Skip to main content
Glama
menessss

medical-evidence-assistant

by menessss
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

🏥 医学证据助手（Medical Evidence Assistant）

面向医生、医学生与科研人员的本地医学证据检索问答平台：基于本地文献库的 RAG 检索增强生成 + 循证医学工具链 + 可复现评估。

⚠️ 教学演示项目，不用于诊疗。 回答仅供参考，重要决策请咨询专业医生并核对原始文献。

✨ 功能总览

六个页面

页面

说明

🏠 首页

DeepSeek 风格统一问答：⚡快速 / 🧠深度思考 × 🍎营养 / 🏥临床 / 💬客服

🍎 营养健康 RAG 助手

大众模式：口语化回答、不输出具体数字、引用与图表展示

🏥 临床证据助手

临床模式：允许统计量、证据分级、一键生成证据卡

🧪 对比评估实验

专用 RAG vs 纯 LLM：引用有效率、假引用率、LLM 裁判打分、检索退化测试

☁️ 云端看板

问答自动记录、回答率/联网兜底率、未答问题 → 自动建议补文献方向

🧰 医学工具

8 个结构化工具交互演示

核心能力

  • 混合检索：本地语义嵌入（bge-small-en，GPU）+ BM25 + RRF 融合 + LLM 重排 + 医学实体扩检索

  • 引用三重保险：编号校验 → 语义核验（引用是否真支撑句子）→ 不匹配强制重写

  • 联网兜底：本地证据不足时自动调用 PubMed 工具 → Europe PMC + 必应 → 最后诚实拒答

  • Agent 短轨迹：每次问答记录决策过程（本地 → 工具 → 联网 → 拒答），界面可展开、云端可查

  • 函数调用式 Agent：本地证据不足时，由 LLM 自主决定调用哪些医学工具（实测：他汀×克拉霉素问题自动调用 4 次工具并给出带 PMID 的相互作用结论）

  • 跨领域双模式路由：问题同时涉及营养与临床时，自动用两个视角分别生成再合并成统一回答（如「糖尿病合并高血脂怎么吃」）

  • 安全护栏：胸痛/卒中/自杀/中毒等紧急问题直接转介 120；剂量/孕期/儿童用药强制警示

  • 速度优化：翻译+实体并行、进程内缓存、BM25 落盘缓存、启动预热、⚡快速模式

8 个医学工具（MCP 暴露 7 个）

工具

数据源

用途

search_pubmed

Europe PMC

医学文献检索

verify_citation

Europe PMC

核验 PMID/DOI、撤稿提示

get_trial_record

ClinicalTrials.gov

临床试验状态/分期/干预

lookup_drug

OpenFDA

药品说明书（适应症/用法/警示）

check_drug_interaction

RxNorm

药物相互作用（尽力查询+诚实兜底）

extract_pico

LLM

PICO 抽取（人群/干预/对照/结局）

extract_entities

LLM

医学实体识别

build_evidence_card

LLM

结构化证据卡

Related MCP server: medical-mcp-agent

🏗️ 架构

PDF ──> ingest.py ──> ChromaDB（14,839 块 + 920 图）
                        │
用户问题 ──> pipeline.py（Agent 调度）
              ├─ 安全护栏（紧急转介 / 谨慎警示）
              ├─ 检索：语义嵌入 + BM25 + RRF + LLM 重排 + 实体扩检索
              ├─ 生成：nutrition / clinical 双模式 + 引用三重校验
              ├─ 工具层：PubMed / 临床试验 / 药品 / PICO / 实体
              ├─ 联网兜底：Europe PMC + Bing
              └─ 云端记录：usage.db（决策轨迹）
评估：evaluate.py（8 题基准 + LLM 裁判 + 关键词断言）

🚀 快速开始

1. 环境

python -m pip install -r requirements.txt

2. 配置 API

复制 .env.example 为 .env，填入 DeepSeek（或其他 OpenAI 兼容）API Key：

OPENAI_API_KEY=sk-xxxx
OPENAI_BASE_URL=https://api.deepseek.com
OPENAI_LLM_MODEL=deepseek-chat

