技巧精选

Mirobody 开源项目实测:让大模型读懂你的体检报告

精选理由

写代码的兄弟们可以花一个周末试试这个开源项目,它能把不同医院的体检报告统一到 LOINC 编码再让模型分析趋势,比直接把 PDF 丢给大模型靠谱。官方提供了现成的 MCP 命令,不用部署不用 API Key,但接云端工具前想想隐私问题。

作者实测 Theta Health 开源的 Mirobody(Apache-2.0 协议),核心考察点是把不同医院、不同写法的化验项归到同一编码。

正文

本地换算验证:193 mg/dL 总胆固醇被换算为 4.99 mmol/L,并映射到 LOINC 2093-3 国际编码,全程无需 API Key。

中文 demo 中,导入一份 PDF 体检报告和一份 CSV 化验单后,「Total Cholesterol-TC」和「Cholesterol, Total」两种写法被归为同一项,画出 4.60、4.

45、4.38 mmol/L 的趋势线,每个读数可回溯原始文件。

用 1.6.

0 版本复跑仓库公开的名称识别用例,347 项全部通过,但作者注明这只代表公开用例表现,不代表临床准确率。文章还给出把 Mirobody 接入 Claude Code 的 MCP 命令(uvx --python 3.

12 mirobody mcp),并提醒云端工具会把健康记录发给模型公司。截至 11 月 9 日,该项目是 GitHub digital-health 话题下星标第 1 的仓库。

原文 · shao__meng

各位 Vibe Coder 们,咱们天天看自己的 token 额度还剩多少,天天担心 Claude Code、Codex 的 IP 健不健康、会不会被封号,把这些 Coding Agent 伺候得妥妥帖帖。可有多久,咱们没真正关心过自己的健康了? 你上次体检是几年前?我是 3 年前,前公司的入职体检 🤦🏻‍♀️ 更扎心的是:就算现在去补一次,新报告和 3 年前那份也很难放在一起看。换了医院,指标名就变了;在国外做的化验,单位都不一样。一份写 Total Cholesterol 193 mg/dL,一份写 总胆固醇 5.0 mmol/L,数字看着差了几十倍,其实几乎是同一个值。 我们给 agent 喂代码,都知道上下文没对齐就会出错。那健康数据呢?很少有人管。把两份报告一起丢给大模型,它能讲得头头是道,却未必知道这两个数说的是同一件事。数据层不先统一,模型再强也画不出一条对的趋势。 所以今天我拿 Theta Health 开源的 Mirobody(Apache-2.0)认真试了一遍,我只关注一个点:它能不能把同一项认成同一项。全程用的都是虚拟数据。 1. 在本地换算 193 mg/dL,结果是 4.99 mmol/L。「总胆固醇」和「total cholesterol」对到了同一个国际化验编码(LOINC 2093-3)。这一步没调模型,也没用 API Key。 2. 中文 demo 里,一开始只有一份报告。我问「我的胆固醇有什么变化?」,它老实说只有一个时间点:4.60 mmol/L。我又导入了一份 PDF 体检报告和一份 CSV 化验单,同样的问题,这次画出了一条趋势:4.60、4.45、4.38。两份报告的英文写法一份是「Total Cholesterol-TC」,一份是「Cholesterol, Total」,它都认成了同一项。每个读数都能点开原文件看。 3. 最让我放心的是:我输入「血脂 5.0 mmol/L」,它并没有硬猜,只是不给编码,因为「血脂」是一类检查,不是一项读数。写过代码的都懂,知道什么时候不该答,比什么都答更难得。 我还用 1.6.0 版本复跑了它仓库里公开的名称识别用例,347 项全部通过。这只说明公开用例在这个版本上的表现,不代表临床准确率。 没跑完的也照实说:16 GB 电脑上的全本地部署我还没试,这台机器上没装 Docker,磁盘空间也不够。下一篇补上实测。 给自己的 agent 做了那么多配置,也花一个周末给自己的健康数据搭个底子吧: 1. 先看中文 demo,里面是两位虚拟成员的数 chat.mirobody.cn/demo PZ 2. 给 Claude Code 接上(官方提供的命令,不用部署,也不要 Key): claude mcp add mirobody -- uvx --python 3.12 mirobody mcp 提醒一句:接 Claude Code 这类云端工具时,记录会发给对应的模型公司。 截至 11 月 9 日,它是 GitHub digital-health 话题下星标第 1 的项目。觉得有用,欢迎点个星,或者提 issue、PR github.com/thetahealth/mi… Bp (然后,真的该去体检了啊。。。)📊 2 ⚡

产业坐标与信源核验

本条情报归属 AITOP「技巧」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Mirobody、Claude Code、MCP/工具、开源模型,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「shao__meng」(@shao__meng),经 AITOP 多维评分管线结构化提炼。