GSOC project 24 medical

analytics Edge Ecosystem Work Switch Project

خلاصة

أصبحت الحوسبة الحافة مفيدة للغاية لتشغيل التحليلات على الحافة ، مما يقلل من كمية البيانات المرسلة إلى الخوادم والتخزين في القلب أو السحابة ، مما يزيد بدوره الكمون. يهدف مشروع Movonsics Edge Ecosystem Worklows إلى إحداث استراتيجية للتحول الرقمي من خلال التركيز على حاوية السحابة الأصلية لتحسين تحليلات الأعمال.

في هذا المشروع ، سيتم تطوير أعباء عمل AI/ML و AI (GENAI) لمعالجة التحديات التي تواجهها في صناعة الرعاية الصحية/الطبية. يتضمن تطوير هذا المشروع النشر مفتوح المصدر لأعباء العمل AI/ML و Genai بالإضافة إلى عمليات النشر على Kubernetes باستخدام Rancher by SUSE ، مع قفزة Opensuse كنظام تشغيل الطبقة الأساسية. بالإضافة إلى ذلك ، سيتم استخدام K3s باعتبارها kubernetes خفيفة الوزن مصممة للحافة.

سيتضمن تطبيق المشروع العديد من مكدسات التكنولوجيا مثل DataOps لإدارة خطوط أنابيب البيانات و MLOPS و LLMOPS لإدارة خطوط أنابيب ML و LLM ، وكذلك هندسة المنصات و ITOPs لإدارة المنصات.

بيان المشكلة

عمودي: الرعاية الطبية/الرعاية الصحية

يواجه العديد من الأفراد تحديات مختلفة عند التعامل مع أدوية الوصفات الطبية الخاصة بهم. وتشمل هذه التحديات المصطلحات الطبية غير المألوفة ، وصفة طبية سوء تفسير ، وجرعة غير واضحة واستخدام تعليمات الاستخدام ، وتواريخ انتهاء الصلاحية المفقودة ، والآثار الجانبية غير المتوقعة ، والتفاعلات الدوائية. يمكن أن تؤدي هذه القضايا إلى جرعة زائدة وحوادث وحتى الموت.

الحل المقترح

يهدف هذا المشروع إلى الاستفادة من التعلم الآلي و AI التوليدي للمساعدة في مواجهة بعض التحديات التي يواجهها المرضى والأطباء مع وصفات طبية. سيتضمن ذلك الميزات الأربع الموضحة أدناه:

1. الماسح الضوئي للدواء: مسح الطب للإبلاغ عن الطب والجرعة والآثار الجانبية وتاريخ انتهاء الصلاحية.
2. الماسح الضوئي للتقرير الطبي: يقوم بمسح تقارير الاختبار وتبسيطه لمساعدة المرضى على فهم تقاريرهم الطبية.
3. الماسح الضوئي للوصفات الطبية: يقوم بمسح الوصفات المكتوبة بخط اليد وتفسيرها لمساعدة المرضى والصيادلة وغيرهم على تعليمات الطبيب بشكل صحيح.
4. مولد وصفة طبية: يمكّن الأطباء من توليد وصفات دقيقة ومفهومة بسرعة أكبر وسهولة.

شرح مفصل

استخراج البيانات وتحولها

• مصادر البيانات: البيانات الطبية من مستودعات UCIML ، Kaggle ، وغيرها من المصادر الموثوقة.
• معالجة البيانات: سيتم إجراء هندسة الميزات وتنظيف البيانات بعد الاستخراج.
• تخزين البيانات: سيتم تحويل البيانات إلى تضمينات وتخزينها في قاعدة بيانات متجه لتوليد الاسترداد (RAG).

الجيل المسبق للاسترجاع (خرقة)

• استخدام النماذج: الاستفادة من نماذج اللغة الكبيرة مفتوحة المصدر (LLMS) إلى Power Rag.
• النموذج النموذجي الصقل: صقل النموذج لحالة استخدام الدواء.

