用于使用临床数据开发、测试和部署机器学习模型的综合医疗AI工具包。当处理电子健康记录（EHR）、临床预测任务（死亡率、再入院率、药物推荐）、医疗编码系统（ICD、NDC、ATC）、生理信号（EEG、ECG）、医疗数据集（MIMIC-III/IV、eICU、OMOP）或为医疗应用实现深度学习模型（RETAIN、SafeDrug、Transformer、GNN）时，应使用此技能。
无需复杂配置，快速集成到您的工作流
来自活跃的开源社区，持续更新维护
MIT/Apache 许可，商用个人均可使用
可根据需求自定义和扩展功能
从源仓库下载或复制 skill 文件到您的项目中。
将 skill 文件放置到 Claude 的 skills 目录中（通常是 ~/.claude/skills/）。
重启 Claude 或运行重载命令，skill 将自动加载并可供使用。
提示： 首次使用前请仔细阅读 skill 的文档和代码，确保理解其功能和权限要求。
所有 Skills 来自开源社区，保留原作者版权
K-Dense-AI__claude-scientific-skills/scientific-skills/pyhealth/skill.md经过验证的优势和可衡量的影响
将假设构建时间从数天缩短至数小时
通过构建更完善的假设来提高实验成功率
减少因设计不当的实验而造成的资源浪费
适用于以下场景
从初始观察中，为实验快速生成可验证的假设
提出假设，以验证营销策略或产品变更
根据临床数据，构建疾病模式的机理理论
利用生态学野外观测来建立关于气候影响的假设