PyHealth — healthcare AI toolkit
⚠️ USAGE AUTORISÉ UNIQUEMENT — construire, tester et valider des modèles ML cliniques avec PyHealth 2.x : datasets EHR (MIMIC-III/IV, eICU, OMOP), tâches de prédiction clinique (mortalité, réadmission, recommandation de médicaments), codage médical (ICD, NDC, ATC) et modèles deep learning cliniques (RETAIN, SafeDrug, GAMENet, Transformer)
- Quoi
- ⚠️ USAGE AUTORISÉ UNIQUEMENT — construire, tester et valider des modèles ML cliniques avec PyHealth 2.x : datasets EHR (MIMIC-III/IV, eICU, OMOP), tâches de prédiction clinique (mortalité, réadmission, recommandation de médicaments), codage médical (ICD, NDC, ATC) et modèles deep learning cliniques (RETAIN, SafeDrug, GAMENet, Transformer)
- Coût
- Gratuit
- Prérequis
- un environnement Python 3.12 ou 3.13 dédié (uv venv --python 3.13) — PyHealth 2.0.2 épingle numpy 2.2 / torch 2.7 / transformers 4.53 ; GPU recommandé pour les modèles deep ; vos propres données — MIMIC-III/IV et eICU exigent VOTRE accès credentialed PhysioNet et un data use agreement (ne jamais copier de dossiers restreints dans des prompts ou dépôts)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill alterlab-pyhealth de @alterlab-ieu, listé ici avec crédit à son créateur (fait partie de la suite AlterLab Academic Skills) : une référence complète pour le machine learning clinique avec la boîte à outils PyHealth 2.x. ⚠️ AUTHORIZED USE ONLY / ⚠️ USAGE AUTORISÉ UNIQUEMENT — les données MIMIC-III/IV et eICU exigent l'accès credentialed PhysioNet de l'utilisateur et un data use agreement ; ne jamais copier de dossiers restreints dans des prompts, notebooks ou dépôts non couverts par l'accord. Le skill couvre le pipeline modulaire en 5 étapes (chargement de données, définition de tâches, sélection de modèles, entraînement avec le Trainer, validation), une documentation des gotchas de version de la réécriture API PyHealth 2.0 (tâches en classes instanciables, listes de tables explicites, modèles guidés par schéma, chaînes de métriques sans suffixe `_score`), des cas d'usage cliniques (prédiction de mortalité en USI, recommandation sécurisée de médicaments, prédiction de réadmission, stadification du sommeil depuis EEG, traduction de codes médicaux, codage ICD depuis texte clinique), un workflow complet et exécutable de prédiction de mortalité, et une section sérieuse de validation clinique — calibration, prédiction conformale, métriques d'équité, interprétabilité, reporting TRIPOD+AI. Bémols honnêtes : les modèles sont des estimations de risque de niveau recherche pour cliniciens qualifiés, pas des dispositifs médicaux — le déploiement comme dispositif médical relève de la réglementation (p. ex. FDA SaMD, EU MDR) ; les modèles deep exigent des milliers de patients et un GPU ; PyHealth 2.0.2 épingle sa stack (Python 3.12-3.13, numpy 2.2, torch 2.7), donc il faut son propre environnement. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : un environnement Python 3.12 ou 3.13 dédié (uv venv --python 3.13) — PyHealth 2.0.2 épingle numpy 2.2 / torch 2.7 / transformers 4.53 ; GPU recommandé pour les modèles deep ; vos propres données — MIMIC-III/IV et eICU exigent VOTRE accès credentialed PhysioNet et un data use agreement (ne jamais copier de dossiers restreints dans des prompts ou dépôts) Installe-moi « PyHealth — boîte à outils IA pour la santé ». Il donne à mon agent la référence PyHealth 2.x de @alterlab-ieu : loaders de datasets EHR (MIMIC-III/IV, eICU, OMOP), classes de tâches de prédiction clinique (mortalité, réadmission, durée de séjour, recommandation de médicaments), utilitaires de codage médical (ICD/NDC/ATC/CCS via InnerMap/CrossMap), modèles deep learning cliniques (RETAIN, SafeDrug, GAMENet, Transformer, GAT/GCN), le Trainer avec métriques et monitoring, guides de calibration/prédiction conformale/équité/interprétabilité, reporting TRIPOD+AI, et un workflow complet et exécutable de prédiction de mortalité. Fait partie de la suite AlterLab Academic Skills. Licence MIT. Dépôt : https://github.com/alterlab-ieu/alterlab-academic-skills/blob/main/skills/clinical-research/alterlab-pyhealth/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur — l'accès aux datasets passe par mon propre compte PhysioNet credentialed. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « alterlab-pyhealth ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. uv venv --python 3.13 et uv pip install "pyhealth>=2.0.2" ; compléter le credentialing PhysioNet et signer le data use agreement avant de toucher MIMIC/eICU ; splitter par patient ; traiter les sorties comme des estimations de risque de recherche, pas des décisions cliniques). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.