# DILIGENT：面向药物性肝损伤的AI临床助手

> 基于大语言模型的临床辅助工具，专门协助医生检测和管理药物性肝损伤（DILI），提供病例分析、RAG检索和会话记录功能。

- 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo)
- 发布时间: 2026-06-03T07:45:38.000Z
- 最近活动: 2026-06-03T07:53:51.811Z
- 热度: 150.9
- 关键词: 医疗AI, 药物性肝损伤, 临床决策支持, 大语言模型, RAG检索, DILI诊断, FastAPI, Angular
- 页面链接: https://www.zingnex.cn/forum/thread/diligent-ai
- Canonical: https://www.zingnex.cn/forum/thread/diligent-ai
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：CTCycle
- 来源平台：github
- 原始标题：DILIGENT-Clinical-Copilot
- 原始链接：https://github.com/CTCycle/DILIGENT-Clinical-Copilot
- 来源发布时间/更新时间：2026-06-03T07:45:38Z

## 原作者与来源\n\n- **原作者/维护者：** CTCycle\n- **来源平台：** GitHub\n- **原始标题：** DILIGENT-Clinical-Copilot\n- **原始链接：** https://github.com/CTCycle/DILIGENT-Clinical-Copilot\n- **发布时间：** 2026年6月3日\n\n---\n\n## 项目背景与临床需求\n\n药物性肝损伤（Drug-Induced Liver Injury, DILI）是药物不良反应中最常见且最严重的类型之一，也是导致药物退市和急性肝衰竭的主要原因。据估计，DILI 占所有急性肝衰竭病例的50%以上，且临床表现多样，从无症状的肝酶升高到危及生命的肝衰竭都有可能。\n\n然而，DILI 的诊断一直是临床实践中的一大挑战：\n\n- **病因复杂：** 需要排除病毒性肝炎、酒精性肝病、自身免疫性肝病等其他常见病因\n- **时间关联：** 需精确追溯用药史与肝损伤发生的时间关系\n- **药物繁多：** 超过1000种药物被报道与肝损伤相关，记忆负担沉重\n- **个体差异：** 遗传背景、基础疾病、合并用药等因素都会影响风险评估\n\nDILIGENT Clinical Copilot 正是在这一临床痛点基础上开发的 AI 辅助诊断工具，旨在利用大语言模型的知识整合和推理能力，为医生提供系统化的 DILI 评估支持。\n\n---\n\n## 系统架构与技术实现\n\nDILIGENT 采用现代 Web 应用的经典分层架构：\n\n### 后端：FastAPI\n\n选择 FastAPI 作为后端框架，充分利用其高性能、异步支持和自动文档生成的优势。后端负责：\n- 病例数据的结构化存储与检索\n- 与大语言模型 API 的交互\n- RAG（检索增强生成）管道的实现\n- 会话管理和历史记录维护\n\n### 前端：Angular + TypeScript\n\n采用 Angular 框架构建企业级前端应用，TypeScript 提供了类型安全保证，有助于维护复杂的临床数据模型。\n\n### 可选的本地部署\n\n项目支持 Tauri 打包的 Windows 桌面版本，使医疗机构可以在完全离线的环境中运行系统，满足医疗数据隐私合规要求。\n\n---\n\n## 核心功能与工作流程\n\n### 1. 结构化病例采集\n\n系统引导医生按标准化格式录入关键信息：\n- **病史采集：** 主诉、现病史、既往史、家族史\n- **用药记录：** 当前用药、近期用药史、草药和保健品使用\n- **实验室数据：** 肝功能指标（ALT、AST、ALP、TBil 等）、凝血功能、病毒学标志物\n\n这种结构化输入不仅便于 AI 分析，也促进了临床思维的规范化。\n\n### 2. AI 辅助分析\n\n基于录入的病例数据，系统调用大语言模型进行多维度分析：\n- **Roussel Uclaf Causality Assessment Method (RUCAM)** 评分计算\n- **药物-肝损伤因果关系的概率评估**\n- **鉴别诊断建议：** 排除其他病因的可能性\n- **进一步检查建议：** 根据当前信息缺口提出补充检查方案\n\n### 3. RAG 增强检索\n\n系统可选启用 RAG 功能，将医学文献、药物说明书、临床指南等知识库与 LLM 结合，确保生成的建议有据可依，减少大模型的"幻觉"风险。\n\n### 4. 会话持久化与回顾\n\n每个病例的分析过程都会被保存为会话记录，医生可以：\n- 回顾历史分析结果\n- 在新数据可用时更新评估\n- 追踪患者病情变化趋势\n- 生成用于病历归档或转诊的报告\n\n---\n\n## 临床价值与意义\n\n### 提升诊断准确性\n\n通过系统化的评估流程和 AI 的知识整合能力，DILIGENT 有助于减少漏诊和误诊，特别是在面对罕见药物或复杂合并用药场景时。\n\n### 提高工作效率\n\n自动化的因果评估和报告生成可以节省医生的文书时间，使其能将更多精力投入到患者沟通和临床决策中。\n\n### 促进规范化诊疗\n\n系统内置的评估框架（如 RUCAM）是国际公认的标准化工具，使用该系统有助于在临床实践中推广规范化诊疗流程。\n\n### 支持医学教育\n\n对于住院医师和医学生，DILIGENT 可以作为一个互动式的学习工具，帮助他们理解 DILI 的诊断逻辑和评估要点。\n\n---\n\n## 技术细节与部署\n\n### 环境要求\n\n- Python 3.14+\n- Node.js 18+ 和 npm\n- 可选：Ollama 用于本地模型运行\n\n### 默认端口配置\n\n- 前端 UI：http://127.0.0.1:9847\n- 后端 API：http://127.0.0.1:7690\n\n### 配置管理\n\n系统采用配置优先的设计理念，通过 `settings/.env` 文件管理运行时配置，支持本地开发、本地 Tauri 桌面版等多种运行模式。\n\n### 许可证说明\n\n项目采用 Polyform Noncommercial License 1.0.0，允许非商业用途免费使用，商业用途需另行获取授权。这种许可模式既保证了开源社区的利益，也为项目的可持续发展留下了空间。\n\n---\n\n## 局限性与未来方向\n\n### 当前局限\n\n- 作为活跃开发中的项目，可能存在功能不完整或潜在缺陷\n- 数据库模式在版本升级时可能需要重新初始化\n- 依赖外部 LLM API 或本地 Ollama 服务的可用性\n\n### 未来展望\n\n- 扩展支持更多药物不良反应类型的评估\n- 集成电子病历系统（EMR/EHR）实现数据自动同步\n- 多语言支持，服务全球医疗市场\n- 基于累积病例数据的机器学习模型训练\n\n---\n\n## 总结\n\nDILIGENT Clinical Copilot 代表了 AI 技术在临床医学领域的一个务实应用方向。它没有追求"替代医生"的宏大叙事，而是聚焦于 DILI 这一具体临床难题，通过系统化的信息收集、知识增强的 AI 分析和可追溯的会话管理，为医生提供真正有价值的决策支持。\n\n在医疗 AI 领域，这种"窄而深"的垂直应用往往比"大而全"的通用方案更具实际价值。DILIGENT 的设计理念和实现方式，为其他专科领域的 AI 辅助诊断工具开发提供了有益参考。