搜索你想找的开源项目

输入名称、用途或关键词,也可粘贴 GitHub 仓库链接

分享到微信

当前解读页的微信分享二维码

用微信扫一扫打开,点击右上角「···」分享给朋友或朋友圈。

手机上可截屏后,在微信扫一扫中从相册识别二维码。

Nahomi055/medical-risk-screening-bot

效率工具

一个可自托管的 Telegram 机器人,用 XGBoost 模型引导用户完成糖尿病和心脏病的非正式风险初筛。

153
0
TypeScript
MIT
创建于 2 天前

项目介绍

仓库提供一个 Telegram 机器人,引导用户完成糖尿病和心脏病两项非正式健康风险初筛。每项初筛由各自的已训练 XGBoost 分类器支持,共用的对话引擎按照模型期望的特征逐个提问,回显用户答案供核对,然后给出概率估计和通俗结果。项目明确将其定位为初筛辅助而非诊断工具,每条结果都附带提示,建议咨询专业医护人员 README。

结构上按模块拆分:每项检查是一个独立模块,暴露 ID、显示名、特征列表和预测函数,注册后无需改动对话流程即可接入新检查。模型加载优先使用 XGBoost 原生 JSON 格式,找不到时回退到 pickle;如果模型需要某个机器人没有对应问题的特征,启动会直接失败并指出缺失项,而不是给出错误预测。

快速使用

现有安装说明针对 Windows 10/11 x64 上的 PowerShell 5.1+,不需要管理员权限,需要联网获取脚本 安装说明。在 .env 中至少填入 TELEGRAM_BOT_TOKEN,并将模型路径指向训练好的模型文件;保持标准目录结构时可沿用默认值。启动机器人后,用 /start 打开主菜单,用 /screen 选择糖尿病、心脏病或两者,也可用 /diabetes、/heart 直接进入对应问卷。得到结果后,/summary 回放上一次填写的答案,/again 重跑同一项初筛,/cancel 中止进行中的流程,/reset 清空对话状态。

使用约束

README 给出的安装路径仅限 Windows 的 PowerShell,并且启动前必须准备 Telegram bot token。预测质量很大程度取决于训练数据;心脏模型的目标标签映射在代码中标注为 # ASSUMED 的尽力假设。scikit-learn 与 XGBoost 版本不匹配可能导致模型加载问题,建议与训练环境保持一致。本地活动日志会记录用户 ID 和用户名,按 5 MB 轮转并保留 5 份备份,日志目录应按敏感数据对待并排除在版本控制之外。项目使用 MIT 许可证 许可证。

HotRepo 点评

在 2026-11-17 的 TypeScript 新项目榜中,该项目在约两个半小时的统计窗口内净增 48 星,总数达到 153 星,Fork 数为 0;没有记录到全语言日榜名次。早期涨星较快,但现有序列太短,不足以判断持续关注度;对是否上手的人来说,README 中的安装方式和模型细节是更有参考价值的信息。

本文由 AI 根据项目 README 生成,更新于 ,以项目官方文档为准。