上个月的体检报告,我交给了开源项目 Mirobody,在自己 Mac 上从读报告到回答问题全跑通了,没填一个 API key。58 行化验数值逐项对过原件,全对。可第一次上传时,化验单那几页它一条都没读进来。
1 tiếng nói · chưa gắn nhãn trưởng lab · 1 nền tảng · chưa có số tương tác · Nguồn crawl
Chi tiết nguồn
上个月的体检报告,我交给了开源项目 Mirobody,在自己 Mac 上从读报告到回答问题全跑通了,没填一个 API key。58 行化验数值逐项对过原件,全对。可第一次上传时,化验单那几页它一条都没读进来。 装法:Homebrew 装 llama.cpp 跑模型,colima 起 Docker 跑应用,设置页选「100% 在本机运行」,用默认的小模型 minicpm5-2b,读图交给 glm-ocr。模型下载加载 6 分钟。机器是 M4 Pro、48GB,模型走 Mac 的 GPU。 第一次传整份 14 页的 PDF,1 分钟处理完,进来 33 条,全是前几页的查体和结论,化验单 3 页一条没有。翻日志,读图的模型一次都没被调用。这 3 页是嵌在 PDF 里的扫描图,页眉页脚却是文字,按文档写的规则,有文字层的页不走 OCR。 我把这 3 页截成图片单独传,一分半处理完,58 行化验结果全进来了,数值和原件逐项对得上。错了 3 处小地方:红细胞的参考范围多读出一个「1」,一个项目名丢了个字,甘油三酯旁边印的上箭头没记下来。 Mirobody 主要干的事,是把每条读数对到标准编码 LOINC,不同医院、不同写法的同一项才能连成一条线。这 58 行对上了 20 行。生化、甲功、糖化基本都对上了,单位不同还会选不同的编码;血常规 22 项、尿常规 14 项一项没对上,卡在「白细胞WBC」这种中文直接连着缩写的写法上。 最有意思的是肌酐。报告上写的是「肌酐(Cre)」,而 Cre 在 LOINC 里查到的是一种耐药菌的培养检查。它判断这个名字有歧义,就留空,没有瞎猜。 然后我问它:「我这次体检有哪些指标超出了参考范围?」2B 小模型想了 84 秒,走了 11 步。报告上标了箭头的 5 项全找到了,但把一项在范围内的血糖也算成了超标。它查表没拿到数值,转头去翻了原文件,回答里的数字也没带来源链接。我的血脂和肝功能确实有几项偏高,具体数值就不放了。 接 Claude Code 这一步,我换成了项目自带的演示账号。MCP 接上以后,Claude Code 查到的读数会发到 Claude 的服务器,所以这一步没用我自己的数据。问它「胆固醇这几年怎么变的」,只有一条记录的时候,它直说看不出变化,没编趋势;我再传两份合成报告(一份 PDF、一份 CSV,写法不完全一样),三次读数被认成同一项,按日期排好,每个数字都标了出自哪个文件。 ChatGPT Health、阿福是厂商的云服务,注册就能用。Mirobody 是 Theta Health 开源的(Apache-2.0),国内的网页版和微信小程序也基于它。开源版能把记录和模型都留在自己电脑上,代价是得自己折腾,小模型也慢。它不做诊断,那次回答最后一句也是让我拿报告去问医生。 认不出的写法可以去提 issue,它的词表就是这么一行一行补起来的。 http://github.com/thetahealth/mirobody