文件	最后提交记录	最后更新时间
code-changes	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前
diagrams	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前
README.md	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前
agent-config.md	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前
architecture.md	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前
custom-tools.md	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前
frontend-improvements.md	feat: Add PathologyAI - 智能病理诊断助手 Create a new branch	8 个月前

PathologyAI - 智能病理诊断助手

ModeEngine AI 创新应用学习赛提交材料

团队：量子工坊

📦 提交材料目录

docs/
├── README.md                    # 本文档（项目完整介绍）
├── agent-config.md              # 智能体配置说明
├── custom-tools.md              # 15个MCP工具详细说明
├── frontend-improvements.md     # 前端组件改进说明
├── architecture.md              # 架构与调用关系图（Mermaid）
├── diagrams/                    # 架构图（PNG格式）
│   ├── tools_architecture.png   # 工具调用架构图
│   ├── system_architecture.png  # 系统分层架构图
│   ├── cod_process.png          # CoD诊断推理链
│   ├── game_flow.png            # 诊断游戏流程
│   └── dataflow.png             # 数据流向图
└── code-changes/                # 源码文件
    ├── backend/
    │   └── local_mcp_service.py        # 15个MCP工具定义
    ├── frontend/
    │   ├── PathologyImageGallery.tsx   # 新增：病理图片画廊
    │   ├── DiagnosisConfidenceCard.tsx # 新增：置信度卡片
    │   ├── SourceTag.tsx               # 新增：来源标签
    │   ├── MedicalVisualizationPanel.tsx
    │   ├── index.ts
    │   ├── markdownRenderer.tsx        # 修改：按钮解析
    │   ├── chatLeftSidebar.tsx         # 修改：清空对话
    │   └── conversationService.ts      # 修改：批量删除
    ├── medical_extension/
    │   ├── chain_of_diagnosis.py       # CoD实现
    │   ├── confidence_evaluator.py     # 置信度评估
    │   ├── medical_prompts.py
    │   ├── agent_templates.py
    │   ├── api.py
    │   └── test_medical.py
    └── docker/
        └── update_prompt_btn.sql       # Agent提示词SQL

🎯 核心功能

Chain-of-Diagnosis（CoD）诊断推理框架 ⭐⭐⭐⭐⭐

首创医学诊断专用的结构化推理框架，包含5个标准化步骤：

步骤	名称	说明
Step 1	症状分析	全面提取和分类患者症状
Step 2	病史关联	关联既往病史和家族史
Step 3	鉴别诊断	列出所有可能的诊断假设
Step 4	检查建议	建议进一步检查项目
Step 5	初步结论	综合分析得出最可能诊断

创新点：每一步推理过程完全可追溯、可解释，解决了传统AI诊断"黑盒"问题。

置信度评估系统

多维度评估诊断可信度：

维度	说明
证据充分度	支持诊断的证据是否充足
一致性	症状与诊断是否一致
完整性	信息是否完整
确定性	诊断的确定程度

风险等级：LOW / MEDIUM / HIGH / CRITICAL

诊断模拟游戏

交互式临床问诊练习，通过 [btn:选项] 按钮交互：

1.启动 → 2.问诊 → 3.体检 → 4.检查 → 5.诊断

用户扮演医生，AI扮演患者，训练临床思维。

🔧 15个专业MCP工具

形成完整的病理诊断工具链：

医疗诊断工具（4个）

工具名称	功能
`chain_of_diagnosis`	CoD框架实现，5步结构化诊断
`evaluate_diagnosis_confidence`	多维度置信度评估
`search_pathology_images`	病理图片搜索
`generate_medical_guide`	就医指南生成

诊断游戏工具（2个）

工具名称	功能
`start_diagnosis_game`	启动诊断模拟游戏
`diagnosis_action`	执行游戏动作（问诊/体检/检查/诊断）

医学可视化工具（9个）

工具名称	功能
`generate_knowledge_graph`	医学知识图谱
`generate_diagnosis_flow`	诊断流程图
`generate_medical_chart`	统计图表（柱状图/折线图/饼图）
`generate_radar_chart`	雷达图（多维度健康指标）
`generate_timeline`	时间线图（病程发展）
`generate_gantt_chart`	甘特图（治疗计划）
`generate_quadrant_chart`	象限图（风险评估）
`generate_state_diagram`	状态转换图（疾病状态）
`generate_sankey_diagram`	桑基图（流量转换）

