AItrika
1.0.0
เพิ่มพูนความรู้ของคุณในการวิจัยทางการแพทย์
Aitrika (เดิมชื่อ PubGPT ) เป็นเครื่องมือที่สามารถแยกข้อมูลที่เกี่ยวข้องจำนวนมากภายในเอกสารทางการแพทย์ได้อย่างง่ายดาย:
และอื่น ๆ !
คุณสามารถลอง Aitrika ด้วยแอพ Streamlit โดยใช้งาน:
streamlit run app.py
หรือคุณสามารถใช้สคริปต์ได้โดยการรัน:
python main.py
ในการติดตั้งทุกอย่างคุณต้องใช้ uv
ก่อนอื่นติดตั้ง uv ด้วยคำสั่ง:
python main.py
หลังจากนั้นสร้างสภาพแวดล้อมเสมือนจริงด้วยคำสั่ง:
uv venv venv_name
เปิดใช้งาน env เสมือน:
source venv_name/bin/activate
และติดตั้งการพึ่งพา:
uv pip install -r requirements.in
ในการตั้งค่าปุ่ม API ให้ใส่คีย์ของคุณลงในไฟล์ env.example และเปลี่ยนชื่อเป็น .env
คุณสามารถรับข้อมูลกระดาษได้อย่างง่ายดายโดยผ่าน ID PubMed:
from aitrika . engine . aitrika import OnlineAItrika
aitrika_engine = OnlineAItrika ( pubmed_id = pubmed_id )
title = aitrika_engine . get_title ()
print ( title )หรือคุณสามารถแยกวิเคราะห์ PDF ในพื้นที่:
from aitrika . engine . aitrika import LocalAItrika
aitrika_engine = LocalAItrika ( pdf_path = pdf_path )
title = aitrika_engine . get_title ()
print ( title ) Breast cancer genes: beyond BRCA1 and BRCA2.
คุณสามารถรับข้อมูลอื่น ๆ เช่นความสัมพันธ์ระหว่างยีนและโรค:
associations = aitrika_engine . get_associations () [
{
"gene": "BRIP1",
"disease": "Breast Neoplasms"
},
{
"gene": "PTEN",
"disease": "Breast Neoplasms"
},
{
"gene": "CHEK2",
"disease": "Breast Neoplasms"
},
]
...
หรือคุณสามารถรับข้อมูลที่ดีจัดรูปแบบได้:
associations = aitrika_engine . associations ( dataframe = True ) gene disease
0 BRIP1 Breast Neoplasms
1 PTEN Breast Neoplasms
2 CHEK2 Breast Neoplasms
...
ด้วยพลังแห่งผ้าขี้ริ้วคุณสามารถสอบถามเอกสารของคุณ:
## Prepare the documents
documents = generate_documents ( content = abstract )
## Set the LLM
llm = GroqLLM ( documents = documents , api_key = os . getenv ( "GROQ_API_KEY" ))
## Query your document
query = "Is BRCA1 associated with breast cancer?"
print ( llm . query ( query = query )) The provided text suggests that BRCA1 is associated with breast cancer, as it is listed among the high-penetrance genes identified in family linkage studies as responsible for inherited syndromes of breast cancer.
หรือคุณสามารถแยกข้อมูลอื่น ๆ :
results = engine . extract_results ( llm = llm )
print ( results ) ** RESULTS **
- High-penetrance genes - BRCA1, BRCA2, PTEN, TP53 - responsible for inherited syndromes
- Moderate-penetrance genes - CHEK2, ATM, BRIP1, PALB2, RAD51C - associated with moderate BC risk
- Low-penetrance alleles - common alleles - associated with slightly increased or decreased risk of BC
- Current clinical practice - high-penetrance genes - widely used
- Future prospect - all familial breast cancer genes - to be included in genetic test
- Research need - clinical management - of moderate and low-risk variants
ในการเรียกใช้ Aitrika API ให้ทำตามขั้นตอนเหล่านี้:
ตรวจสอบให้แน่ใจว่าคุณได้ตั้งค่าสภาพแวดล้อมของคุณและติดตั้งการอ้างอิงทั้งหมดตามที่อธิบายไว้ในส่วนการติดตั้ง
เรียกใช้เซิร์ฟเวอร์ API โดยใช้คำสั่งต่อไปนี้:
python api.pyAPI จะเริ่มทำงานบน http://0.0.0.0:8000 ตอนนี้คุณสามารถร้องขอไปยังจุดสิ้นสุดต่างๆ:
คุณสามารถใช้เครื่องมือเช่น Curl, Postman หรือไคลเอนต์ HTTP ใด ๆ เพื่อโต้ตอบกับ API ตัวอย่างเช่น:
curl -X POST " http://localhost:8000/abstract " -H " Content-Type: application/json " -d ' {"pubmed_id": 12345678} ' เอกสาร API จะถูกสร้างขึ้นโดยอัตโนมัติและบันทึกลงใน docs/api-reference/openapi.json คุณสามารถใช้ไฟล์นี้ด้วยเครื่องมือเช่น Swagger UI สำหรับประสบการณ์การสำรวจ API แบบโต้ตอบมากขึ้น
หากคุณพบว่าโครงการนี้มีประโยชน์โปรดพิจารณาสนับสนุน:
หากคุณใช้โครงการนี้ในบริบททางธุรกิจหรือเชิงพาณิชย์โปรดติดต่อฉัน
ฉันพร้อมสำหรับการให้คำปรึกษาการพัฒนาที่กำหนดเองหรือการออกใบอนุญาตเชิงพาณิชย์
การสนับสนุนของคุณช่วยให้โครงการนี้ทำงานและปรับปรุงอย่างต่อเนื่อง ขอบคุณ!
Aitrika ได้รับใบอนุญาตภายใต้ใบอนุญาต Apache 2.0 ดูไฟล์ใบอนุญาตสำหรับรายละเอียดเพิ่มเติม
