sunlabuiuc/PyHealth

解決的問題

PyHealth 是一個專為簡化臨床預測建模的開發、測試與部署而設計的深度學習工具包。它透過提供標準化、模組化的資料處理與預測模型實作流程，解決了建構醫療AI應用的複雜性。

如何運作

此工具包將醫療機器學習工作流程組織為模組化的五階段流程：

1. Dataset：載入並結構化臨床資料集（例如 MIMIC-III、MIMIC-IV、eICU、OMOP-CDM）。
2. Tasks：將患者資料轉換為特定任務的樣本，如藥物推薦、死亡率預測或再入院預測。
3. Models：提供超過33個預建構的機器學習模型（包括 RNN、LSTM、Transformer 及 RETAIN、SafeDrug 等專用模型）。
4. Trainer：管理訓練參數、最佳化與模型儲存。
5. Metrics：使用常見的臨床評估指標進行效能評估。

此外，還包含獨立模組用於醫療代碼映射（本體查詢與跨系統映射）以及醫療代碼分詞器，用於將字串型標記轉換為整數索引。

適用對象

專為需要建構可重現且可存取的臨床深度學習模型的機器學習研究人員與醫療從業人員設計。

主要亮點

• 醫療導向：原生支援醫療代碼與主要臨床資料集。
• 豐富的模型庫：超過33個預建構模型，開箱即用。
• 高效率：資料處理速度約為 pandas 的3倍。
• 模組化設計：管道的每個階段均可獨立使用或客製化。
• 全面的工具支援：內建醫療代碼映射與分詞功能。