Python常用医疗AI库以及案例解析（2025年版、上）
随着人工智能在医疗领域的持续深入发展，Python 已经成为医疗 AI 项目的首选开发语言。从数据处理、模型训练、大模型集成到系统部署与可视化，Python 社区在过去几年中涌现出大量功能强大且持续演进的开源工具。本指南整理了在 2025 年医疗 AI 项目中广泛使用的 Python 库，涵盖了 机器学习、深度学习、大语言模型（LLM）、数据可视化、Web API 构建、Agent 自动化 等多个模块，
🔍 一、数据科学与机器学习
| 库名 | 说明 |
|---|---|
| Polars | 高性能 DataFrame 库，性能远超 Pandas，支持多线程、懒执行。2025 年非常流行。 |
| scikit-learn 1.5+ | 经典 ML 库，持续更新中，新增更多模型评估工具和高阶调参接口。 |
| XGBoost / LightGBM / CatBoost | 树模型三大王者，依旧是 Kaggle 和工业界主力。 |
| skops | 用于将 scikit-learn 模型转换为可部署格式的库，2025 年较为热门。 |
| H2O Wave | 可快速构建 ML Web 应用的库，适合原型展示。 |
🤖 二、深度学习
| 库名 | 说明 |
|---|---|
| PyTorch 2.2+ | 加入了更完整的 torch.compile 支持，大幅提升训练速度。 |
| Transformers (🤗) | Hugging Face 的旗舰库，支持最新 GPT、LLaMA3、Mistral、Gemma 等模型。 |
| Diffusers (🤗) | 文生图、图生图的标准库，2025 年继续火爆。 |
| Keras 3.x | 完全支持 PyTorch 和 JAX 后端，统一 API，变得更强大。 |
| FastAI 2.8+ | PyTorch 封装库，便捷构建深度学习模型，教学使用友好。 |
🌐 三、大语言模型 (LLM) 与 RAG
| 库名 | 说明 |
|---|---|
| LangChain | 构建 LLM 工作流的库，支持 OpenAI、Anthropic、Claude 等模型调用。 |
| LlamaIndex | 构建向量索引与检索增强生成（RAG）系统的核心库。 |
| Haystack | 来自 Deepset 的 RAG 框架，支持多种后端。2025 年持续更新。 |
| InstructorEmbedding | 微调 embedding 模型，效果比 OpenAI embeddings 更准。 |
| VLLM / TGI / LMDeploy | 高效部署大模型的库，在企业部署中非常关键。 |
📊 四、数据可视化
| 库名 | 说明 |
|---|---|
| Plotly 5.x | 交互式图表，支持 Jupyter 和 Web，持续流行。 |
| Altair 5+ | 基于 Vega 的声明式可视化工具，支持 Pandas 和 Polars。 |
| PyGWalker | 类似 Tableau 的数据探索工具，2025 年新晋热门。 |
| Seaborn v0.13+ | 经典静态图工具，仍常用。 |
🕸️ 五、Web开发 & API
| 库名 | 说明 |
|---|---|
| FastAPI | 异步、类型注解友好的 API 框架，2025 年依旧最火。 |
| Litestar (前身为 Starlite) | FastAPI 替代者，架构更现代、性能更强。 |
| Reflex (前身为 Pynecone) | 用 Python 写前端和后端，生成完整 Web 应用，2025 年大热。 |
| NiceGUI | 用 Python 写交互式 GUI，基于 Vue + Tailwind，快速开发界面。 |
🧠 六、自动化 & AI Agent
| 库名 | 说明 |
|---|---|
| Autogen (Microsoft) | 构建多智能体协作系统，支持代码写作、任务规划等。 |
| CrewAI | 用 LLM 构建多角色 AI 工作流系统，支持角色分工、任务追踪。 |
| LangGraph | 基于 LangChain 的图结构 LLM 流程管理库，适合构建复杂逻辑。 |
🛠 七、其他值得关注的工具库
| 库名 | 说明 |
|---|---|
| Rich / Textual | 用于终端 UI 的现代化库，支持彩色日志、表格、进度条等。 |
| Pydantic v2 | 类型验证神器，性能提升巨大，广泛用于 FastAPI 和数据校验。 |
| Typer | 用于构建 CLI 工具的库，语法优美、支持类型注解。 |
| Uvicorn / Gunicorn / Hypercorn | 常用 Python Web 服务器，支持异步。 |
练手案例
🧬 案例一、医学图像处理与分析
1. MONAI（Medical Open Network for AI）
专为医学影像（CT/MRI）打造的 PyTorch 库。
-
安装命令：
pip install monai nibabel -
基本示例：加载并处理 MRI 图像
下面是一个医学图像处理示例，结合了数据加载、预处理、3D UNet模型构建和训练流程，使用MONAI库实现端到端的医学图像分割任务：
