PyHealth — Pipeline học sâu y tế
Skill giúp xây dựng pipeline học sâu lâm sàng bằng PyHealth theo 5 bước: dataset → task → model → trainer → metrics.
Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026
Skill này làm được gì
PyHealth là bộ công cụ Python cho học sâu trong y tế. Skill này hướng dẫn Claude viết code đúng theo pipeline 5 bước của PyHealth (Dataset → Task → Model → Trainer → Metrics).
- Nạp dữ liệu: MIMIC-III/IV, eICU, OMOP-CDM, EHRShot, SleepEDF, SHHS, ChestX-ray14, TUEV/TUAB…
- Định nghĩa bài toán: tử vong, tái nhập viện, thời gian lưu trú, gợi ý thuốc, phân giai đoạn giấc ngủ, gán mã ICD, phát hiện sự kiện EEG
- Chọn mô hình: Transformer, RETAIN, GAMENet, SafeDrug, MICRON, StageNet, AdaCare, CNN/RNN/MLP
- Huấn luyện & đánh giá: dùng
Trainercủa PyHealth (tự lo checkpoint, log, chọn model tốt nhất) và các chỉ số lâm sàng như PR-AUC, ROC-AUC, Jaccard - Tiện ích mã y tế: tra cứu và ánh xạ chéo ICD-9/10-CM, ATC, NDC, RxNorm, CCS
Điểm giá trị nhất là danh sách lỗi phổ biến: phải truyền SampleDataset chứ không phải BaseDataset cho model, luôn chia dữ liệu theo bệnh nhân để tránh rò rỉ, MIMIC-IV dùng ehr_root= thay vì root=, chọn monitor khớp với loại bài toán.
Phù hợp với ai
- Nghiên cứu viên, học viên cao học làm AI y tế với dữ liệu EHR như MIMIC/eICU
- Data scientist cần dựng nhanh mô hình dự đoán nguy cơ (tử vong, tái nhập viện) từ dữ liệu bệnh viện
- Chuyên viên tin học y tế thường xuyên ánh xạ mã ICD/ATC/NDC
- Người cần pipeline phân loại tín hiệu sinh học hoặc ảnh y tế (đa ký giấc ngủ, EEG, X-quang phổi)
Ví dụ sử dụng
- "Tạo mô hình dự đoán tử vong trên dữ liệu MIMIC-III tổng hợp trong dưới 20 dòng" → sinh script dùng bucket dữ liệu tổng hợp công khai,
MortalityPredictionMIMIC3+Transformer+Trainer, đặt đúngmonitor="pr_auc". - "Xây pipeline gợi ý thuốc trên MIMIC-IV và so sánh SafeDrug với GAMENet" → chọn chỉ số phù hợp cho bài toán multilabel (
jaccard_samples,pr_auc_samples) và tránh lỗi tham sốehr_root=. - "Chuyển mã NDC trong bảng đơn thuốc sang ATC cấp 3" → sinh code ánh xạ chéo NDC→RxNorm→ATC bằng module medcode.
· · · Hướng dẫn cài đặt · · ·
Cài vào ứng dụng Claude (không cần terminal)
- Tải tệp ZIP bằng nút bên dưới.
- Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
- Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
Cài vào Claude Code
Để Claude làm — dán câu dưới đây vào Claude Code
Hãy cài skill mình tìm thấy trên Claude Skill Mart. Copy thư mục skills/pyhealth từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/pyhealth/ của mình. Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.
Cài bằng lệnh thủ công
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/pyhealth ~/.claude/skills/⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.
- Mở terminal và tạo thư mục skill nếu chưa có:
mkdir -p ~/.claude/skills - Tải repo:
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git - Sao chép skill:
cp -r scientific-agent-skills/skills/pyhealth ~/.claude/skills/(nhớ giữ nguyên các thư mục con references/ và assets/). - Chuẩn bị môi trường Python. PyHealth 2.0 cần Python ≥ 3.12 và < 3.14:
uv init my-pyhealth-project && cd my-pyhealth-project && uv python pin 3.12 - Cài thư viện:
uv add pyhealth(nếu cần bản cũ:uv add pyhealth==1.16). - Khởi động lại Claude Code và thử yêu cầu: "Dùng PyHealth dựng pipeline dự đoán tử vong trên MIMIC-III" — skill sẽ tự kích hoạt.
- Dữ liệu MIMIC thật cần được cấp phép qua PhysioNet. Khi mới học, hãy dùng bucket MIMIC-III tổng hợp công khai được nêu trong skill.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT