AI 热点

Mirobody 可在普通笔记本本地整理历年健康数据

阿易 AI Notes更新于 11月20日 16:55

我一个朋友的父亲最近不到60岁就胰腺癌去世了,从发现到去世就几个月时间,大家真的一定要关注健康,

AI 导读

作者在 16GB 内存的普通笔记本上运行开源健康引擎 Mirobody,并将历年化验单和 Apple Health 数据接入 Claude Code 或 Cursor。它可离线标准化不同医院的报告并溯源原件,但纯 CPU 处理模糊图片可能需要数分钟,连接云端 AI 客户端后读数仍会发送给模型厂商;该工具只整理健康记录,不能看病或开处方。

推荐理由

AI 评分 71

作者结合本地运行体验说明健康数据标准化与原件溯源能力,也交代了纯 CPU 性能、隐私和医疗用途边界。

主题

标签

引用

WY

@akokoi1

ChatGPT Health 这类 AI 健康应用的体验都做得很好,注册就能用。但很多人一直有个顾虑:体检报告是一个人最私密的数据,不想把它们全交给云端。 今天试了下在我这台 5 年前的 Mac(M1 Pro)上,用 Theta Health 开源的健康数据引擎 Mirobody(Apache-2.0)搭了一套 100% 本地架构。应用、PostgreSQL 数据库和本机 llama.cpp 模型服务(配置 MiniCPM5-2B + GLM-OCR)全在本机,没有数据离开电脑。 分享下真实部署体验和实测结果: 1️⃣ 部署与踩坑 用 Docker 运行应用和数据库,主机直接用 llama.cpp 启动 llama-server,调用 Metal GPU(没有显卡的机器直接运行 COMPOSE_PROFILES=local-cpu ./deploy.sh 也可以,至少需要 16 GB 内存,只是纯 CPU 回答可能需要几分钟;Windows 需要在 WSL 2 里运行)。 实测遇到 1 个小细节:在国内直连 Hugging Face 下载本地模型权重会出现 SSL 报错,在启动 llama-server 前加上 HF_ENDPOINT=https://t.co/Yg4ljWINoo 就能正常下载。 2️⃣ 数据标准化 查看历年体检报告最头疼的,就是不同医院写法不同、单位也不一样,无法连成趋势线。 我先在终端用一条命令测试了它的离线标准化引擎(不需要模型,也不需要 API 密钥):uvx --python 3.12 mirobody resolve "LDL cholesterol" 血红蛋白 ヘモグロビン "Total Kolesterol" 血脂 实测输出: - 血红蛋白和日文 ヘモグロビン 都归入 LOINC 718-7 - LDL cholesterol 归为 LOINC 13457-7 - 血脂直接返回 unresolved——因为它是一个大类,而不是具体检查,宁可留空也不依靠大模型瞎猜。 这套规则和词表完全离线,输出具有确定性(LOINC 2.83 共包含 63,416 个编码、1,023,273 条名称和 331 个 UCUM 单位,常规体检覆盖测试结果为 347/347),相同输入在任何机器上的结果都一样。 3️⃣ 本地网页端实测 为了保护隐私,我直接使用了自带的虚拟演示账号: - 指标页里的每一项数据都附有标准 LOINC 编码(见图 3); - 切换到关爱圈中共享的“妈妈(演示)”档案,点开总胆固醇(LOINC 14647-2):两份不同时期的报告单位不同,其中一份的 198 mg/dL 被自动换算成 5.12 mmol/L,并与 5.3 mmol/L 连成了同一条趋势线;下方既保留了报告原值,也可以直接点开原文件核对(见图 1)。 - 开源版自带的“关爱圈”设计很实用:家人各自管理自己的档案、决定向谁开放;不自己登录的长辈,也可以先由你代为管理一份档案。 4️⃣ 它和 ChatGPT Health/蚂蚁阿福有什么区别? 两者其实并不冲突,定位互补(详细对比见图 4): - ChatGPT Health、蚂蚁阿福是开箱即用的云端健康助手; - Mirobody 是面向希望把数据掌握在自己手中的用户的开源底座,支持 PDF、照片、表格等 23 种文件,不限地区,模型、提示词和工具都能按自己的需求更换。(如果暂时不想在本地部署,国内网页版 https://t.co/CFokHfEXtL 和微信小程序“Mirobody”也基于同一套引擎;海外版名为 Theta:https://t.co/lkcPXDrn56) 如果需要自行部署,可以直接把这个 GitHub 链接发给 AI:https://t.co/qTnWiuhM0h