from monai.transforms import (LoadImaged, AddChanneld, Spacingd, Orientationd, ScaleIntensityRanged, RandCropByPosNegLabeld,Compose, EnsureTyped
)
from monai.networks.nets import UNet
from monai.losses import DiceLoss
from monai.metrics import DiceMetric
from monai.data import Dataset, DataLoader, decollate_batch
from monai.inferers import sliding_window_inference
import torch
import numpy as np
import matplotlib.pyplot as plt# 1. 数据准备与预处理
data_dir = "./medical_images/"
train_files = [{"image": data_dir + "patient1_CT.nii.gz", "label": data_dir + "patient1_mask.nii.gz"},{"image": data_dir + "patient2_CT.nii.gz", "label": data_dir + "patient2_mask.nii.gz"},# 添加更多数据...
]# 医学图像预处理流程
train_transforms = Compose([LoadImaged(keys=["image", "label"]),AddChanneld(keys=["image", "label"]),Spacingd(keys=["image", "label"],pixdim=(1.0, 1.0, 2.0), # 调整体素间距 (x,y,z)mode=("bilinear", "nearest") # 图像用双线性插值，标签用最近邻),Orientationd(keys=["image", "label"], axcodes="RAS"), # 统一方向ScaleIntensityRanged(keys=["image"],a_min=-1000, # CT值范围 (HU单位)a_max=1000,b_min=0.0,b_max=1.0,clip=True),RandCropByPosNegLabeld(keys=["image", "label"],label_key="label",spatial_size=(96, 96, 64), # 3D裁剪大小pos=1,neg=1,num_samples=4 # 每张图像生成4个样本),EnsureTyped(keys=["image", "label"], dtype=torch.float32)
])# 创建数据集和数据加载器
train_ds = Dataset(data=train_files, transform=train_transforms)
train_loader = DataLoader(train_ds, batch_size=2, shuffle=True)# 2. 构建3D分割模型
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")model = UNet(spatial_dims=3,in_channels=1,out_channels=2, # 两类分割：背景+器官channels=(16, 32, 64, 128, 256),strides=(2, 2, 2, 2),num_res_units=2
).to(device)# 3. 设置训练参数
loss_function = DiceLoss(to_onehot_y=True, softmax=True)
optimizer = torch.optim.Adam(model.parameters(), lr=1e-3)
dice_metric = DiceMetric(include_background=False, reduction="mean")# 4. 训练循环
max_epochs = 50
for epoch in range(max_epochs):model.train()epoch_loss = 0for batch_data in train_loader:inputs, labels = batch_data["image"].to(device), batch_data["label"].to(device)optimizer.zero_grad()outputs = model(inputs)loss = loss_function(outputs, labels)loss.backward()optimizer.step()epoch_loss += loss.item()epoch_loss /= len(train_loader)# 验证步骤 (简化版)model.eval()with torch.no_grad():metric_sum = 0.0for val_data in train_loader: # 