mtslearn：用于医疗时间序列的Python机器学习工具包
机器学习
2026-04-01 v1 信号处理
摘要
医疗时间序列数据捕捉患者病情的动态演变，在现代临床决策支持系统中发挥关键作用。然而，真实世界的临床数据高度异质且格式不一致。此外，现有的机器学习工具通常学习曲线陡峭、工作流程碎片化。因此，尖端AI技术与临床应用之间仍存在显著差距。为解决这一问题，我们提出了mtslearn，一个专为医疗时间序列数据设计的端到端集成工具包。首先，该框架提供统一的数据接口，自动解析和对齐宽格式、长格式和扁平格式数据。这一设计显著降低了数据清洗的负担。在此基础上，mtslearn提供了从数据读取、特征工程到模型训练和结果可视化的完整流程。此外，它还提供灵活的接口以支持自定义算法。通过模块化设计，mtslearn将复杂的数据工程任务简化为几行代码。这显著降低了编程经验有限的临床人员的使用门槛，使他们能够更专注于探索医学假设，并加速先进算法向真实临床实践的转化。mtslearn公开获取地址为https://github.com/PKUDigitalHealth/mtslearn。
引用
@article{arxiv.2603.29432,
title = {mtslearn: Machine Learning in Python for Medical Time Series},
author = {Zhongheng Jiang and Yuechao Zhao and Donglin Xie and Chenxi Sun and Rongchen Lu and Silu Luo and Zisheng Liang and Shenda Hong},
journal= {arXiv preprint arXiv:2603.29432},
year = {2026}
}