📊 项目数据统计

应用代码规模

项目	数量
MCP工具	15个完整实现
前端组件	4个新增 + 4个修改
后端代码	~1,400行
文档	5个Markdown文档
架构图	5张

系统模型配置

基于 Nexent v1.7.7 平台：

模型类型	模型名称
大语言模型	Claude 4.5 Haiku
向量模型	BGE-M3 Embedding
重排模型	Jina Reranker
多模态向量模型	BGE-M3 Multi
视觉语言模型	GPT-4o Vision
语音合成	OpenAI-TTS-HD
语音识别	OpenAI-Whisper

💡 技术创新点

1. Chain-of-Diagnosis框架 ⭐⭐⭐⭐⭐

首创医学诊断专用推理框架

结构化5步诊断流程
每步可追溯、可解释
多维度置信度评估
完整的证据链

2. MCP工具生态系统 ⭐⭐⭐⭐⭐

完整的病理诊断工具链

15个工具覆盖诊断全流程
遵循MCP标准协议
可独立使用，可组合调用
易于扩展到其他医学领域

3. 交互式诊断游戏 ⭐⭐⭐⭐

创新的临床思维训练方案

[btn:选项] 按钮交互机制
完整的问诊→体检→检查→诊断流程
实时反馈和评分
适合医学教育场景

4. 双重知识检索 ⭐⭐⭐⭐

内外部知识融合策略

内部知识库权重60%（专业准确）
外部搜索权重40%（时效补充）
自动来源标注 [内部] [外部]
可溯源、可验证

5. 医学可视化工具集 ⭐⭐⭐⭐

9种Mermaid图表自动生成

知识图谱、诊断流程图
雷达图、时间线、甘特图
象限图、状态图、桑基图
前端原生渲染，无需额外依赖

🏗️ 系统架构

分层架构图

┌─────────────────────────────────────────────────────────────┐
│                    前端层 (Frontend)                         │
│         聊天界面 | 医学可视化组件 | 诊断游戏界面              │
└─────────────────────────────┬───────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                    Nexent Runtime                            │
│              病理学AI助手 (Agent ID: 13)                     │
└─────────────────────────────┬───────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                    MCP工具层 (15个自定义工具)                 │
│      诊断推理 | 置信度评估 | 诊断游戏 | 9种可视化图表         │
└─────────────────────────────┬───────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                       数据层                                 │
│        PostgreSQL | Elasticsearch | 病理图片服务器           │
└─────────────────────────────────────────────────────────────┘

5.2 工具调用关系图

flowchart TD
    subgraph User["用户"]
        Q[用户提问]
    end

    subgraph Agent["病理学AI助手 Agent ID:13"]
        A[接收问题]
        B{判断问题类型}
    end

    subgraph BuiltIn["内置工具"]
        KB[knowledge_base_search<br/>内部知识库 60%]
        TS[tavily_search<br/>外部搜索 40%]
        AI[analyze_image<br/>图片分析]
    end

    subgraph Medical["医疗诊断工具"]
        COD[chain_of_diagnosis<br/>5步诊断推理链]
        CONF[evaluate_diagnosis_confidence<br/>置信度评估]
        IMG[search_pathology_images<br/>病理图片搜索]
        GUIDE[generate_medical_guide<br/>就医指南]
    end

    subgraph Game["诊断模拟游戏"]
        START[start_diagnosis_game]
        ACTION[diagnosis_action]
    end

    subgraph Visual["可视化工具 9个"]
        VIS[knowledge_graph / diagnosis_flow / medical_chart<br/>radar_chart / timeline / gantt_chart<br/>quadrant_chart / state_diagram / sankey_diagram]
    end

    Q --> A --> B
    B -->|医学问答| KB
    B -->|医学问答| TS
    B -->|图片分析| AI
    B -->|诊断分析| COD
    B -->|诊断游戏| START
    B -->|可视化| VIS
    B -->|就医咨询| GUIDE
    
