OneEHR: воспроизводимый инструментарий для анализа продольных данных ЭМК, готовый к использованию ИИ-агентами

Электронные медицинские карты (ЭМК) поддерживают широкий спектр исследований в области клинического прогнозирования и поддержки принятия решений, однако воспроизводимые исследования на основе ЭМК теперь требуют большего, чем обучение одной прогностической модели. По мере расширения этой области от машинного обучения и глубокого обучения к методам на основе больших языковых моделей (LLM) и агентному искусственному интеллекту различия в формировании когорт, временной предобработке, определении меток, разбиении данных на уровне пациентов и протоколах оценки могут затмевать различия между сравниваемыми методами, что на практике затрудняет корректное сравнение и выбор модели. В этом учебном руководстве представлен OneEHR — инструментарий с открытым исходным кодом, определяющий унифицированный контракт эксперимента для современного моделирования на основе ЭМК и обеспечивающий непосредственное сравнение традиционных, нейросетевых, основанных на LLM и агентных методов через единый интерфейс, управляемый конфигурацией. Трёхчасовая практическая сессия сочетает обзор методологии с пошаговой практикой: участники узнают, почему эксперименты с ЭМК уязвимы к утечке данных, сдвигу распределения и невоспроизводимой предобработке, а затем с помощью OneEHR научатся настраивать, выполнять, сравнивать и интерпретировать эксперименты во всём этом спектре методов. Участники получат повторно используемые конфигурации и практическую основу для интеграции воспроизводимых рабочих процессов в собственные исследования клинического ИИ. Код и документация доступны по адресу: https://medx-pku.github.io/OneEHR/.} „ ösd. „ the result? Need valid JSON no weird? The final currently has malformed trailing? Actually content included