pyhealth

PyHealth 是一個專為醫療人工智慧與臨床機器學習研究而設計的全方位 Python 函式庫。它提供了一個專門的模組化管道，旨在簡化臨床數據從原始電子健康紀錄 (EHR) 到部署就緒預測模型的生命週期。此技能適用於處理複雜醫學數據集與診斷架構的臨床研究人員、數據科學家及醫療 AI 工程師。該函式庫針對效能進行了優化，處理速度顯著高於標準 pandas 工作流，非常適合大規模臨床隊列分析。

• 完整支援各類主要醫療數據集，包括 MIMIC-III、MIMIC-IV、eICU 及 OMOP CDM。

• 強大的醫學編碼轉換引擎，涵蓋 ICD-9/10、NDC、RxNorm、ATC 及 CCS 系統，用於數據標準化。

• 預定義臨床預測任務庫，涵蓋死亡率預測、再入院風險、藥物推薦及住院天數預測。

• 豐富的 33 種以上專用模型庫，包括 RETAIN、SafeDrug、GAMENet、StageNet、AdaCare 以及用於 EHR 的先進 Transformer 與 GNN 架構。

• 針對序列事件、生理訊號 (EEG, ECG)、醫學影像及臨床文本的高級預處理能力。

• 整合式訓練與評估模組，支援公平性指標、校準、可解釋性分析及不確定性量化。

• 當您需要對 EHR 數據進行預測建模、在不同醫學編碼系統間進行轉換，或構建臨床決策支援工具時，請調用此技能。

• 在匯入數據前，請確保數據集已按照標準 EHR 結構（Patients, Visits, Events）進行格式化，本技能提供專用的介面與轉換器。

• 對於生理訊號任務，請先利用專用的預處理工具處理採樣率與時間對齊，再將數據輸入深度學習模型。

• 使用模型選擇模組來比較傳統邏輯迴歸與複雜的醫療專用神經網路，以評估模型性能。

• 本工具包可高效處理高維度稀疏臨床數據；在對縱向患者數據訓練基於 Transformer 的架構時，請確保運算環境具備充足的 GPU 記憶體。