sunlabuiuc/PyHealth

해결하는 문제

PyHealth는 임상 예측 모델링의 개발, 테스트, 배포를 간소화하기 위해 설계된 딥러닝 툴킷입니다. 의료 AI 애플리케이션을 구축하는 복잡성을 해결하기 위해, 의료 데이터 처리 및 예측 모델 구현을 위한 표준화되고 모듈형의 파이프라인을 제공합니다.

작동 방식

이 툴킷은 의료 ML 워크플로우를 모듈형의 5단계 파이프라인으로 구성합니다:

1. Dataset: 임상 데이터셋(MIMIC-III, MIMIC-IV, eICU, OMOP-CDM 등)을 로드하고 구조화합니다.
2. Tasks: 환자 데이터를 약물 추천, 사망 예측, 재입원 예측 등의 특정 작업용 샘플로 변환합니다.
3. Models: RNN, LSTM, Transformer 및 RETAIN, SafeDrug과 같은 특화 모델을 포함해 33개 이상의 사전 구축된 ML 모델을 제공합니다.
4. Trainer: 학습 인자, 최적화, 모델 저장을 관리합니다.
5. Metrics: 일반적인 임상 평가 지표를 사용하여 성능을 평가합니다.

또한, 의료 코드 매핑(온톨로지 검색 및 시스템 간 매핑)과 문자 기반 토큰을 정수 인덱스로 변환하는 의료 코드 토크나이저와 같은 독립 모듈도 포함되어 있습니다.

대상 사용자

재현 가능하고 접근 가능한 임상 딥러닝 모델을 구축해야 하는 머신러닝 연구자 및 의료 전문가를 위한 것입니다.

주요 특징

• 의료 중심: 의료 코드 및 주요 임상 데이터셋에 대한 네이티브 지원.
• 풍부한 모델 라이브러리: 33개 이상의 즉시 사용 가능한 사전 구축된 모델.
• 고성능: 데이터 처리 속도가 pandas보다 약 3배 빠릅니다.
• 모듈형 설계: 파이프라인의 각 단계를 독립적으로 사용하거나 맞춤화할 수 있습니다.
• 포괄적인 도구 세트: 의료 코드 매핑 및 토크나이제이션을 내장된 지원 기능으로 제공합니다.