[项目学习]PyHealth-临床预测建模的深度学习工具箱

会议/期刊：KDD’23 Tutorial
作者: Chaoqi Yang, Zhenbang Wu, Patrick Jiang, Zhen Lin, Junyi Gao, Benjamin P. Danek,…
机构: UIUC, UE
主页: PyHealth
代码: Github
教程: google drive

包含任务类型：

• 临床预测建模：readmissiong prediction, length of stay prediction task，mortality prediction, diagnosis-based drug recommendation
• 生理信号的深度学习：sleep staging, EEG event detection, abnormal EEG detection, arrythmia detection
• 医学图像：x-ray representation learning, chest disease classification, medical report generation
• 生物医学文本：clinical notes classification and medical report generation
• 预训练模型相关：Medical concept lookup, mapping and embeddings

PyHealth简介

『说明』：开箱即用，集成了一部分模型（CNN、LSTM、GRU…），支持多个开源数据（MIMIC3 MIMIC4 eICU…），也支持个人数据集（提供了函数将样本处理成json格式的数据，在这个json数据中，有一个标签label，通过这个标签去控制这个任务是什么类型的任务，二分类、多分类…），可支持“基于诊断的药物推荐”、“患者住院和死亡率预测”、“ICU停留时间预测”等医疗任务。

医疗任务构建流程

• 安装（pip install pyhealth或git clone下在pyhealth目录下 pip install .）
  • 这个包有三个关键功能，数据处理、多个模块的单独调用、医疗代码的映射
• 加载数据集（pyhealth.datasets）
• 定义任务函数（pyhealth.tasks）
• 构建ML/DL模型(pyhealth.models)
  • 只要传入数据集、特征列、标签，然后告诉是什么类型（分类、回归…）任务即可
• 模型训练(pyhealth.trainer)
• 推理及评价（pyhealth.metrics）

模块介绍

pyhealth.datasets

与任务独立，支持多个数据集，输出的是一个多级字典结构，如：mimic3

以图的形式对患者的诊疗数据分层（逐级）：字典

• 患者level，在这一层中包含患者的访问记录，人口统计学信息…，会有Visit属性
• 访问level（医院）
• 涉及事件：诊断、程序、开药（临床时序数据）

以图的形式将数据处理结果展示，最上层是不同患者，在这一层中除了包含第二层的Visit属性，还会包含患者本身信息，比如患者ID，visit_id（等价inhos_times），患者人口统计学信息，在第二层中细化了第一层的VISIT属性，同时在第二层又包含了第三层的事件列表属性，第二层中包含了患者在不同医院的就诊记录，第三层细化了第二层的事件列表，如某医院的就诊事件：诊断、用药…

pyhealth.tasks

定义如何将每个患者的数据处理为任务的一组样本。在这个包里，提供了几个任务示例，比如：drug recommendation和length of stay prediction

pyhealth.models

提供参数配置相似但模型不同的机器学习模型

pyhealth.trainer

指定训练参数，例如epoch、优化器、学习率等，训练器会自动保存最佳模型和最终输出路径

pyhealth.metrics

提供了几种常见的评估指标，对二分类、多分类或多标签分类设置与sklearn.metrics中的评价指标有相同的样式和参数，同时还对不同的任务，提供了模型校准的相关指标以及预测集评估的相关指标&#x