Une boîte à outils Python pour construire, tester et déployer des modèles cliniques de deep learning sur des jeux de données de santé.
Accélérez la modélisation prédictive clinique grâce à des jeux de données de santé intégrés, des codes médicaux et plus de 33 modèles.
PyHealth est une bibliothèque Python open source conçue pour simplifier les flux de travail de deep learning sur des formats de jeux de données cliniques tels que MIMIC, eICU et OMOP. Elle propose un pipeline structuré en 5 étapes avec traitement intégré des codes médicaux, tâches prédictives standard et entraîneurs de modèles. Les chercheurs en IA médicale et les data scientists cliniciens devraient l'utiliser pour construire des modèles de santé prédictifs reproductibles.
PyHealth fournit un framework modulaire couvrant le traitement des données, le mapping des jeux de données, la définition des tâches, la sélection des modèles et l'évaluation. Il intègre des parseurs spécialisés pour les systèmes EHR et les normes de codage médical aux côtés de plus de 33 architectures de réseaux de neurones pré-construites. Les routines de traitement des données s'exécutent jusqu'à 3x plus vite que les opérations pandas standard pour une expérimentation rapide des modèles.
Il convient aux chercheurs en machine learning, data scientists cliniciens et ingénieurs logiciels de santé qui ont besoin d'entraîner des modèles de deep learning sur des données EHR. Il n'est pas destiné aux cliniciens non techniques recherchant une interface sans code ou un logiciel de diagnostic par glisser-déposer.
Structure le flux de travail à travers le chargement des données, la création de jeux de données, la définition des tâches, la construction de modèles et l'entraînement.
Analyse des formats complexes de dossiers médicaux électroniques (EHR) incluant MIMIC, eICU et les jeux de données standardisés OMOP.
Comprend plus de 33 architectures neuronales spécialisées conçues pour les tâches prédictives en santé.
Fournit un mapping et un prétraitement intégrés pour les systèmes de codage clinique complexes.
PyHealth est entièrement gratuit et open source sous licence MIT. Il n'y a pas de niveaux hébergés payants, votre seule dépense est donc le calcul GPU local ou cloud requis pour exécuter les modèles.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
PyHealth 2.0 exige strictement Python 3.12 ou Python 3.13.
Il fournit des parseurs intégrés pour les bases de données EHR telles que MIMIC, eICU et OMOP.
Voir Zekai en premier dans Google