臨床データを用いた機械学習モデルの開発、テスト、デプロイのための包括的なヘルスケアAIツールキット。このスキルは、電子健康記録(EHR)、臨床予測タスク(死亡率、再入院、薬物推奨)、医療コーディングシステム(ICD、NDC、ATC)、生理学的信号(EEG、ECG)、ヘルスケアデータセット(MIMIC-III/IV、eICU、OMOP)、またはヘルスケアアプリケーション向けのディープラーニングモデル(RETAIN、SafeDrug、Transformer、GNN)の実装を行う際に使用します。
複雑な設定不要で、ワークフローに素早く統合
アクティブなオープンソースコミュニティによる継続的な更新
MIT/Apacheライセンスで商用・個人利用可
ニーズに応じてカスタマイズ・拡張可能
ソースリポジトリからスキルファイルをダウンロードまたはコピー
スキルファイルをClaudeのスキルディレクトリに配置(通常は ~/.claude/skills/)。
Claudeを再起動するか、リロードコマンドを実行してスキルを読み込みます
ヒント: 初回使用前にスキルのドキュメントとコードを注意深く読み、機能と権限要件を理解してください
すべてのスキルはオープンソースコミュニティから提供され、元の作者の著作権を保持しています
K-Dense-AI__claude-scientific-skills/scientific-skills/pyhealth/skill.md実証済みのメリットと測定可能な影響
仮説構築の時間を日単位から時間単位へ短縮
より的確な仮説で実験の成功率を高める
デザインが不適切な実験によるリソースの無駄を削減する
これらのシナリオに最適
初期観察から、実験で検証可能な仮説を迅速に生成する
マーケティング戦略や製品変更を検証するための仮説を立てる
臨床データから疾患パターンのメカニズム理論を構築する
生態学的な野外観察を通じて、気候の影響に関する仮説を構築する