PyHealth Clinical ML

• MIMIC-III/IV, eICU, OMOP-CDM, 또는 EHRShot과 같은 EHR 데이터셋을 다루며 임상 예측 모델을 훈련하고자 합니다.
• 원내 사망률, 30일 재입원, 재원 기간, 또는 약물 추천과 같은 임상 결과를 예측해야 합니다.
• PyHealth를 사용하여 생리 신호(SleepEDF, SHHS, ISRUC) 또는 의료 영상(ChestX-ray14, COVID19-CXR)을 포함한 파이프라인을 구축하고 있습니다.
• ICD-9-CM, ICD-10-CM, ATC, NDC, RxNorm, 또는 CCS와 같은 의료 코드를 조회하거나 상호 매핑해야 합니다.

• 임상 구조 없이 일반적인 테이블형 ML을 수행하는 경우 — 표준 scikit-learn 또는 PyTorch 워크플로우가 더 적합합니다.
• 데이터가 Dataset → Task → Model → Trainer → Metrics 패턴에 맞지 않고, 처음부터 완전히 커스텀한 학습 루프가 필요한 경우.

PyHealth Clinical ML은 각 단계가 안정적인 인터페이스를 갖는 Dataset → Task → Model → Trainer → Metrics 패턴을 엄격하게 적용합니다. 이 스킬은 BaseDataset과 SampleDataset 사이의 중요한 차이점을 포함하여 각 단계를 올바르게 안내합니다.

MIMIC-III/IV, eICU, OMOP-CDM, EHRShot, SleepEDF, SHHS, ISRUC, ChestX-ray14, COVID19-CXR, TUEV, TUAB를 지원합니다. 로컬 CSV 루트, 합성 데모 버킷, 영구 캐싱에 대한 안내를 포함합니다.

사망률 예측, 재입원, 재원 기간, 약물 추천, 수면 단계 분류, ICD 코딩, EEG 이벤트 감지, 비식별화를 위한 작업 정의를 제공하며, 각각 올바른 데이터셋 클래스와 매핑되어 있습니다.

Transformer, RETAIN, GAMENet, SafeDrug, MICRON, StageNet, AdaCare, CNN, RNN, MLP 모델의 선택 및 구성을 지원하며, 모델별 인수와 각 태스크 유형에 적합한 monitor 지표를 올바르게 설정하는 방법을 안내합니다.

ICD-9-CM, ICD-10-CM, ATC, NDC, RxNorm 및 CCS 코드 시스템 전반에 걸친 조회 및 상호 매핑을 지원하며, 코호트 구성 및 약물 관련 작업에 필수적입니다.

split_by_patient를 통해 환자 수준의 분할을 적용하여, 동일한 환자가 훈련 세트와 테스트 세트 모두에 나타나는 것을 방지합니다. 이는 임상 ML에서 흔히 발생하는 잠재적 오류입니다. 이 기능은 PyHealth Clinical ML에서 제공됩니다.

MIMIC-III 또는 MIMIC-IV를 로드하고, 적합한 사망률 태스크를 적용한 후, Transformer 또는 RETAIN 모델을 학습시키세요 — 이 스킬은 올바른 분할 전략과 지표 선택을 포함하여 모든 단계를 안내합니다.

MIMIC-III 처방 데이터에 GAMENet, SafeDrug, 또는 MICRON을 활용하여 pr_auc_samples 및 jaccard_samples와 같은 다중 레이블 지표를 통해 안전하고 정확한 약물 세트 예측을 수행합니다.

StageNet 또는 CNN 아키텍처를 활용하여 SleepEDF 또는 SHHS 데이터셋에서 수면 단계 분류 파이프라인을 구축하고, 신호별 데이터셋 로딩 및 다중 클래스 지표 구성에 대한 안내를 제공하는 PyHealth Clinical ML 기반 워크플로우입니다.

PyHealth Clinical ML의 내장 코드 유틸리티 함수를 활용하여 사용자 정의 조회 테이블 작성 없이 NDC 코드를 ATC 레벨로 교차 매핑하거나 코호트 구성을 위해 ICD-9 진단 코드를 ICD-10으로 변환합니다.