    KB --> R[生成回答]
    TS --> R
    AI --> R
    COD --> CONF --> R
    START --> ACTION --> R
    VIS --> R
    IMG --> R
    GUIDE --> R

5.3 数据流向

flowchart LR
    subgraph Input["输入"]
        I1[文本问题]
        I2[病理图片]
        I3[按钮点击]
    end

    subgraph Process["处理"]
        Agent[AI助手]
        Tools[MCP工具]
        KB[(知识库 60%)]
        Web((互联网 40%))
    end

    subgraph Output["输出"]
        O1[Markdown文本]
        O2[Mermaid图表]
        O3[病理图片]
        O4[交互按钮]
    end

    I1 --> Agent
    I2 --> Agent
    I3 --> Agent
    Agent --> Tools
    Tools --> KB
    Tools --> Web
    KB --> O1
    Web --> O1
    Tools --> O2
    Tools --> O3
    Tools --> O4

六、前端改进

6.1 新增组件

组件	文件	功能
病理图片画廊	`PathologyImageGallery.tsx`	展示和预览病理图片
置信度卡片	`DiagnosisConfidenceCard.tsx`	显示诊断置信度和风险等级
来源标签	`SourceTag.tsx`	标注信息来源 [内部]/[外部]

6.2 修改组件

组件	修改内容
`markdownRenderer.tsx`	新增 `[btn:xxx]` 按钮解析和渲染
`chatLeftSidebar.tsx`	新增"清空所有对话"功能
`conversationService.ts`	新增 `deleteAll` 批量删除方法
`MedicalVisualizationPanel.tsx`	去除硬编码，支持通用病理学

部署说明

8.1 环境要求

Nexent v1.7.7+
Docker & Docker Compose
Python 3.10+
Node.js 18+

8.2 部署步骤

部署 Nexent 平台
```
docker-compose up -d
```

导入 Agent 配置

docker exec -i nexent-postgres psql -U postgres -d nexent < update_prompt_btn.sql

配置模型
- 在 Nexent 管理界面配置各模型 API
启动使用
- 访问 http://localhost:3000
- 选择"病理学AI助手"开始对话

九、使用示例

9.1 医学问答

用户: HIV感染的诊断标准是什么？
AI: [调用 knowledge_base_search + tavily_search]
    [融合内部60% + 外部40%结果]
    返回诊断标准说明...

9.2 诊断推理

用户: 患者发热、淋巴结肿大、皮疹，请分析
AI: [调用 chain_of_diagnosis]
    Step1: 症状分析 - 三联征提示...
    Step2: 病史关联 - ...
    Step3: 鉴别诊断 - ...
    Step4: 检查建议 - ...
    Step5: 初步结论 - ...
    [调用 evaluate_diagnosis_confidence]
    置信度: 85% | 风险等级: MEDIUM

9.3 诊断游戏

用户: 开始诊断游戏
AI: [调用 start_diagnosis_game]
    
    🎮 诊断模拟游戏
    难度: 中级 | 病例类型: 感染性疾病
    
    患者信息: 男性，35岁，主诉发热3天...
    
    [btn:询问发热情况] [btn:询问其他症状] [btn:询问既往史]

📝 应用价值

医学教育

医学生病理学习辅助
住院医师规范化培训
在线医学教育平台
临床思维训练（诊断游戏）

临床辅助

病理医生诊断辅助决策
基层医院诊断能力提升
远程病理会诊支持
结构化诊断报告生成

科研应用

病理知识图谱构建
医学AI研究数据积累
诊断算法优化验证
可视化数据展示

社会价值

缓解病理医生严重短缺（缺口3万+）
提升诊断标准化和准确性
推动优质医疗资源下沉
降低误诊漏诊风险

⚠️ 安全声明

重要提示：

本AI助手仅供学习和参考使用
不能替代专业医生的诊断和治疗建议
如有健康问题，请及时就医
所有诊断建议均需专业医师确认

📄 许可证

Apache License 2.0

👥 贡献者

量子工坊团队

开放原子基金会 ModeEngine AI 创新应用学习赛