Pyhealth clinical dl

何时使用

当临床/健康 ML 任务符合 PyHealth 的五段式流水线（Dataset → Task → Model → Trainer → Metrics）时使用本条，典型场景：

• 提到 PyHealth、MIMIC-III/IV、eICU、OMOP-CDM、EHRShot、SleepEDF、SHHS、ISRUC、ChestX-ray14、TUEV/TUAB 等临床数据集。
• 要预测死亡率、再入院、住院时长（LOS）、用药推荐、睡眠分期、ICD 编码、EEG 事件、去标识化。
• 要查询或跨映射医疗编码（ICD-9-CM、ICD-10-CM、ATC、NDC、RxNorm、CCS）。
• 手上有 EHR 形态数据，想直接训练临床模型而不手写数据管道。

不该用本条的边界：

• 只是想在通用表格数据上跑原生 PyTorch → 不需要 PyHealth。
• 工作流不符合「数据集→任务→模型→Trainer」五段式，硬套通常是在和库对着干。

步骤

1. 装环境：PyHealth 2.0 需 Python ≥3.12 且 <3.14，用 uv 管理。
2. Dataset：实例化数据集类（如 MIMIC3Dataset），得到可查询的患者注册表 BaseDataset。
3. Task：base.set_task(task) 把患者转成有监督样本，得到 SampleDataset（模型/切分/DataLoader 都吃这个）。
4. 切分 + DataLoader：split_by_patient（默认）按患者切分防泄漏，get_dataloader 构建 loader。
5. Model：把 SampleDataset 传给模型（Transformer/RETAIN/GAMENet/SafeDrug/MICRON/StageNet/AdaCare/CNN/RNN/MLP）。
6. Trainer + Metrics：用 Trainer.train(...) 训练并按 monitor 选最佳 checkpoint，inference 后用对应指标函数评估。

指令

安装（uv）：

uv init my-pyhealth-project && cd my-pyhealth-project
uv python pin 3.12
uv add pyhealth            # 会一并拉入 PyTorch
uv run python train.py
# 一次性脚本：uv run --with pyhealth python script.py
# 旧 1.x 线（Python 3.9+）：uv add pyhealth==1.16

选型决策：

• 任务要匹配数据集：任务类与数据集绑定。MortalityPredictionMIMIC3 不能用于 MIMIC-IV，后者用 MortalityPredictionMIMIC4 / InHospitalMortalityMIMIC4。
• monitor 要匹配任务类型：二分类用 "pr_auc"/"roc_auc"；多标签（用药推荐）用 "pr_auc_samples"/"jaccard_samples"；多分类用 "accuracy"/"f1_macro"。选错会保存错误 epoch 的 checkpoint。
• 写最小、地道的 PyHealth，别在原生 PyTorch 里重造训练循环——Trainer 自带 checkpoint、日志、最佳模型选择。

示例

完整流水线通常 <20 行，这是规范形态，从此出发改造：

from pyhealth.datasets import MIMIC3Dataset, split_by_patient, get_dataloader
from pyhealth.tasks import MortalityPredictionMIMIC3
from pyhealth.models import Transformer
from pyhealth.trainer import Trainer
from pyhealth.metrics.binary import binary_metrics_fn

# 1. Dataset —— 原始患者注册表（BaseDataset）
base = MIMIC3Dataset(
    root="https://storage.googleapis.com/pyhealth/Synthetic_MIMIC-III/",
    tables=["DIAGNOSES_ICD", "PROCEDURES_ICD", "PRESCRIPTIONS"],
    # cache_dir="./cache",   # 可复现：缓存解析结果，避免每次重解析
)

# 2. Task —— 把患者转成有监督样本（SampleDataset）
samples = base.set_task(MortalityPredictionMIMIC3())

# 3. 切分 + DataLoader（按患者切分防泄漏）
train_ds, val_ds, test_ds = split_by_patient(samples, [0.8, 0.1, 0.1])
train_loader = get_dataloader(train_ds, batch_size=32, shuffle=True)
val_loader   = get_dataloader(val_ds,   batch_size=32, shuffle=False)
test_loader  = get_dataloader(test_ds,  batch_size=32, shuffle=False)

# 4. Model —— 必须传 SampleDataset（samples），不是 BaseDataset（base）
model = Transformer(dataset=samples)

# 5. 训练 + 评估
trainer = Trainer(model=model)
trainer.train(train_dataloader=train_loader, val_dataloader=val_loader,
              epochs=50, monitor="pr_auc")

y_true, y_prob, _ = trainer.inference(test_loader)
print(binary_metrics_fn(y_true, y_prob, metrics=["pr_auc", "roc_auc"]))

演示/学习无需凭证，可直接用合成 MIMIC-III 桶 https://storage.googleapis.com/pyhealth/Synthetic_MIMIC-III/；有私有 MIMIC 访问权时把 root 指向本地 CSV 目录。

注意事项

1. 模型吃 SampleDataset，不是 BaseDataset：MIMIC3Dataset(...) 返回的是可查询注册表，只有 .set_task(task) 之后才得到模型/切分/DataLoader 所需的 SampleDataset。误传 base 会报错或行为异常。
2. 始终按患者（或就诊）切分，别按样本：随机样本级切分会让同一患者跨训练/测试，造成信息泄漏。患者级用 split_by_patient；仅当各次就诊独立时才用 split_by_visit。
3. 任务要匹配数据集：任务类是数据集专属的（见上文 MIMIC-III vs MIMIC-IV）。
4. monitor 要匹配任务类型：见「指令」，选错保存错误 epoch。
5. MIMIC-IV 用 ehr_root= 而非 root=：这是数据集构造器里唯一的不一致点。
6. 要可复现就设 cache_dir= 到持久目录：PyHealth 会缓存解析后的数据集，不设则每次重新解析。

互见

• related：dicom-medical-imaging —— PyHealth 也覆盖影像数据集（ChestX-ray14），影像 I/O 与预处理可参此
• related：guided-statistical-analysis —— 临床指标解读与统计检验
• combines_with：scientific-database-lookup —— 查询医疗编码/本体（ICD/ATC/RxNorm）背景信息时

---

本条采编自 K-Dense-AI/scientific-agent-skills（MIT），适配重写而非逐字翻译。