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
- Python 3.12 ou 3.13, sans installation préalable — exécution avec `uv run --python 3.13 --with "pyhealth>=2.0.2,<2.1"` (aucun virtualenv à créer ; sur une machine sans GPU, prendre torch depuis l'index CPU uniquement, voir étape 5) — PyHealth 2.0.2 épingle numpy 2.2 / torch 2.7 / transformers 4.53 ; GPU recommandé pour les modèles deep ; vos propres données — les démos MIMIC-IV, eICU-CRD et MIMIC-III et le MIMIC-III synthétique de PyHealth sont ouverts et ne demandent aucun accès ; les données MIMIC-III/IV et eICU COMPLÈTES 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 COMPLÈTES exigent l'accès credentialed PhysioNet de l'utilisateur et un data use agreement (les démos MIMIC-IV, eICU-CRD et MIMIC-III et le MIMIC-III synthétique de PyHealth sont ouverts et ne demandent aucun accès) ; 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) et s'exécute sans installation préalable via uv run, ses épingles restant isolées à chaque exécution. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
PyHealth — healthcare AI toolkit est un skill gratuit pour Muse qui propose référence pour le ML clinique avec PyHealth 2.x, couvrant le pipeline de chargement, définition, sélection, entraînement et validation. Il couvre prédiction de mortalité, recommandation médicamenteuse, prédiction réadmission et codage ICD, avec une section validation. Accès autorisé, puisque les données MIMIC et eICU exigent accès PhysioNet et accord.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 6fa2616Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : Python 3.12 ou 3.13, sans installation préalable — exécution avec `uv run --python 3.13 --with "pyhealth>=2.0.2,<2.1"` (aucun virtualenv à créer ; sur une machine sans GPU, prendre torch depuis l'index CPU uniquement, voir étape 5) — PyHealth 2.0.2 épingle numpy 2.2 / torch 2.7 / transformers 4.53 ; GPU recommandé pour les modèles deep ; vos propres données — les démos MIMIC-IV, eICU-CRD et MIMIC-III et le MIMIC-III synthétique de PyHealth sont ouverts et ne demandent aucun accès ; les données MIMIC-III/IV et eICU COMPLÈTES 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://raw.githubusercontent.com/alterlab-ieu/alterlab-academic-skills/6fa26160d28f14ba3daf22a8cb30b91ea3d46837/skills/clinical-research/alterlab-pyhealth/SKILL.md Version épinglée : installe le code au commit 6fa26160d28f14ba3daf22a8cb30b91ea3d46837 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. Mis à jour le 5 novembre 2026 : Skill Harbor a régénéré ce prompt d'installation à partir du fichier amont actuel. Ce qui a changé depuis la version décrite par le prompt précédent : l'installation est désormais sans installation préalable — `uv run --python 3.13 --with "pyhealth>=2.0.2,<2.1"` au lieu de créer un virtualenv avec `uv venv` puis d'installer avec `uv pip install`, avec un index torch CPU uniquement sur les machines sans GPU (l'épingle `<2.1` vient de ce que PyHealth 2.1.0, sorti le 2026-10-17, n'est pas encore vérifié pour ce skill) ; et les données démo sont désormais ouvertes — les démos MIMIC-IV, eICU-CRD et MIMIC-III et le MIMIC-III synthétique de PyHealth ne demandent aucun accès PhysioNet, tandis que l'accès credentialed PhysioNet et un data use agreement signé restent exigés pour les cohortes MIMIC-III/IV et eICU complètes. Le contenu du skill lui-même (loaders, classes de tâches, modèles, Trainer, guides de validation) est inchangé. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 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 complets passe par mon propre compte PhysioNet credentialed, tandis que les données démo sont ouvertes et ne demandent aucune connexion. 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. exécuter avec `uv run --python 3.13 --with "pyhealth>=2.0.2,<2.1"`, en ajoutant l'index torch CPU uniquement (`--index https://download.pytorch.org/whl/cpu --index-strategy unsafe-best-match`) sur une machine sans GPU ; les démos MIMIC-IV, eICU-CRD et MIMIC-III et le MIMIC-III synthétique de PyHealth sont ouverts et ne demandent aucun accès, tandis que les données MIMIC-III/IV et eICU complètes exigent toujours le credentialing PhysioNet et un data use agreement signé ; 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.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- 6fa2616 · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill 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 un skill avant de l’installer.