实际应使用独立验证集val_images, val_labels = val_data["image"].to(device), val_data["label"].to(device)val_outputs = sliding_window_inference(val_images, (96, 96, 64), 4, model)val_outputs = [torch.argmax(i, dim=1) for i in decollate_batch(val_outputs)]dice_metric(y_pred=val_outputs, y=val_labels)metric = dice_metric.aggregate().item()dice_metric.reset()print(f"Epoch {epoch+1}/{max_epochs}, Loss: {epoch_loss:.4f}, Dice: {metric:.4f}")# 5. 可视化结果 (示例)
def visualize_slice(image, label, prediction, slice_index=25):fig, axes = plt.subplots(1, 3, figsize=(15, 5))# 原始图像axes[0].imshow(image[0, 0, :, :, slice_index], cmap="gray")axes[0].set_title("Input Image")axes[0].axis("off")# 真实标签axes[1].imshow(label[0, 0, :, :, slice_index], cmap="jet")axes[1].set_title("Ground Truth")axes[1].axis("off")# 预测结果axes[2].imshow(prediction[0, 0, :, :, slice_index], cmap="jet")axes[2].set_title("Prediction")axes[2].axis("off")plt.show()# 测试单张图像
test_data = train_ds[0]
image = test_data["image"].unsqueeze(0).to(device)
with torch.no_grad():prediction = sliding_window_inference(image, (96, 96, 64), 4, model)prediction = torch.argmax(prediction, dim=1, keepdim=True)visualize_slice(image.cpu().numpy(),test_data["label"].unsqueeze(0).numpy(),prediction.cpu().numpy()
)
关键组件说明：
-
数据预处理流程：
Spacingd：标准化不同扫描仪的分辨率差异Orientationd：统一图像方向（RAS坐标系）ScaleIntensityRanged：CT值标准化（-1000到1000 HU）RandCropByPosNegLabeld：基于标签的智能裁剪
-
3D UNet架构：
- 专门处理体积数据（如CT/MRI）
- 残差单元提升梯度流动
- 多尺度特征提取能力
-
医学图像特定技术：
- Dice损失函数：处理类别不平衡
- Sliding Window推理：处理大尺寸体积数据
- 体素间距保留：保持物理尺寸一致性
-
可视化：
- 三视图对比（原始图像/真实标签/预测结果）
- 多平面重建（轴向/冠状/矢状面）
实际应用场景：
- 器官分割（肝脏/肾脏/肿瘤）
- 病变检测
- 手术规划
- 放射治疗剂量计算
进阶优化建议：
# 添加数据增强
from monai.transforms import (RandRotated, RandFlipd, RandZoomd
)train_transforms.insert(6, # 在强度归一化后添加Compose([RandRotated(keys=["image", "label"], range_x=0.3, prob=0.5),RandFlipd(keys=["image", "label"], spatial_axis=0, prob=0.5),RandZoomd(keys=["image", "label"], min_zoom=0.9, max_zoom=1.1, prob=0.5)])
)# 使用更先进的模型
from monai.networks.nets import SwinUNETRmodel = SwinUNETR(img_size=(96, 96, 64),in_channels=1,out_channels=2,feature_size=48
).to(device)# 添加学习率调度
lr_scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=max_epochs)# 混合精度训练
scaler = torch.cuda.amp.GradScaler()
此示例展示了MONAI在医学图像分析中的核心优势：领域特定的预处理、优化的3D网络架构、医学影像评估指标和高效的大体积数据处理能力。实际应用中需根据具体临床任务调整网络结构和处理参数。
