最新

嗨，HN， 我创建了AutoICD，这是一个由人工智能驱动的临床编码平台，能够将非结构化的医疗文本转换为ICD-10和SNOMED-CT编码。这不是一个大型语言模型的封装。该平台内部使用多层机器学习架构，结合了定制训练的模型和经过筛选的医学知识。 平台和工具： - JS SDK – [https://github.com/fcggamou/autoicd-js](https://github.com/fcggamou/autoicd-js) - Python SDK – [https://github.com/fcggamou/autoicd-python](https://github.com/fcggamou/autoicd-python) - MCP服务器 – [https://github.com/fcggamou/autoicd-mcp](https://github.com/fcggamou/autoicd-mcp) 使用案例和好处： - 从临床笔记中自动生成ICD-10和SNOMED编码 - 创建用于研究和分析的结构化数据集 - 通过MCP与人工智能助手集成 - 针对真实世界医疗数据优化的可扩展管道 - 以编程方式访问ICD-10编码和元数据 欢迎任何从事医疗AI、临床自然语言处理或MCP工具开发的人的反馈。

嗨，HN， 我搭建了一个MCP服务器，提供自动化临床编码的API。 代码库： [https://github.com/fcggamou/autoicd-mcp](https://github.com/fcggamou/autoicd-mcp) 该服务器允许支持模型上下文协议（MCP）的AI助手将临床文本转换为结构化的医疗编码，如ICD-10和SNOMED-CT。 示例用例： • 从临床记录中编码诊断 • 从医疗文档中提取结构化编码 • 将医疗编码集成到大型语言模型（LLM）工作流程中 • 医疗数据管道 与MCP启用助手的示例提示： “将此临床记录转换为ICD-10编码” 服务器随后调用AutoICD API并返回结构化编码。 我们的目标是简化医疗编码与AI代理和工具的集成。 欢迎任何在医疗AI、医学自然语言处理或MCP工具方面工作的朋友提供反馈。

我们刚刚为EraMix金融联盟完成了后端的全面改造。我们剔除了遗留的冗余部分，转向了以API为先的简约架构。<p>EraMix金融联盟的重点很简单：在保持首次内容渲染时间（TTI）低于100毫秒的同时，优化高密度信息的展示。现在的系统比原来的设置快得多，结构也更加清晰。<p>你们是如何处理复杂且数据密集的仪表板，而不让它们变得“沉重”的呢？