واجهة المستخدم و LLMOPS

• واجهة المستخدم: إنشاء واجهة سهلة الاستخدام.
• خط أنابيب LLMOPS: تحديد خط أنابيب LLMOPS من طرف إلى طرف لتمكين التدريب الإضافي والضبط.

واجهة سهلة الاستخدام

اسأل عن الأدوية الخاصة بك

يشمل هذا المشروع مداخن تقنية Genai و MLOPS و LLMOPS.

كيفية إعداد المشروع

1. استنساخ المستودع:

   git clone https://github.com/yourusername/analytics-edge-ecosystem.git
   cd analytics-edge-ecosystem
   

تعيين مفاتيح API

2. تحديد جميع مفاتيح واجهة برمجة التطبيقات المطلوبة

• إنشاء ملف .env

 HUGGINGFACEHUB_API_TOKEN="API key"
PINECONE_API_KEY = "API key"
PINECONE_INDEX = "medcial-rag-chatbot"
GENAI_API_KEY = "Gemini key"
GROQ_API_KEY = "Lama3-7b"

أضف مفاتيح API

إنشاء بيئة افتراضية

3. تثبيت جميع الحزم المطلوبة

 pip install -r requirements.txt

تشغيل الأمر

4. تشغيل app.py

 steamlit run app.py

شكر وتقدير

• بفضل مجتمع مفتوح المصدر لتوفير مختلف الأدوات والأطر.
• شكر خاص لـ UCIML و Kaggle والمصادر الموثوقة الأخرى لتوفير مجموعات البيانات.
• الامتنان لـ SUSE ، ويفتح القفزة ، ومربية الأدوات القوية التي تمكن من عمليات نشر Kubernetes.

العمل المستقبلي

يهدف المشروع إلى تحسين وتوسيع ميزاته باستمرار. يشمل العمل المستقبلي:

• التدريب النموذجي المحسن: تحسين دقة وكفاءة نماذج الذكاء الاصطناعي/مل.
• التكامل مع المزيد من مصادر البيانات: قم بتوسيع مصادر البيانات لتشمل بيانات طبية أكثر شمولاً وتنوعًا.
• آلية ملاحظات المستخدم: قم بتنفيذ نظام ملاحظات للمستخدمين للإبلاغ عن المشكلات واقتراح التحسينات.
• تطبيق الهاتف المحمول: قم بتطوير تطبيق للجوال لجعل الحل أكثر سهولة للمرضى ومقدمي الرعاية الصحية.

مصادر البيانات

• مصدر البيانات الطبية الحكومية
• مصدر حكومة البيانات الطبية المتقدمة -> مطلوب مرخص
• الموسوعة الطبية
• قوائم المجلات

[خطوات]

• إعداد المشروع الأولي
• تنفيذ الماسح الضوئي للطب ، والماسح الضوئي للتقرير الطبي ، والماسح الضوئي للوصفات الطبية ، ومولد الوصفات الطبية
• النشر على kubernetes باستخدام Rancher و K3s
• تطوير خطوط أنابيب LLMOPS

[1.0.0]-Yyyy-MM-DD

• الإصدار الأولي

المؤلفون

• أمان كومار - العمل الأولي

يدعم

إذا كنت بحاجة إلى دعم ، فيرجى فتح مشكلة على مستودع GitHub.

---

يوفر ملف ReadMe نظرة عامة شاملة على المشروع ، بما في ذلك تعليمات الإعداد ، وإرشادات المساهمة ، ومعلومات الترخيص ، والاعتراف ، والعمل المستقبلي ، والمراجع ، والأسئلة الشائعة ، ومدونة قواعد السلوك ، وتغيير ، وتفاصيل الدعم. تأكد من تحديث العناصر النائبة بالمعلومات الفعلية والروابط الخاصة بمشروعك.