meds_reader：一个快速且高效的EHR处理库
meds_reader: A fast and efficient EHR processing library
AI总结：
针对现有电子健康记录（EHR）处理流程计算效率与可扩展性不足的问题，本文提出了优化的Python包meds_reader，利用EHR数据内在特性提升处理速度，并在两大EHR流程中实现了10-100倍的内存、速度与磁盘使用性能提升。
摘要：
医疗领域对机器学习日益增长的需求要求处理越来越大的电子健康记录（EHR）数据集，但现有流程在计算效率或可扩展性方面存在不足。在本文中，我们介绍了meds_reader，这是一个经过优化的Python包，用于高效的EHR数据处理，其旨在利用EHR数据的许多内在特性来提高速度。随后，我们通过重新实现两个主要EHR处理流程的关键组件来展示meds_reader的优势，在内存、速度和磁盘使用方面实现了10到100倍的提升。meds_reader的代码可在https://github.com/som-shahlab/meds_reader找到。
英文摘要：
The growing demand for machine learning in healthcare requires processing increasingly large electronic health record (EHR) datasets, but existing pipelines are not computationally efficient or scalable. In this paper, we introduce meds_reader, an optimized Python package for efficient EHR data processing that is designed to take advantage of many intrinsic properties of EHR data for improved speed. We then demonstrate the benefits of meds_reader by reimplementing key components of two major EHR processing pipelines, achieving 10-100x improvements in memory, speed, and disk usage. The code for meds_reader can be found at https://github.com/som-shahlab/meds_reader.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