2. Pandas + Polars + PyGWalker
快速探索表格型 EHR 数据（如病人记录、药品记录等）。
-
安装命令：
pip install pandas polars pygwalker -
示例：用 PyGWalker 交互式探索电子病历
一个结合 Pandas、Polars 和 PyGWalker 快速探索电子健康记录（EHR）数据的完整示例，包含数据加载、预处理和交互式可视化：
import pandas as pd
import polars as pl
import pygwalker as pyg
from datetime import datetime# 示例 EHR 数据结构 (若需加载真实数据，替换为 read_csv/read_parquet)
data = {"patient_id": [1001, 1002, 1003, 1001, 1004],"visit_date": ["2023-01-15", "2023-02-20", "2023-01-05", "2023-03-10", "2023-02-28"],"diagnosis": ["Hypertension", "Diabetes", "Hypertension", "Asthma", "Diabetes"],"medication": ["Lisinopril", "Metformin", "Amlodipine", "Albuterol", "Insulin"],"age": [45, 62, 58, 36, 70],"blood_pressure": ["140/90", "130/85", "150/95", "120/80", "145/88"],"lab_result": [None, 6.5, 7.1, None, 8.0]
}# 方案1: 使用Pandas加载数据
df_pd = pd.DataFrame(data)
df_pd["visit_date"] = pd.to_datetime(df_pd["visit_date"]) # 日期转换# 方案2: 使用Polars加载大数据（更高效）
df_pl = pl.DataFrame(data).with_columns(pl.col("visit_date").str.to_date("%Y-%m-%d")
)
# 转换为Pandas供PyGWalker使用（Polars处理+PyGWalker可视化）
df_processed = df_pl.to_pandas()# 使用PyGWalker进行交互式分析
walker = pyg.walk(df_processed,spec="./ehr_analysis.json", # 可选：保存/加载分析配置dark="light", # 界面主题：light/darkshow_cloud_tool=False, # 隐藏云服务按钮# 字段类型推断配置field_specs={"age": {"analyticType": "dimension"}, # 将年龄设为维度"lab_result": {"analyticType": "measure"}}
)
关键功能说明：
-
数据加载优化
- 小数据：直接使用
pd.read_csv("ehr.csv") - 大数据：用Polars加速处理 → 转Pandas
df_pl = pl.scan_parquet("large_ehr.parquet").collect() # 惰性加载 - 小数据：直接使用
-
PyGWalker 交互技巧：
- 拖拽分析：将字段拖到X/Y轴、颜色、大小等通道
- 图表推荐：智能识别字段类型推荐图表
- 一键生成：
- 患者年龄分布直方图
- 疾病类型环形图
- 实验室指标趋势线
- 多指标散点矩阵
-
高级分析支持：
# 在PyGWalker界面中直接使用Pandas语法 walker.set_global_query(""" systolic = blood_pressure.split('/')[0].astype(int) diastolic = blood_pressure.split('/')[1].astype(int) hypertension_flag = (systolic >= 140) | (diastolic >= 90) """)
典型工作流：
- 数据加载：Polars处理百万级记录（比Pandas快5-10倍）
- 预处理：在Polars中完成清洗/转换
- 交互探索：
- 步骤1：拖拽
diagnosis到行 → 自动生成疾病分布 - 步骤2：拖拽
age到Y轴 → 自动切换箱线图 - 步骤3：添加
medication到颜色通道 → 多维度对比
- 步骤1：拖拽
优势场景：
| 场景 | Pandas | Polars | PyGWalker |
|---|---|---|---|
| 数据加载速度 | ★★☆ | ★★★ | - |
| 内存效率 | ★★☆ | ★★★ | - |
| 交互式可视化 | - | - | ★★★ |
| 复杂分析支持 | ★★★ | ★★★ | ★★☆ |
💡 提示：对于超大数据集（>1GB），推荐：
