技能介绍

要解决什么问题

临床机器学习往往卡在「数据形态不统一」和「重复造轮子」：MIMIC、eICU、OMOP-CDM 等 EHR 结构各异，死亡率、再入院、药物推荐、睡眠分期、ICD 编码等任务又各自需要拆分、特征与评估方式。若从零写 PyTorch 训练循环、患者级划分和医疗代码映射，很容易在样本级划分上泄露同一患者、或在 BaseDataset 与 SampleDataset 之间传错对象。

技能如何工作

PyHealth 用一条固定的 五阶段管道 组织代码：数据集 → 任务 → 模型 → 训练器 → 指标。每个阶段可替换，接口稳定；完整管道通常不到二十行。

数据集：如 MIMIC3Dataset、MIMIC4Dataset，通过 set_task(task) 得到模型所需的 SampleDataset（不要直接把 Base 注册表喂给模型）。
任务：与数据集绑定，例如 MIMIC-III 用 MortalityPredictionMIMIC3，MIMIC-IV 用对应 MIMIC4 任务类。
拆分：默认按患者（或就诊）划分，避免随机样本拆分导致信息泄露。
训练与监控：Trainer 负责检查点、日志与最佳 epoch；二分类常用 pr_auc/roc_auc，多标签药物推荐用 pr_auc_samples 等。
医疗代码：支持 ICD-9/10、ATC、NDC、RxNorm、CCS 等查找与交叉映射（见技能内 medcode 参考）。

覆盖 EHR、生理信号（如 SleepEDF、SHHS）与医学影像（如 ChestX-ray14、COVID19-CXR）等常见公开基准。

适用边界

适合工作流已对齐上述五阶段、且涉及临床/医疗 ML 的场景。若只是对普通表格数据做通用 PyTorch 回归或分类，不必强行上 PyHealth。MIMIC-IV 构造数据集时使用 ehr_root= 而非 root=；需要可复现实验时，应为 cache_dir= 指定持久化目录，避免每次重新解析。无 MIMIC 凭据时，可用官方提供的合成 MIMIC-III 桶做学习与演示。