PyHealth

统一临床数据与模型，快速跑通医疗 AI 实验

开源 🏷️完全免费 ⏳ 访问状态待核验行业应用 🍴 复刻 848 🐛 待处理 72 👀 关注 32

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1692

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费工具包，官网提供文档与使用入口

项目预览

项目数据

分类行业应用

开发团队sunlabuiuc

官网地址https://pyhealth.dev

GitHubhttps://github.com/sunlabuiuc/PyHealth

定价模式🏷️完全免费

价格说明开源免费工具包，官网提供文档与使用入口

访问状态⏳ 访问状态待核验

是否开源是

开源协议MIT

主要语言Python

技术栈/模型benchmark,clinical-data,clinical-nlp,clinical-research,data-mining,deep-learning,ehr,electronic-health-record,electronic-medical-record,healthcare,healthcare-ai,llm,machine-learning,medical-ai,medical-code,mimic-iii,mimic-iv,preprocessing,python,pytorch

GitHub 星标★ 1692

上线时间2020-08-03 00:00:00

代码更新2026-11-02

仓库体积149.8 MB

本站数据更新2026-11-03

维护状态活跃

收录时间2026-11-03

浏览次数1

项目介绍

PyHealth 是面向医疗健康 AI 的 Python 深度学习工具箱，目标是把分散、格式各异的临床数据统一成可复现的实验流水线。它内置对电子病历（MIMIC、eICU、OMOP 等）、临床文本、生理信号和医学影像的读取与预处理能力，提供 30 多个模型实现，覆盖预测、分类、时序建模等常见任务。项目强调可复现性，把数据加载、特征构建、模型训练与评测串成标准流程，降低医疗 AI 研究者的工程负担，让研究者能把精力放在方法与实验设计上。适合需要快速验证临床预测模型、做基准对比或教学演示的团队。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-03 · 当前星标 ★ 1692

技术标签

benchmark data-mining deep-learning healthcare llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（README 未注明具体版本，以 PyPI 页面要求为准）
PyTorch（PyHealth 是基于 PyTorch 的工具箱）
可访问 PyPI 以安装 pyhealth 包
使用 MIMIC-III/IV、eICU、OMOP 等临床数据时需自行取得对应数据集的授权访问

安装与启动步骤

1确认 Python 环境

先确认本机已装 Python 与 pip，可正常执行命令；README 未给出最低版本要求。
```
python --version
pip --version
```
2安装 PyHealth

README 的 PyPI 徽章指向 pyhealth 包，可直接用 pip 从 PyPI 安装。
```
pip install pyhealth
```
3验证导入

在 Python 中导入包，无报错即说明安装成功。
```
python -c "import pyhealth"
```
4按官方教程跑通流程

README 指向 ReadTheDocs 教程与 Colab 示例，按其数据加载、建模、评测顺序体验。