PyHealth 2.0：一个用于可访问和可复现临床深度学习的综合开源工具包
机器学习
2026-05-19 v2 人工智能
摘要
复制基线的困难、高昂的计算成本以及所需的领域专业知识给临床 AI 研究带来了持续的障碍。为了应对这些挑战，我们推出了 PyHealth 2.0，一个增强的临床深度学习工具包，只需 7 行代码即可实现预测建模。PyHealth 2.0 提供了三项关键贡献：(1) 一个全面的工具包，通过将 15+ 个数据集、20+ 个临床任务、25+ 个模型、5+ 种可解释性方法以及包括共形预测在内的不确定性量化统一到一个支持多种临床数据模态（信号、影像和电子健康记录）并翻译 5+ 种医疗编码标准的单一框架中，解决了可复现性和兼容性挑战；(2) 以可访问性为中心的设计，支持多模态数据和多样化的计算资源，处理速度提升高达 39 倍，内存使用量降低 20 倍，使得从 16GB 笔记本电脑到生产系统均可使用；(3) 一个拥有 400+ 名成员的活跃开源社区，通过广泛的文档、可复现的研究贡献以及与学术卫生系统和行业合作伙伴的合作（包括通过 RHealth 实现的多语言支持）降低了领域专业知识门槛。PyHealth 2.0 建立了一个开源基础和社区，推动可访问、可复现的医疗 AI。可通过 pip install pyhealth 获取。
引用
@article{arxiv.2601.16414,
title = {PyHealth 2.0: A Comprehensive Open-Source Toolkit for Accessible and Reproducible Clinical Deep Learning},
author = {John Wu and Yongda Fan and Zhenbang Wu and Paul Landes and Eric Schrock and Sayeed Sajjad Razin and Arjun Chatterjee and Naveen Baskaran and Joshua Steier and Andrea Fitzpatrick and Bilal Arif and Rian Atri and Jathurshan Pradeepkumar and Siddhartha Laghuvarapu and Junyi Gao and Adam R. Cross and Jimeng Sun},
journal= {arXiv preprint arXiv:2601.16414},
year = {2026}
}
备注
Under Review