# 使用Polars过滤/聚合后再可视化 df_sampled = df_pl.filter(pl.col("age") > 30).sample(10000).to_pandas() pyg.walk(df_sampled)
🧪 三、药物发现与分子模拟
3. RDKit
用于化合物表示、分子指纹计算、QSAR 模型等。
-
安装命令：（推荐用 conda 安装）
conda install -c rdkit rdkit -
示例：分子指纹和相似度
使用RDKit计算分子指纹和相似度的完整示例代码，并附带详细解释：
from rdkit import Chem
from rdkit.Chem import AllChem, DataStructs
from rdkit.Chem.Draw import MolsToGridImage
import matplotlib.pyplot as plt# 1. 分子创建与可视化
ethanol = Chem.MolFromSmiles("CCO") # 乙醇
ethylamine = Chem.MolFromSmiles("CCN") # 乙胺# 可视化分子
img = MolsToGridImage([ethanol, ethylamine], legends=["Ethanol (CCO)", "Ethylamine (CCN)"],subImgSize=(300, 300)
)
plt.imshow(img)
plt.axis('off')
plt.show()# 2. 分子指纹生成
# 使用Morgan指纹算法（圆形指纹），半径=2，生成2048位的位向量
fp_ethanol = AllChem.GetMorganFingerprintAsBitVect(ethanol, radius=2, nBits=2048)
fp_ethylamine = AllChem.GetMorganFingerprintAsBitVect(ethylamine, radius=2, nBits=2048)# 3. 相似度计算
# 计算Tanimoto系数（Jaccard相似度）
similarity = DataStructs.TanimotoSimilarity(fp_ethanol, fp_ethylamine)# 4. 结果输出
print("="*50)
print(f"Tanimoto Similarity: {similarity:.4f}")
print("="*50)
print("Interpretation:")
print(f"- Ethanol (CCO) and Ethylamine (CCN) are {similarity*100:.1f}% similar")
print("- Similarity range: 0.0 (完全不同) to 1.0 (完全相同)")
print("- Value >0.5 suggests significant structural similarity")
print("- Difference due to terminal group: -OH vs -NH₂")
代码解析：
-
分子创建：
MolFromSmiles()将SMILES字符串转换为分子对象- 乙醇：
CCO（羟基化合物） - 乙胺：
CCN（胺类化合物）
-
分子指纹：
- 使用 Morgan指纹算法（圆形指纹）
radius=2：考虑原子周围两键范围内的结构特征nBits=2048：生成2048位的二进制指纹向量- 算法原理：通过迭代扩展识别每个原子周围的独特子结构
-
相似度计算：
- Tanimoto系数 = 共有特征数 / (特征A总数 + 特征B总数 - 共有特征数)
- 数学表示：
T(A,B) = |A∩B| / (|A| + |B| - |A∩B|) - 取值范围：0.0（完全不同）到 1.0（完全相同）
-
结果解释：
- 典型输出：
Tanimoto Similarity: 0.25-0.35 - 相似度约30%：两个分子有相同的乙基骨架（-CH₂-CH₃），但不同末端基团（-OH vs -NH₂）
- 在药物发现中：
-
0.85：高度相似化合物
- 0.3-0.7：中等相似
- <0.2：结构差异大
-
- 典型输出：
应用场景：
- 虚拟筛选：快速筛选大型化合物数据库
- 先导化合物优化：评估结构修饰后的相似性变化
- 聚类分析：对化合物库进行结构分组
- ADMET预测：基于相似性的性质预测
扩展建议：
# 尝试不同分子对：
aspirin = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O")
ibuprofen = Chem.MolFromSmiles("CC(C)CC1=CC=C(C=C1)C(C)C(=O)O")# 比较不同指纹算法：
fp1 = AllChem.GetMACCSKeysFingerprint(mol) # MACCS密钥
fp2 = Chem.RDKFingerprint(mol) # RDKit拓扑指纹
注意事项：
- 相似度值高度依赖指纹参数（半径、位长度）
- 结构相似 ≠ 活性相似（需结合生物实验验证）
- 对小分子效果最佳（分子量 < 800 Da）
运行此代码需要预先安装RDKit（建议通过Anaconda安装）：
conda install -c conda-forge rdkit matplotlib