茨校园使用文本、图像和信号数据的障碍。我们小组的主要重点是开发和转化新的工具和系统到现实世界的使用，并测试它们的有效性。这需要与卫生系统和务实的试验专家(如accord的专家)建立伙伴关系。

5.你对想在这一领域工作的研究人员有什么建议?
我参与了几个不同小组的领导工作，这些小组旨在将来自多个学科的研究人员聚集在一起，共同研究具有挑战性的问题。我们发现，能够有效地从临床或科学领域过渡到技术领域的研究人员是许多项目成功的关键。这与他们的主要工作领域无关——可能是对医疗保健数据有深入了解的计算机科学家，也可能是接受过信息学培训的临床科学家。正因为如此，我经常给那些对信息学和数据科学感兴趣的初级临床科学家们建议，技术(计算机科学、编程、信息学、统计学)技能是不可替代的。这并不是说这个领域的优秀工作不需要一个团队，而是说如果一个团队的成员在技能和语言上有真正的重叠，那么这个团队更有可能成功。