sunlabuiuc/PyHealth

解决的问题

PyHealth 是一个专为简化临床预测建模的开发、测试和部署而设计的深度学习工具包。它通过提供标准化、模块化的数据处理和预测模型实现流程，解决了构建医疗AI应用的复杂性。

如何工作

该工具包将医疗机器学习工作流组织为一个模块化的五阶段流程：

1. Dataset：加载并结构化临床数据集（例如 MIMIC-III、MIMIC-IV、eICU、OMOP-CDM）。
2. Tasks：将患者数据处理为特定任务的样本，如药物推荐、死亡率预测或再入院预测。
3. Models：提供超过33个预构建的机器学习模型（包括 RNN、LSTM、Transformer 以及 RETAIN 和 SafeDrug 等专用模型）。
4. Trainer：管理训练参数、优化和模型保存。
5. Metrics：使用常见的临床评估指标进行性能评估。

此外，还包含独立的模块用于医疗代码映射（本体查找和跨系统映射）以及医疗代码分词器，用于将基于字符串的标记转换为整数索引。

适用人群

专为需要构建可复现且可访问的临床深度学习模型的机器学习研究人员和医疗从业者设计。

主要亮点

• 医疗优先：原生支持医疗代码和主要临床数据集。
• 丰富的模型库：超过33个预构建模型，开箱即用。
• 高性能：数据处理速度约为 pandas 的3倍。
• 模块化设计：管道的每个阶段均可独立使用或自定义。
• 全面的工具支持：内置医疗代码映射和分词功能。