查看原文

ChatGPT Health这类 AI 健康应用体验都做得很好,注册就能用。但很多人一直有个顾虑,体检报告是一个人最私密的数据,不想把它们全交给云端。 今天试了下在我这台5年前的Mac(M1 Pro)上,用 Theta Health 开源的健康数据引擎 Mirobody(Apache-2.0)搭了一套 100% 本地架构。应用、PostgreSQL 数据库和本机 llama.cpp 模型服务(配置 MiniCPM5-2B + GLM-OCR)全在本机,没有数据离开电脑。 分享下真实部署体感和实测结果: 1️⃣ 部署与踩坑 用 Docker 跑应用和数据库,主机直接用 llama.cpp 起 llama-server 调用 Metal GPU(无显卡的机器直接 COMPOSE_PROFILES=local-cpu ./deploy.sh 也能跑,16 GB 内存起步,只是纯 CPU 回答可能需要几分钟;Windows 需要在 WSL 2 里跑)。 实测遇到1个小细节:国内直连 Hugging Face 拉本地模型权重会 SSL 报错,启动 llama-server 前加个 HF_ENDPOINT=https://t.co/Yg4ljWINoo就能正常下载。 2️⃣ 数据标准化 看历年体检报告最头疼的,就是不同医院写法不同、单位也不一样,连不成线。 我先在终端用一条命令测了它的离线标准化引擎(不用模型也不用 Key): uvx --python 3.12 mirobody resolve "LDL cholesterol" 血红蛋白 ヘモグロビン "Total Kolesterol" 血脂 实测输出: - 血红蛋白 和日文 ヘモグロビン 同归 LOINC 718-7 - LDL cholesterol 归为 LOINC 13457-7 - 血脂 直接返回 unresolved——因为它是个大类不是具体检查,宁可留空也不靠大模型瞎猜。 这套规则和词表完全离线、确定性输出(LOINC 2.83 共 63,416 个编码、1,023,273 条名称,331 个 UCUM 单位,常规体检覆盖测试 347/347),同样输入在任何机器上结果都一样。 3️⃣ 本地网页端实测 为了保护隐私,我直接用了自带的虚拟演示账号: - 指标页里每一项数据都挂着标准 LOINC 编码(见图 3); - 切换到关爱圈里共享的 Mom (demo) 档案,点开总胆固醇(LOINC 14647-2):两份不同时期的报告单位不同,一份 198 mg/dL 被自动换算成 5.12 mmol/L,和 5.3 mmol/L 连成了同一条趋势线,下面既保留了报告原值,也能直接点开原文件核对(见图 1)。 - 开源版自带的「关爱圈」设计很实用:家人各自管自己的档案、决定给谁看,不自己登录的长辈也可以先由你代管一份。 4️⃣ 它和 ChatGPT Health / 蚂蚁阿福差在哪? 两者其实不冲突,定位互补(详细对比看图 4): - ChatGPT Health、蚂蚁阿福是开箱即用的云端健康助手; - Mirobody 是给想把数据掌控在自己手里的人用的开源底座,支持 PDF、照片、表格等 23 种文件,不限地区,模型、提示词和工具都能按自己需求换。 (如果暂时不想本地部署,国内网页版 https://t.co/CFokHfEXtL 和微信小程序「Mirobody」也基于同一套引擎;海外版叫 Theta:https://t.co/lkcPXDrn56) 如果需要自己部署,可以直接把这个GitHub链接丢给AI:https://t.co/qTnWiuhM0h

查看原帖

正文

我一个朋友的父亲最近不到60岁就胰腺癌去世了,从发现到去世就几个月时间,大家真的一定要关注健康, 大家翻墙出来可以多看看一些海外高认知的健康实践,比如每年花两百万美元抗衰的 Bryan Johnson,就是个把肌肉、骨密度卷到全球前 2%、皮肤年龄倒退 9 岁的狠人, 老哥亲手砍掉了一批网红方案,比如扰乱睡眠的 SLU-PP-332、测完指标毫无变化的缩醛磷脂,还有降低低氧训练耐受度的亚甲蓝, 他自己交底说,真正扛起绝大部分健康收益的,依然是每天同一时间睡觉、睡前 4 小时断食、睡前 1 小时关手机、起床晒太阳这几件零成本小事,外加每天 20 分钟 79 到 100 度的干蒸桑拿,直接把血液和精液里的微塑料拉低了 85%, 富豪抗衰真正拉开差距的地方,在于他每试一个新习惯都会盯着血液和睡眠指标看反馈,数据没变好立刻淘汰,

我们普通人不用花冤枉钱也能在家复刻这套身体对照组, 我把wy老哥分享的这个GitHub 排名第一的开源健康引擎 Mirobody 也跑在了自己电脑上,16GB 内存普通笔记本就能离线运行,不用独立显卡,

2 分钟就能把全家历年化验单和 Apple Health 数据接进 Claude Code 或 Cursor,

它内置了 63,416 个国际医学标准编码和 102 万条多语言别名,不同医院的 PDF、化验单照片往里一丢,本机词表 0.4 秒自动换算单位并拉出连续折线,回答里每个数字点开都能直接跳回当年原件照片核对,

不过动手前我先把这事做不到的几个坑全摊开,免得你白折腾: Bryan Johnson 文里提到的迷幻蘑菇和二甲双胍循环属于极端个人实验,千万别脑子一热跟着乱吃药,

Mirobody 只负责整理健康账本和原件溯源,绝对不看病开处方,指标正不正常依然得听医生的,

遇到冷门医院缩写或血脂这类大类统称,它会老实留空标成待确认,需要你手动点一次确认,不会硬凑,

无显卡纯 CPU 跑本地模型,读手机拍的糊图要等几分钟,存自己和爸妈真实报告前,务必先关掉配置里的演示数据开关,一旦连上云端 AI 客户端,查到的读数依然会发给模型厂商,

我把 Bryan Johnson 的 6 条零成本日常作息清单放评论区了,大家自取。

来源

阿易 AI Notes