技能介绍

临床 ML 里你在对抗什么

电子病历（EHR）、生理信号和医学影像往往混在多种编码体系（ICD、NDC、RxNorm、ATC）和异构事件结构里。死亡率、再入院、用药推荐等任务还要兼顾按患者划分、类别不平衡，以及上线前的校准与可解释性——用通用 pandas 流水线硬拼，很容易在编码翻译、任务定义和评估指标上重复造轮子。

PyHealth 怎么组织工作流

本技能围绕 PyHealth 的五阶段流水线展开，把医疗 AI 常见环节串成可复用模块：

数据加载：通过统一接口访问 MIMIC-III/IV、eICU、OMOP、睡眠 EEG 等 10+ 数据集，并处理事件 / 患者 / 就诊等核心结构。
任务定义：内置 20+ 临床预测任务（死亡率、再入院、住院时长、药物推荐、睡眠分期、ICD 编码等），也支持自定义任务的输入输出模式。
模型选择：33+ 模型，从逻辑回归、MLP、CNN、RNN、Transformer 到 RETAIN、SafeDrug、GAMENet、StageNet 等医疗专用架构。
训练与评估：Trainer 类负责训练、推理与指标；文档覆盖公平性、校准（Platt / 温度缩放）、不确定性（共形预测、MC Dropout）及 SHAP、注意力等解释手段。
医学编码与预处理：InnerMap / CrossMap 做 ICD-9/10、CCS、NDC、RxNorm 等跨系统翻译；15+ 处理器处理序列填充截断、EEG 滤波分割、标签与缺失值。

技能内 references/ 按主题拆分（datasets、medicalcoding、tasks、models、preprocessing、trainingevaluation），适合按用例分步查阅，例如 ICU 死亡率用 RETAIN、用药推荐用带 DDI 约束的 SafeDrug。

适用边界与注意点

数据与算力：深度学习通常需要数千级患者样本；大型 cohort 可能占数十到数百 GB 存储，训练建议 GPU，内存紧张时需减小 max_seq_length 或批次。
验证与合规：务必做外部验证与时间顺序划分，避免同一患者泄露到多个 split；部署前需临床审查，并处理 HIPAA/GDPR 等隐私与公平性要求。
性能预期：资料称医疗数据处理较 pandas 有约 3 倍加速，但最终指标仍依赖数据质量、编码错误与罕见事件的指标选择（如二分类罕见事件更关注 AUPRC）。