3. 下载嵌入模型（不随仓库分发）

模型通过 ModelScope 下载（推荐国内网络）：

python - <<'EOF'
from modelscope import snapshot_download
snapshot_download("BAAI/bge-small-en-v1.5", local_dir="models/bge-small-en-v1.5")
EOF

4. 构建知识库

python ingest.py                    # 首次入库（读取 ./2026暑期实践 下的 PDF）
python build_semantic_index.py      # 用语义嵌入重建索引（GPU 约 1-2 分钟）

5. 启动

streamlit run app.py                # http://localhost:8501

6. 评估与测试

python evaluate.py --fixtures tests/fixtures/8q.yaml   # 8 题基准评估
python -m pytest tests -q           # 单元测试

🤖 作为 AI Agent Tool（MCP 服务）

项目内置 mcp_server.py，把 7 个医学工具封装为标准 MCP 服务，可被 Cursor / Claude Desktop / Claude Code 等调用：

python mcp_server.py                            # stdio 模式（默认）
python mcp_server.py --transport http --port 8000   # HTTP 模式
pip install -e . && mcp-medical-evidence        # 安装为命令后直接运行

配置示例（Claude Desktop claude_desktop_config.json）：

{
  "mcpServers": {
    "medical-evidence": {
      "command": "python",
      "args": ["E:/path/to/project/mcp_server.py"],
      "env": { "OPENAI_API_KEY": "sk-xxxx", "OPENAI_BASE_URL": "https://api.deepseek.com" }
    }
  }
}

工具：search_pubmed / verify_citation / get_trial_record / lookup_drug / check_drug_interaction / extract_pico / extract_entities

🔑 密钥只通过环境变量传入，绝不写入日志或提交到仓库（.env 已在 .gitignore）。

📁 项目结构

app.py                    # 平台入口（多页面导航）
views/                    # 页面：home/nutrition/clinical/evaluation/cloud/tools
pipeline.py               # Agent 调度：检索 → 工具 → 联网 → 拒答 + 轨迹
agent.py                  # 函数调用式 Agent（LLM 自主选择工具）
routing.py                # 跨领域识别 + 双视角回答合并
retrieve.py               # 混合检索（语义/BM25/RRF/重排/实体扩检索/缓存）
generate.py               # 双模式生成 + 引用三重校验 + 深度思考
embeddings.py             # 本地语义嵌入（bge-small-en，GPU）
ingest.py                 # PDF → ChromaDB 入库
tools.py                  # 8 个医学工具（结构化 JSON）
medical_nlp.py            # 医学实体 + 证据分级（牛津 CEBM）
safety_rules.py           # 安全护栏（紧急/谨慎规则）
websearch.py              # 联网兜底（Europe PMC + Bing）
cloud.py                  # 云端问答记录（SQLite）
evaluate.py               # 评估实验（RAG vs 纯 LLM）
mcp_server.py             # MCP 服务封装
ocr_pdfs.py               # 扫描版 PDF 识别（RapidOCR）
tests/                    # 18 个单元测试 + 固定 8 题 fixtures

🗺️ 路线图

  • 语义嵌入检索 / LLM 重排 / 实体扩检索

  • 双模式生成 + 引用核验 / 安全护栏 / 联网兜底

  • 8 题评估基准 + LLM 裁判 + 关键词断言

  • MCP 工具服务

  • 函数调用式 Agent（LLM 自主选择工具）

  • 跨领域双模式路由

  • 中文资料入库（《中国居民膳食指南》《现代营养学》OCR）

  • 流式输出 / CI（GitHub Actions）

⚠️ 免责声明

本项目为教学演示，输出不构成医疗建议。涉及紧急症状请立即拨打 120；用药剂量、孕期/儿童用药等请咨询执业医师或药师。

📄 License

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers