🏥 医疗保健合规应用v1.1
医疗合规检查的MVP原型 现在升级了并行LangGraph工作流，通过同时运行独立的提取和分析节点，实现了更快、更高效的合规处理。
🚀 v1.1的新增功能
✅ 并行工作流执行 患者病史、图像提取和药物分析等独立模块现在并行运行，而不是顺序执行。这大大缩短了响应时间并提高了吞吐量。
✅ 优化的LangGraph编排 新的图结构支持并发节点执行，在保持状态一致性的同时实现更快的结果。
✅ 完善合规管道 FDA/世界卫生组织数据查询、本地RAG检索和合规报告生成现已简化为优化的工作流程。
⚙️ 技术栈 组件说明 LangGraph工作流编排（v1.1中的并行处理） LangChain（可选）链接操作的实用程序 MCP（模型上下文协议）远程查询（美国食品药品监督管理局/世界卫生组织原料药） RAG（检索增强生成）本地合规文件QA FastAPI后端API服务 流线型前端医生界面 FAISS用于合规性存储的本地矢量数据库 Python 3.10+核心编程语言 Pytest单元测试框架
📌 功能（v1.1）
📤 上传和处理患者病史、处方和诊断扫描
🧠 并行提取药物、文本和图像见解
🌐 使用MCP查询FDA/neneneba世界卫生组织原料药
📚 通过RAG+FAISS检索合规知识
🤖 生成基于人工智能的合规报告
📊 医生交互式Streamlit仪表板
⚡ 通过并行执行LangGraph实现更快的性能
🧭 工作原理：
并行启动：历史、图像和药物提取同时运行。
合并阶段：将它们的输出组合起来进行统一处理。
顺序流程：LLM生成问题→ 检索上下文→ 执行合规性检查。
结果：医生收到一份经过优化、人工智能验证的合规报告。
📂 项目结构 医疗保健_合规_app_v1.1/ │── 后端/#FastAPI后端（处理处理和LangGraph管道） │── 前端/#Streamlit医生用户界面 │── graphs/#LangGraph管道定义（v1.1中的并行流） │── nodes/#模块化节点（历史、图像、FDA、合规性等） │── 服务/#MCP服务器、RAG向量库、提取器 │── state/#并行分支间的共享状态 │── config/#路径和环境配置 │── data/#模型、PDF和示例数据 │── 数据库/#用于合规性检索的FAISS索引 │── tests/#每个模块的单元测试 │── test_data/#示例测试文件（图像、PDF） │── requirements.txt#依赖关系 │── .gitignore#忽略文件和虚拟环境
🩺 工作流概述 医生上传：
📑 患者病史（PDF）
🩻 诊断扫描（图像）
💊 处方药
❓ 可选的自定义合规问题
系统执行：
文本、图像和医学数据的并行提取
用于上下文生成的合并分析
FDA/世界卫生组织通过MCP查询
基于RAG的文档检索
合规报告生成
医生评论：
🧾 生成的问题
📚 检索到的上下文
🩺 影像学表现
✅ 最终合规建议
▶️ 运行应用程序
1.克隆存储库
克隆https://github.com/AnjumZahid/healthcare_compliance_app_v1.1.git cd医疗保健_合规_app_v1.1
2.创造环境
python-m venv-venv Windows上的源venv/bin/activate#或venv\\Scripts\\activate
3.安装依赖项
pip安装-r要求.txt
4.启动后端
uvicorn后端.主：应用程序--reload
5.启动前端
streamlit运行前端/app.py
📘 总结
Healthcare Compliance App v1.1引入了并行LangGraph执行，允许更快、更高效和模块化的医疗合规检查。它结合了LangGraph、MCP、RAG和AI驱动的医学分析的强大功能，实现了实时合规智能。