PyHealth 임상 딥러닝 파이프라인

무엇을 해주나

PyHealth는 임상 딥러닝을 위한 파이썬 툴킷입니다. 이 스킬은 Claude가 PyHealth의 5단계 파이프라인(Dataset → Task → Model → Trainer → Metrics)을 정확하게 따르는 코드를 작성하도록 안내합니다.

• 데이터셋 로딩: MIMIC-III/IV, eICU, OMOP-CDM, EHRShot, SleepEDF, SHHS, ChestX-ray14, TUEV/TUAB 등
• 태스크 정의: 사망률, 재입원, 재원기간, 약물 추천, 수면 단계 분류, ICD 코딩, EEG 이벤트 탐지
• 모델 선택: Transformer, RETAIN, GAMENet, SafeDrug, MICRON, StageNet, AdaCare, CNN/RNN/MLP
• 학습·평가: PyHealth Trainer로 체크포인팅·로깅·최적 모델 선택까지 자동 처리, 임상 지표(PR-AUC, ROC-AUC, Jaccard 등) 계산
• 의료 코드 유틸리티: ICD-9/10-CM, ATC, NDC, RxNorm, CCS 조회 및 상호 매핑

특히 초보자가 자주 틀리는 부분(모델에는 BaseDataset이 아니라 SampleDataset을 넘겨야 함, 반드시 환자 단위로 분할해 데이터 누수를 막을 것, MIMIC-IV는 ehr_root= 사용 등)을 별도로 정리해 두어 디버깅 시간을 크게 줄여줍니다.

이런 분께 추천

• MIMIC/eICU 같은 EHR 데이터로 임상 예측 모델을 만드는 의료 AI 연구자·대학원생
• 병원 데이터 기반 위험 예측(사망·재입원) 프로토타입을 빠르게 만들어야 하는 데이터 사이언티스트
• ICD/ATC/NDC 코드 매핑 작업이 잦은 의료정보학(HI) 실무자
• 수면다원검사·EEG·흉부 X-ray 등 생체신호/영상 분류 파이프라인이 필요한 분

활용 예시

1. "합성 MIMIC-III 데이터로 사망률 예측 모델을 20줄 안에 만들어줘" → 공개 합성 데이터 버킷을 root로 지정하고 MortalityPredictionMIMIC3 + Transformer + Trainer로 구성된 학습 스크립트를 생성, monitor="pr_auc"까지 올바르게 설정합니다.
2. "MIMIC-IV로 약물 추천 파이프라인을 만들고 SafeDrug와 GAMENet 성능을 비교해줘" → 멀티라벨 태스크에 맞는 지표(jaccard_samples, pr_auc_samples)를 선택하고 ehr_root= 인자 실수를 피한 비교 실험 코드를 작성합니다.
3. "처방 데이터의 NDC 코드를 ATC 3단계로 변환해줘" → medcode 유틸리티로 NDC→RxNorm→ATC 크로스 매핑 코드를 만들어 줍니다.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/pyhealth 폴더를 내 ~/.claude/skills/pyhealth/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.