OncoCore Clinical Validator

О сервисе

OncoCore AI Clinical Validator Краткое описание OncoCore Clinical Validator — гибридный AI inference service для клинического аудита онкологических кейсов. Сервис принимает текст врача или структурированный Patient JSON, извлекает Patient Schema через multi-provider AI pipeline и проверяет данные через deterministic rule engine. Модель предназначена для AI-assisted clinical audit : она помогает проверить, соответствует ли выбранная стратегия лечения формализованным клиническим правилам. Основной pipeline Doctor text / Patient JSON ↓ YandexGPT extraction, if available ↓ OpenRouter / Qwen2.5 ↓ Local ML extractor ↓ Fallback rule-based extractor ↓ Patient Schema validation ↓ Rule Engine ↓ Compliance Scoring ↓ Validation Report Что делает модель Сервис выполняет следующие шаги: Принимает свободный текст врача или структурированный Patient JSON. Извлекает ключевые клинические признаки: - diagnosis; - stage; - biomarkers; - performed_tests; - current_therapy; - line_of_therapy; - comorbidities. Приводит данные к внутренней Patient Schema. Проверяет данные через rule engine. Рассчитывает compliance_score и risk_level. Возвращает список найденных нарушений и summary. Основной endpoint POST /analyze/text Пример входа { "text": "Пациент 65 лет. Диагноз: NSCLC IV стадии. EGFR positive. Выполнены CT_CHEST, EGFR_TEST и ALK_TEST. Назначен OSIMERTINIB в первой линии терапии." } Пример выхода { "status": "success", "mode": "doctor", "compliance_score": 100, "risk_level": "low", "summary": { "critical": 0, "major": 0, "minor": 0 }, "ai_powered": true, "violations": [], "structured_patient": { "diagnosis": "NSCLC", "stage": "IV", "biomarkers": { "EGFR": "positive" }, "performed_tests": [ "ALK_TEST", "CT_CHEST", "EGFR_TEST" ], "current_therapy": [ "OSIMERTINIB" ], "line_of_therapy": 1, "comorbidities": [] }, "extraction_source": "open_source_llm_extractor" } Архитектура Решение включает: - FastAPI backend; - Docker-ready запуск; - Patient Schema validation; - deterministic rule engine; - compliance scoring; - OpenRouter / Qwen2.5 extractor; - local ML extractor; - fallback rule-based extractor; - synthetic golden demo cases; - assert-based тесты. Поддерживаемые источники извлечения данных Для endpoint /analyze/text используется устойчивый multi-provider pipeline: 1. YandexGPT extraction, if available 2. OpenRouter / Qwen2.5 through OpenAI-compatible endpoint 3. Local ML extractor 4. Fallback rule-based extractor Если внешний LLM недоступен, сервис не падает, а автоматически использует локальный ML extractor. Если локальный ML extractor также недоступен, используется fallback rule-based extractor. Основные файлы проекта src/ ├── api.py # FastAPI endpoints ├── models.py # Patient Schema ├── engine.py # Rule-based validation engine ├── scoring.py # Compliance scoring ├── service.py # Report generation pipeline ├── ai_service.py # External AI extraction / explanation layer ├── ml_extractor.py # Local ML extraction runtime └── oss_llm_extractor.py # Open-source LLM endpoint provider data/ ├── rules.json # Clinical validation rules ├── error_weights.json # Weights for scoring ├── normalized_codes.json # Normalized codes and dictionaries ├── tests.json # MVP test cases └── demo_cases.json # Golden synthetic demo cases models/ ├── local_text_extractor.joblib └── model_metadata.json Запуск локально 1. Установка зависимостей pip install -r requirements.txt 2. Запуск API uvicorn src.api:app --host 0.0.0.0 --port 8000 После запуска: http://localhost:8000 http://localhost:8000/docs http://localhost:8000/health Запуск через Docker docker compose up --build Проверка: GET http://localhost:8000/health POST http://localhost:8000/analyze/text Остановка: docker compose down Environment variables Для OpenRouter / Qwen2.5 используется OpenAI-compatible endpoint. Пример `.env`: OSS_LLM_ENABLED=true OSS_LLM_PROVIDER=openai_compatible OSS_LLM_BASE_URL=https://openrouter.ai/api/v1 OSS_LLM_API_KEY=your_openrouter_key_here OSS_LLM_MODEL=qwen/qwen-2.5-7b-instruct OSS_LLM_TIMEOUT=90 Реальные секреты не должны попадать в Git и публичные архивы. Запрещено публиковать: .env api_key.txt env.yaml .git_old *.key *.pem *.secret Проверка Проект проверен локально и через Docker. Основные проверки: python run_tests.py python -m json.tool data/demo_cases.json docker compose up --build Результат тестов: All tests passed: 6/6 Также подготовлены golden synthetic demo cases в файле: data/demo_cases.json Версия v1.1.0-mvp В этой версии добавлена поддержка OpenRouter / Qwen2.5 через OpenAI-compatible endpoint. Ограничения Сервис не ставит диагноз, не назначает лечение и не заменяет врача. Он используется как AI-assisted audit / validation tool для поддержки проверки медицинской документации. Текущий MVP сфокусирован на NSCLC и synthetic/demo cases. Rule engine работает только с формализованными правилами, включёнными в текущую версию проекта. Responsible use Результаты сервиса должны интерпретироваться специалистом. Сервис предназначен для демонстрации clinical audit pipeline и не должен использоваться как единственный источник клинического решения. Теги: гравитация, healthcare, oncology, NLP, clinical-audit, qwen, fastapi Источник: https://qubu.ai/models/onco-core-clinical-validator License: MIT