Klinische Entscheidungshilfesysteme für Patientensicherheit, Risikovorhersage und medizinische Interaktionsanalyse.
Modelle für maschinelles Lernen und Entscheidungsintelligenz zur klinischen Risikovorhersage und medizinischen Interaktionen.
Dieses Repository bietet klinische Entscheidungshilfe- und Patientensicherheitssysteme, die für medizinische Bereiche mit hohen Konsequenzen entwickelt wurden. Es eignet sich für klinische Forscher und Ingenieure, die Risikovorhersagemodelle entwickeln oder medizinische Interaktionen analysieren.
Das Framework integriert Operations Research und angewandte KI in vier Kernprojekten, darunter Frühwarnmodelle für die Intensivstation bei Hypoxämie und Hypotension, eine PyHealth-Erweiterung, eine Pipeline für physiologische Wellenformen und ein Tool zur Analyse klinischer Empathie für Konsultationsprotokolle. Es setzt strenge Grundregeln durch, die Ausführungsprotokolle und reale Datenskalen erfordern, um Leistungsbehauptungen zu untermauern.
Es eignet sich für Data Scientists und klinische Forscher, die evidenzbasierte Sicherheitsmodelle für Intensivumgebungen oder medizinische Textanalysen entwickeln. Es ist nicht geeignet für Kliniker, die eine sofort einsatzbereite, kommerzielle Anwendung für elektronische Patientenakten suchen.
Prognostiziert Hypoxämie und Hypotension anhand von MIMIC-IV- oder eICU-Daten mit integrierter Kalibrierung und Unsicherheitsschätzungen.
Erweitert PyHealth und RHealth als installierbares Paket, um Adoptionsmetriken über Download-Statistiken der Registrierung zu verfolgen.
Liefert Vorverarbeitung und einen abgeleiteten Datensatz für hochfrequente physiologische Wellenformen, die in die ICU-Modelle einfließen.
Quantifiziert die Empathie von Ärzten in chinesischen klinischen Konsultationsprotokollen mithilfe gewichteter Lexika und Machine-Learning-Features.
Das Repository stellt Open-Source-Projektstrukturen und -pipelines zur Verfügung. Die einzigen Kosten bestehen im Eigenbetrieb und der Beschaffung des Zugangs zu den erforderlichen klinischen Datenbanken.
870 offene Remote-Stellen im KI-Training, aktualisiert am 17. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Die Modelle zielen auf MIMIC-IV- und eICU-Datensätze in einer Größenordnung von über 12.000 Patienten ab.
Das Repository ist als Framework strukturiert; Ergebnisse müssen lokal unter Verwendung von Ausführungsprotokollen generiert werden, wie es die Grundregeln vorschreiben.
Zekai zuerst in Google sehen