HealthAI - 基于 AI Agent 的个人健康风险预测与智能健康咨询系统

毕业设计项目

📖 项目简介

HealthAI 是一个智能健康管理系统，融合了机器学习模型、RAG 知识库和自建 LLM Agent 技术，为用户提供：

🏥 疾病风险预测 - 基于 Framingham、FINDRISC、FRAX® 等权威医学评估模型
📊 健康趋势分析 - 时序数据分析、异常检测、健康评分
🤖 智能健康咨询 - 自建 LLM Agent，支持工具调用与流式对话
� 体检报告解析 - 上传 PDF/图片，AI 自动 OCR + LLM 结构化解析
📚 RAG 健康知识库 - 基于《默克家庭诊疗手册》的检索增强问答
� 数据可视化 - ECharts 健康趋势图表

✨ 核心功能

1. 智能问诊（LLM Agent）

基于 ReAct 循环的自建 Agent，自主决策调用工具
支持流式输出，工具调用期间显示思考状态
滑动窗口对话历史管理
工具链：查询健康指标、趋势分析、风险评估、健康档案、录入数据、知识库查询、体检报告解读

2. RAG 健康知识库

基于《默克家庭诊疗手册》构建，约 360 个文本块
向量检索：SiliconFlow BAAI/bge-m3 嵌入 + ChromaDB 本地存储
精排：BAAI/bge-reranker-v2-m3 Reranker，Top-3 结果
索引未就绪时自动降级到结构化知识库

3. 体检报告

上传 PDF / 图片，后端 OCR 提取文本
LLM 结构化解析：生成指标摘要和健康建议
支持历史报告列表查看，支持按 ID 跳转定位

4. 风险评估

心血管疾病风险 - Framingham Risk Score (2008)，Cox 回归统计模型
糖尿病风险 - FINDRISC 评分系统，循证评分量表
代谢综合征 - IDF/NCEP ATP III 联合诊断标准
骨质疏松风险 - FRAX® 骨折风险评估工具，Logistic 回归模型
风险因素分析 + 个性化健康建议

5. 健康数据管理

健康指标录入（血压收缩压+舒张压双轨、血糖、心率、BMI 等）
每日唯一制记录（当日同类型数据重复录入自动更新）
概览/血压/血糖/心率 Tab 切换联动图表，含异常标注与预测曲线
异常检测和预警通知

6. 健康档案与标签

完整健康档案（身体数据、生化指标、生活习惯、家族病史）
档案完整度进度条
智能健康标签：AI 基于档案数据自动评估生成，支持手动添加/编辑

7. 健康报告

汇总体检报告（exam）与系统生成报告（风险评估、健康分析）
按来源分组展示，支持跳转详情

8. 顶栏功能

搜索框：实时搜索页面导航 + 健康报告 + 体检报告，分组下拉展示
通知：指标异常 / 高中风险评估 / 体检报告解析完成，支持已读状态
设置：个人信息编辑、修改密码、通知偏好配置

🛠️ 技术栈

前端

框架: Vue 3 + Vite
路由: Vue Router 4
图表: ECharts + vue-echarts
图标: Lucide Vue Next
样式: 原生 CSS (Meta 风格设计系统)

后端

框架: Flask
数据库: SQLite + SQLAlchemy ORM
认证: JWT Token
LLM Agent: 自建 ReAct Agent，基于 OpenAI SDK 调用硅基流动 API
RAG: ChromaDB 向量库 + SiliconFlow bge-m3 嵌入 + bge-reranker-v2-m3 精排
OCR: pdfplumber（PDF）+ pytesseract（图片）

ML 模型

风险评估: Framingham (Cox 回归)、FINDRISC (循证评分)、代谢综合征 (IDF/NCEP 标准)、FRAX® (Logistic 回归)
趋势分析: 移动平均、线性回归
异常检测: Z-Score、IQR、医学阈值

📁 项目结构

health-agent/
├── backend/                 # 后端服务
│   ├── app.py              # Flask 应用入口
│   ├── config.py           # 配置管理
│   ├── database/           # 数据库模块
│   │   ├── models.py       # SQLAlchemy 模型
│   │   ├── seed.py         # 种子数据生成
│   │   └── __init__.py
│   ├── services/           # 业务逻辑层
│   │   ├── ml_models/      # ML 模型实现
│   │   ├── agent_service.py    # LLM Agent ReAct 循环
│   │   ├── agent_tools.py      # Agent 工具链（7 个工具）
│   │   ├── rag_service.py      # RAG 检索 + 精排服务
│   │   ├── exam_service.py     # 体检报告 OCR + LLM 解析
│   │   ├── health_service.py
│   │   ├── risk_service.py
│   │   ├── trend_service.py
│   │   ├── auth_service.py
│   │   └── user_service.py
│   ├── routes/             # API 路由层
│   ├── rag_data/           # RAG 知识库
│   │   ├── build_index.py  # 索引构建脚本
│   │   ├── 默克家庭诊疗手册.txt
│   │   └── chroma_db/      # 向量索引（已 .gitignore）
│   └── utils/              # 工具模块
│       ├── llm_client.py   # LLM 客户端封装
│       └── jwt_utils.py    # JWT 工具
└── frontend/                # 前端应用
    ├── src/
    │   ├── views/          # 页面视图
    │   │   ├── Home.vue
    │   │   ├── Consultation.vue  # 智能问诊
    │   │   ├── HealthData.vue    # 健康数据
    │   │   ├── RiskAssessment.vue
    │   │   ├── ExamReport.vue    # 体检报告
    │   │   ├── Profile.vue       # 健康档案
    │   │   ├── Reports.vue       # 健康报告列表
    │   │   └── Settings.vue      # 设置
    │   ├── components/
    │   │   └── layout/
    │   │       ├── Header.vue    # 顶栏（搜索+通知+设置）
    │   │       └── Sidebar.vue
    │   ├── router/         # 路由配置
    │   └── api/            # API 服务层
    └── package.json

