PyHealth 2.0: Open-Source-Toolkit für reproduzierbare klinische Deep Learning

Mit PyHealth 2.0 wird klinisches Deep Learning endlich wieder zugänglich und reproduzierbar. Das neue Toolkit ermöglicht es Forschenden, komplexe Vorhersagemodelle in nur sieben Zeilen Code zu erstellen – ein echter Durchbruch für die Praxis.

PyHealth 2.0 vereint mehr als 15 Datensätze, 20 klinische Aufgaben, 25 Modelle, fünf Interpretationsmethoden und fortschrittliche Unsicherheitsabschätzungen in einem einzigen, leicht zu nutzenden Rahmen. Es unterstützt sämtliche Datenmodalitäten – von Signalen über Bildgebung bis hin zu elektronischen Gesundheitsakten – und übersetzt über fünf medizinische Kodierungssysteme hinweg.

Dank einer optimierten Architektur arbeitet PyHealth bis zu 39 mal schneller und verbraucht bis zu 20 mal weniger Speicher. Das bedeutet, dass die gleichen Modelle auf einem 16‑GB‑Laptop genauso laufen wie in einer Produktionsumgebung, ohne dass teure Hardware nötig ist.

Die offene Community von über 400 Mitgliedern sorgt für umfangreiche Dokumentation, reproduzierbare Forschungsbeiträge und enge Kooperationen mit akademischen Gesundheitssystemen sowie Industriepartnern. Zusätzlich wird die Plattform durch RHealth in mehreren Sprachen unterstützt. PyHealth 2.0 ist bereits über pip install pyhealth verfügbar und setzt neue Maßstäbe für transparentes, gemeinschaftliches Gesundheits‑AI‑Forschung.