pyhealth

PyHealth: 医疗 AI 工具包 - 临床机器学习与医疗数据处理框架

技能概述

PyHealth 是一个专为医疗 AI 设计的 Python 工具包，帮助开发者快速处理电子健康记录（EHR）、构建临床预测模型、进行医疗编码转换，支持从数据加载到模型部署的完整工作流程。

适用场景

1. 医疗数据集分析与处理

当你需要处理 MIMIC-III/IV、eICU、OMOP 等主流医疗数据集时，PyHealth 提供统一的标准化接口，支持患者、就诊、事件三层数据结构，比 pandas 快 3 倍的数据处理性能，让你专注于模型开发而非数据清洗。

2. 临床预测模型开发

当你需要构建死亡率预测、再入院风险、药物推荐、住院时长预测等临床任务时，PyHealth 内置 20+ 预定义任务和 33+ 模型（包括 RETAIN、SafeDrug、Transformer 等医疗专用模型），简化建模流程，加速研究迭代。

3. 医疗编码转换与标准化

当你需要在不同医疗编码系统之间转换时（如 ICD-9/10、NDC、ATC、RxNorm），PyHealth 提供 InnerMap 和 CrossMap 工具，支持跨系统翻译和层级分类，无需手动维护复杂的编码映射表。

核心功能

1. 一站式医疗数据加载

支持 10+ 医疗数据集的自动加载和标准化，包括 EHR 数据（MIMIC、eICU、OMOP）、生理信号（睡眠 EEG、心电 ECG）、医学影像和临床文本，提供按患者分割的训练/验证/测试集划分功能，有效防止数据泄露。

2. 丰富的临床预测任务

内置死亡率预测、医院再入院、药物推荐、住院时长、医疗编码等 20+ 临床任务，支持自定义任务定义。每个任务自动处理输入输出格式、标签过滤和样本生成，适配不同的数据类型（EHR、信号、影像、文本）。

3. 医疗专用深度学习模型

提供 33+ 模型选择，包括通用基线（逻辑回归、MLP、CNN、RNN、Transformer）和医疗专用模型（RETAIN、SafeDrug、GAMENet、StageNet、AdaCare），支持可解释性分析、模型校准、不确定性量化等临床部署必需功能。

常见问题

PyHealth 是什么？主要用途是什么？

PyHealth 是一个开源的医疗 AI 工具包，专门用于处理临床数据和开发医疗机器学习模型。它主要用于电子健康记录（EHR）分析、临床预测任务（如死亡率预测、药物推荐）、医疗编码转换（ICD、NDC、ATC 等）以及生理信号处理（EEG、ECG）。相比通用机器学习框架，PyHealth 针对医疗数据的特点进行了优化，提供了标准化接口和预置模型。

PyHealth 支持哪些医疗数据集？

PyHealth 支持 10+ 主流医疗数据集，包括：EHR 数据（MIMIC-III、MIMIC-IV、eICU、OMOP CDM）、生理信号（SleepEDF、SHHS 睡眠 EEG 数据）、医学影像（COVID-19 胸部 X 光）、临床文本（MIMIC 临床笔记）。所有数据集通过统一接口加载，自动处理数据格式差异，方便跨数据集研究。

使用 PyHealth 需要什么基础？

PyHealth 适合具备 Python 基础和机器学习概念的用户。虽然医疗背景知识有助于理解业务场景，但不是必需的——PyHealth 的文档提供了详细的领域知识说明。技术要求方面，需要 Python ≥ 3.7、PyTorch ≥ 1.8，推荐使用 GPU 加速深度学习训练。如果你熟悉 PyTorch，上手 PyHealth 会非常快。