Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Médecine › PyHealth
✦ Libre & open sourceMédecine

PyHealth

Une boîte à outils Python pour construire, tester et déployer des modèles cliniques de deep learning sur des jeux de données de santé.

Boîte à outils Python modulaire pour le deep learning en santé

Accélérez la modélisation prédictive clinique grâce à des jeux de données de santé intégrés, des codes médicaux et plus de 33 modèles.

Gratuit pour toujours · open source · MIT
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
8
ZEKAI
Boîte à outils essentielle pour l'IA dans les EHR.
Libre & open source · Médecine
Facilité d'installation7
Utilité9
Maintenance9.5
Communauté6.5
★ 1,659
GITHUB
Sep 2026
MIS À JOUR
MIT
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

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.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
Python
Licence
MIT

Qu'est-ce que c'est

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.

Pour qui

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.

Fonctionnalités clés

Pipeline ML de santé en cinq étapes

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.

Support natif des formats cliniques

Analyse des formats complexes de dossiers médicaux électroniques (EHR) incluant MIMIC, eICU et les jeux de données standardisés OMOP.

Modèles de deep learning pré-construits

Comprend plus de 33 architectures neuronales spécialisées conçues pour les tâches prédictives en santé.

Utilitaires de gestion des codes médicaux

Fournit un mapping et un prétraitement intégrés pour les systèmes de codage clinique complexes.

Comment démarrer

Opérationnel en 3 étapes

1
Installez Python 3.12 ou 3.13 sur votre station de travail ou serveur de calcul.
2
Installez le package via pip en utilisant 'pip install pyhealth'.
3
Suivez la documentation officielle et les tutoriels Google Colab pour charger des jeux de données EHR et configurer les pipelines d'entraînement.
Franchement

Notre verdict honnête

Ses atouts

  • Comprend des parseurs spécialisés pour les bases de données EHR populaires comme MIMIC et OMOP
  • Offre plus de 33 modèles de deep learning pré-construits adaptés à la prédiction clinique
  • Exécute les routines de traitement des données environ trois fois plus vite que pandas
  • Suit un pipeline propre en cinq étapes pour la recherche structurée en IA de la santé

Ses limites

  • Exige des environnements Python 3.12 ou 3.13 stricts, limitant la compatibilité avec les installations plus anciennes
  • Demande des ressources de calcul GPU importantes lors de l'entraînement de modèles de deep learning sur de grands jeux de données
  • Nécessite une expertise en programmation Python et des connaissances en machine learning pour fonctionner efficacement
Coût

Tarifs & licence

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.

Travail rémunéré

Missions pour francophones

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.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : PyHealth pour Médecine
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons PyHealth pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Quelles versions de Python sont requises pour PyHealth 2.0 ?

PyHealth 2.0 exige strictement Python 3.12 ou Python 3.13.

Quelles bases de données cliniques sont prises en charge nativement ?

Il fournit des parseurs intégrés pour les bases de données EHR telles que MIMIC, eICU et OMOP.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Médecine — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google