Umfassendes Gesundheits-AI-Toolkit zur Entwicklung, Testung und Bereitstellung von Machine-Learning-Modellen mit klinischen Daten. Diese Fähigkeit sollte verwendet werden, wenn mit elektronischen Gesundheitsakten (EHR), klinischen Vorhersagetasks (Sterblichkeit, Wiedereinweisung, Medikamentenempfehlung), medizinischen Codierungssystemen (ICD, NDC, ATC), physiologischen Signalen (EEG, ECG), Gesundheitsdatasets (MIMIC-III/IV, eICU, OMOP) oder der Implementierung von Deep-Learning-Modellen für Gesundheitsanwendungen (RETAIN, SafeDrug, Transformer, GNN) gearbeitet wird.
Schnelle Integration in Ihren Workflow mit minimaler Einrichtung
Aktive Open-Source-Community mit kontinuierlichen Updates
MIT/Apache-Lizenz für kommerzielle und private Nutzung
Anpassbar und erweiterbar nach Ihren Bedürfnissen
Laden Sie die Skill-Datei aus dem Quell-Repository herunter oder kopieren Sie sie
Platzieren Sie die Skill-Datei im Skills-Verzeichnis von Claude (normalerweise ~/.claude/skills/）。
Starten Sie Claude neu oder führen Sie den Reload-Befehl aus, um die Skill zu laden
Tipp: Lesen Sie die Dokumentation und den Code vor der ersten Verwendung sorgfältig durch, um die Funktionalität und Berechtigungsanforderungen zu verstehen
Alle Skills stammen aus der Open-Source-Community und bewahren die Urheberrechte der ursprünglichen Autoren
K-Dense-AI__claude-scientific-skills/scientific-skills/pyhealth/skill.mdBewährte Vorteile und messbare Wirkung
Zeit für die Hypothesenformulierung von Tagen auf Stunden reduzieren
Erhöhen Sie die Erfolgsquoten von Experimenten durch besser formulierte Hypothesen
Verschwendung von Ressourcen durch schlecht konzipierte Experimente vermeiden
Perfekt für diese Szenarien
Erstellen Sie schnell testbare Hypothesen aus anfänglichen Beobachtungen für Experimente
Hypothesen aufstellen, um Marketingstrategien oder Produktänderungen zu validieren
Entwicklung von Mechanismen-Theorien für Krankheitsmuster aus klinischen Daten
Hypothesen über Klimaauswirkungen anhand ökologischer Feldbeobachtungen erstellen