医学文献智能分析系统

基于 LlamaIndex 和 OpenAI 的智能文献分析系统，用于分析 {化合物} 对 {疾病} 的治疗效果。

项目中的 Prompt 还可以进一步调优。可以自行动手修改调试。

本项目仅仅为了学习演示，不能用于生产环境。

功能特点

• 🔍 支持PubMed文献智能检索
• 🤖 基于LLM的文献内容深度分析
• 📊 自动生成分析报告
• 💾 向量化存储分析历史
• 🗣️ 自然语言交互界面

系统架构

核心组件

1. 文献检索工具 (tools/pubmed_tool.py)

   • 基于PubMed API的文献检索
   • 支持年份范围过滤
   • 自动获取文献详细信息

2. 文献分析工具 (tools/literature_analyze.py)

   • 使用OpenAI进行内容分析
   • 提取关键发现和结论
   • 评估证据强度

3. 智能体 (agent/llama_agent.py)

   • 基于LlamaIndex的智能交互
   • 自动任务分解和执行
   • 结果整合和报告生成

4. 数据模型 (models/pubmed_models.py)

   • 规范的数据结构定义
   • 基于Pydantic的数据验证

5. 向量存储 (memory/vector_store.py)

   • 使用pgvector存储分析结果
   • 支持相似性检索
   • 历史记录管理

安装说明

环境要求

• Python 3.8+
• PostgreSQL（带pgvector扩展）
• OpenAI API密钥
• PubMed API访问凭证

安装步骤

1. 克隆仓库：

   git clone [repository_url]
   cd medical-literature-analysis

2. 安装依赖：

   pip install -r requirements.txt

3. 配置环境变量:

   • 复制 .env.sample 为 .env

   • 填写以下配置：

     [email protected]
     ENTREZ_API_KEY=your_pubmed_api_key
     OPENAI_API_KEY=your_openai_api_key
     POSTGRES_CONNECTION=postgresql://user:password@localhost:5432/dbname
     

     注意：数据库dbname请自行创建

使用说明

交互式模式

python main.py --interactive

在交互式模式下，您可以直接输入自然语言查询，例如：*

• "帮我分析 Quercetin 对 Lung Cancer 的疗效"
• "分析2020年以来Vitamin D对Depression的研究证据"

命令行模式

python main.py --query "帮我分析Quercetin对Lung Cancer的疗效"

分析报告示例

系统将生成包含以下内容的分析报告：

• 文献统计信息
• 效果评估结果
• 关键研究发现
• 证据强度分析
• 详细参考文献

如果需要控制调试输出

请设置在 .env 文件中 LOG_LEVEL 变量。

贡献指南

欢迎提交Issue和Pull Request！

许可证

MIT License