🚀 快速开始

环境要求

Node.js >= 18
Python >= 3.9

1. 克隆项目

git clone https://github.com/DabRlin/health-agent.git
cd health-agent

2. 后端设置

cd backend

# 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 初始化数据库
python database/seed.py

# 配置环境变量
cp .env.example .env
# 编辑 .env，填入硅基流动 API Key（https://cloud.siliconflow.cn）

# 启动后端服务
python app.py

后端服务将运行在 http://127.0.0.1:5000

3. 前端设置

cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm run dev

前端应用将运行在 http://localhost:5173

4. 环境变量说明

变量	说明	默认值
`LLM_API_KEY`	硅基流动 API Key	必填
`LLM_BASE_URL`	LLM API 地址	`https://api.siliconflow.cn/v1`
`LLM_MODEL`	使用的模型	`Pro/zai-org/GLM-4.7`
`LLM_MAX_HISTORY`	对话历史滑动窗口大小	`10`

🤖 Agent 架构说明

智能问诊模块采用自建 ReAct（Reasoning + Acting）Agent：

用户发送消息 → Agent 接收并构建上下文（系统提示 + 滑动窗口历史）
LLM 推理 → 判断是否需要调用工具（stream=False）
工具执行 → 调用对应服务获取真实数据，结果追加到上下文
循环推理 → 重复步骤 2-3，直到无需更多工具调用
流式输出 → 最终回复以 stream=True 实时推送到前端

可用工具（7 个）：

get_health_metrics - 查询用户最新健康指标
get_health_trend - 分析指定指标的历史趋势
run_risk_assessment - 运行心血管/糖尿病/代谢综合征风险评估
get_user_profile - 获取用户健康档案
add_health_metric - 录入新的健康数据
get_health_knowledge - RAG 知识库检索（优先向量检索，降级到结构化库）
analyze_exam_report - 解读最近一份体检报告

📊 ML 模型说明

心血管风险评估 (Framingham Risk Score)

类型: 多元 Cox 统计回归模型
基于 Framingham Heart Study，D'Agostino et al., Circulation 2008
预测 10 年内心肌梗死、冠心病死亡、中风等心血管事件风险
输入：年龄、性别、总胆固醇、HDL、收缩压、吸烟史、糖尿病史、降压药使用

糖尿病风险评估 (FINDRISC)

类型: 循证医学评分量表（Finnish Diabetes Risk Score）
基于 Lindström & Tuomilehto，Diabetes Care 2003
预测未来 10 年内发生 2 型糖尿病的风险，评分范围 0–26 分
无需实验室检查，适合人群筛查

代谢综合征评估

类型: 规则引擎（基于国际诊断标准）
基于 IDF/NCEP ATP III 联合声明，Circulation 2009
采用亚洲人群腰围标准（男 ≥90cm，女 ≥80cm）
腹围、甘油三酯、HDL、血压、血糖 5 项中满足 ≥3 项即确诊

骨质疏松风险评估 (FRAX®)

类型: Logistic 回归统计模型
基于 WHO 骨折风险评估工具，Kanis et al., Osteoporosis International 2008
预测 10 年内主要骨质疏松性骨折及髋部骨折概率
无需骨密度检测（BMD-free 版本），适合初筛

🎯 开发路线图

🔒 免责声明

⚠️ 重要提示：本系统仅供健康参考和学术研究，所提供的风险评估与健康建议不能替代专业医疗诊断。如有健康问题，请及时前往正规医疗机构就医。

Name		Name	Last commit message	Last commit date
Latest commit History 77 Commits
backend		backend
docs		docs
frontend		frontend
.gitignore		.gitignore
README.md		README.md

Folders and files

Latest commit

History

Repository files navigation

HealthAI - 基于 AI Agent 的个人健康风险预测与智能健康咨询系统

📖 项目简介

✨ 核心功能

1. 智能问诊（LLM Agent）

2. RAG 健康知识库

3. 体检报告

4. 风险评估

5. 健康数据管理

6. 健康档案与标签

7. 健康报告

8. 顶栏功能

🛠️ 技术栈

前端

后端

ML 模型

📁 项目结构

🚀 快速开始

环境要求

1. 克隆项目

2. 后端设置

3. 前端设置

4. 环境变量说明

🤖 Agent 架构说明

📊 ML 模型说明

心血管风险评估 (Framingham Risk Score)

糖尿病风险评估 (FINDRISC)

代谢综合征评估

骨质疏松风险评估 (FRAX®)

🎯 开发路线图

🔒 免责声明

📄 许可证

👨‍💻 作者

🙏 致谢

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages