医療機関の研究者とデータ科学者は、複雑な臨床データ形式とコーディングシステムに苦労しています。PyHealthは、医療データセットの読み込み、EHRデータの処理、予測モデルの訓練、標準的な医療コードの操作のための統一されたツールキットを提供します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「pyhealth」を使用しています。 Show me how to load MIMIC-IV and set up mortality prediction
期待される結果:
このスキルはコード例を提供します：1) ルートディレクトリパスでMIMIC4Datasetを読み込む、2) mortality_prediction_mimic4_fnタスク関数を適用する、3) 患者ごとにデータをtrain/val/testセットに分割する、4) 指定されたバッチサイズでデータローダーを作成する、5) 診断と薬物の特徴量キーでTransformerモデルを初期化する。
「pyhealth」を使用しています。 How do I translate between ICD-9 and ICD-10 codes?
期待される結果:
このスキルは、CrossMap.loadを使用してICD9CMとICD10CMシステム間のマッピングオブジェクトを作成し、特定のコードでmapメソッドを呼び出す方法について説明します。一対多のマッピングが可能であることに触れ、階層レベル指定を使用した複数のmatchesの処理に関するガイダンスを提供します。
「pyhealth」を使用しています。 What models are available for drug recommendation tasks?
期待される結果:
このスキルは専門的なモデルをリストします：SafeDrugは薬物間相互作用の制約を伴う安全な薬物推奨用、GAMENetはパーソナライズされた薬物組み合わせ用、MICRONはメモリネットワークを使用した薬物予測用です。各モデルの説明には、アーキテクチャアプローチと特定のヘルスケアユースケースが含まれます。
セキュリティ監査
安全Static analysis detected 511 pattern matches across 8 documentation files. All findings are false positives from markdown formatting. The backtick patterns flagged as shell commands are code examples in documentation. Text patterns flagged as cryptographic weaknesses are medical terminology (MD5 medication codes, ICD codes). No actual security risks identified. This is a documentation-only skill with reference materials for the PyHealth healthcare AI library.
品質スコア
作れるもの
病院再入院予測
MIMIC-IVデータから患者の受診歴、診断、薬物療法、手順を使用して、30日間の病院再入院リスクを予測するモデルを構築する。
医療コード翻訳パイプライン
レガシーのICD-9診断コードを現在のICD-10標準に変換し、薬物のNDCコードをATC治療クラスにマッピングしてデータを標準化する。
マルチモーダル臨床予測
構造化EHRイベント、生理学的時系列信号、臨床ノートを組み合わせて、Transformerアーキテクチャを使用した死亡率予測モデルを開発する。
これらのプロンプトを試す
MIMIC-IVデータセットの読み込み方法と死亡率予測タスクの設定方法を教えてください
ICD-9診断コードをICD-10に変換し、NDC薬物コードをATCクラスにマッピングする方法を教えてください
RETAINアーキテクチャを使用して、患者の受診シーケンスを使用した30日間再入院予測モデルの構築を手伝ってください
ICU入院日数を予測するカスタム予測タスクを作成する必要があります。診断、検査値、バイタルサインを特徴量として使用してください
ベストプラクティス
- 患者情報をtrainとtestセット間で漏洩させるないように、必ず患者IDで医療データを分割してください
- 不均衡な臨床データセットでは、標準的な精度ではなくPR-AUCなどのヘルスケア特有の評価指標を使用してください
- 自動化されたマッピングにはエッジケースがある可能性があるため、重要なアプリケーションでは医療コードの翻訳を手動で検証してください
回避
- 患者情報が漏洩する可能性があるため、サンプルをランダムに分割することは避けてください
- 階層構造と臨床的意味を理解せずに、生のICDコードや薬物コードを使用しないでください
- 統計的検出力と汎化リスクを考慮せずに、小規模な患者コホートでモデルを訓練することは避けてください