⚡

医疗模型证据导出Skill medtech-model-evidence-export

该技能用于将医疗AI推理运行或证据包（包括NV-Generate运行）的元数据、参数、质量指标等导出到MLflow，生成可复现性证据。它支持dry-run预览、本地或Databricks模式，并管理敏感医学图像工件的上传策略。适用于医疗影像推理结果的事后记录与审计，不用于训练跟踪或临床诊断。关键词：医疗AI、MLflow、证据导出、推理运行、NIfTI、元数据、质量指标、可复现性、医学影像、NV-Generate。

医学影像推理 0 次安装 0 次浏览 更新于 9/6/2026
名称 medtech-model-evidence-export
描述 从医疗AI推理运行或证据包中导出经过净化的元数据、参数、可复现性细节、质量指标和可选审查工件到MLflow。在推理后使用，包括NV-Generate运行；不用于实时训练跟踪、模型注册或临床使用。
开源协议 Apache-2.0 allowed-tools: Bash permissions: [env, file_read, file_write, network, shell] metadata:
作者 “NVIDIA MedTech noreply@nvidia.com”

医疗模型证据导出到MLflow

目的

在运行后将现有的医疗推理结果或证据包镜像到MLflow，并发出export_result JSON契约。保留原始证据包作为事实来源。训练技能应在其训练循环内添加MLflow。

说明

  1. 以默认的dry-run模式运行scripts/export_evidence_pack.py。
  2. 检查params、metrics、artifact_plan和mlflow.note.content。
  3. 仅在检查目标后选择--mode local或--mode databricks。
  4. 除非目标被批准用于图像，否则保持--artifact-policy metadata。
  5. 对于实时（live）模式中的preview或all，还需传递--confirm-medical-artifact-upload。
  6. 保持--source-ref、--note、配置文件名和工件文件名不包含患者或秘密标识符；务必先检查dry-run输出。

带有脚本助手的主机可以使用 run_script("scripts/export_evidence_pack.py", args=["PACK_OR_RESULT", "--mode", "dry-run"])。

可用脚本

脚本 用途 参数
scripts/export_evidence_pack.py 通过MLflow导出事后推理证据。 PACK_OR_RESULT --mode dry-run --artifact-policy metadata

前提条件

  • Python 3.10+。
  • 对于local或databricks模式，需要mlflow>=2.10,<4。
  • 对于NIfTI质量指标和预览，需要numpy>=1.24,<3和nibabel>=4,<6。
  • MLFLOW_TRACKING_URI可选择调用者管理的跟踪服务器。
  • Databricks模式使用调用者的DATABRICKS_HOST、DATABRICKS_TOKEN或配置的Databricks配置文件。声明的网络端点是https://<caller-provided-mlflow-or-databricks-workspace>；不需要Docker和GPU。
  • 本地模式可以在<current-working-directory>/mlruns下写入MLflow存储。

示例

在未联系MLflow的情况下预览导出：

python skills/medtech-model-evidence-export/scripts/export_evidence_pack.py \
  runs/inference_pack --mode dry-run --artifact-policy metadata

使用可复现性元数据直接导出NV-Generate结果：

python skills/medtech-model-evidence-export/scripts/export_evidence_pack.py \
  runs/nv-generate/result.json \
  --mode local \
  --experiment-name medical-ai-inference \
  --config configs/chest_lung_tumor.json \
  --seed 0 \
  --source-ref git:61c4ec709b84cad468852243c48e250bec732074

记录下采样切片预览，但不记录原始NIfTI文件：

python skills/medtech-model-evidence-export/scripts/export_evidence_pack.py \
  runs/nv-generate/result.json \
  --mode databricks \
  --experiment-name /Shared/medical-ai-inference \
  --artifact-policy preview \
  --confirm-medical-artifact-upload

--artifact-policy all额外上传发现或显式提供的NIfTI图像和掩码，受--max-artifact-mb限制。当结果JSON中不存在路径时，使用--image和--mask。

导出器记录：

  • 标量运行和质量指标，包括CT的采样HU平均值/标准差/最小/最大值（否则为通用强度统计）、文档化的强度信噪比启发式、掩码前景百分比以及存在肿瘤标签映射时的映射肿瘤体积百分比；
  • 生成参数、模型/检查点标识、RNG种子和配方哈希；
  • 源配置摘要或--source-ref，以及存在提示词时的提示词摘要；
  • mlflow.note.content包含简短的人类可读运行摘要；
  • 默认情况下一个净化的元数据包，可选的PNG切片预览，以及仅在显式all策略下的原始图像/掩码工件。

局限性

  • 这是事后推理导出，不是实时训练曲线跟踪。
  • 全局强度信噪比和下采样体积统计是工程检查，不是图像质量或临床性能声明。
  • 预览和原始工件可能包含敏感的医疗信息。调用者必须在上传前批准目标和数据策略。
  • 导出器不评估模型质量、注册模型或更改源证据包。

故障排除

错误 原因 修复
证据源无法识别 没有直接的结果JSON或包manifest.json。 传递结果文件、证据包目录或信任的运行根目录。
MLflow导入失败 实时模式缺少声明的包。 安装mlflow>=2.10,<4或使用--mode dry-run。
预览/全部确认错误 实时图像上传未被确认。 检查目标，然后传递--confirm-medical-artifact-upload。
引用的图像未找到 推理后结果路径已移动。 使用--image和--mask传递当前路径。