---
title: AD 智能监测系统 · 工作流汇报
type: synthesis
last_updated: 2026-04-25
status: settled
sources:
  - wiki/synthesis/project_overview.md
  - wiki/synthesis/expert_kb_report.md
  - wiki/agents/_architecture.md
  - wiki/methods/data_pipeline.md
---

# AD 智能监测系统 · 工作流汇报

**日期：2026-04-25**

**汇报对象：项目导师**

**作者：Jewelina95（你）**

---

## 一、项目一句话

我们在做一套**智能手套（EDA + PPG + IMU + 麦克风）+ 大模型 Agent + 临床专家知识库** 的系统，目标是在 AD（阿尔茨海默症）发病前到中度阶段，**连续、可解释地**判断患者疾病阶段、预警 BPSD（行为精神症状）、并给出非药物干预建议。

---

## 二、解决什么问题

现有 AD 诊断有三个临床痛点：

1. **量表不敏感**：MMSE 在 MCI 阶段敏感度仅 18%，MoCA 受教育水平影响大，是"快照式评估"。
2. **金标准不可及**：Amyloid PET 单次费用 3000–7000 美元，CSF 腰穿创伤性，血液标志物（p-tau217）跨平台标准化仍不成熟。
3. **诊断滞后**：平均症状出现后 2–5 年才确诊，错过 Lecanemab / Donanemab 最佳治疗窗（仅对 MCI / 轻度 AD 有效）。

我们的切入点是 **SCD → MCI 转化窗**——这是量表盲区，但可穿戴信号在这个区间已经开始变化（步速拐点在 MCI 诊断前 12.1 年就能检出，Buracchio 2010）。

---

## 三、系统结构（三层 + 治理）

整个项目按 [Karpathy 的"知识 wiki"框架](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) 组织：

```
项目根目录
├── raw/      ── 不可变原始素材（论文 PDF、临床 xlsx、传感器 CSV、采访）
├── wiki/     ── 策展知识层（55 页 markdown，医生可编辑的临床手册）
└── code/     ── 实现层（Agent 推理代码、传感器处理、KB 加载器）

顶层治理：README · index · schema · log
```

公开 URL（可分享给老师）：**https://jewelina95.github.io/ad-wiki-pages/**

### wiki 内部 5 类内容（共 55 页）

| 类别 | 页数 | 角色 |
|---|---|---|
| `concepts/` | 22 | 领域知识：AD 分期、AT(N)、BPSD 7 类、传感器原理、MCR、用药 |
| `methods/` | 8 | 怎么处理数据、阈值规则、Agent 接口契约 |
| `agents/` | 10 | 谁在做推理（1 active + 7 future） |
| `synthesis/` | 8 | 横切论述：项目总览、创新点、open questions |
| `datasets/` | 7 | 数据集说明（数据本体在 raw/） |

每页都有 YAML front-matter（title / type / status / last_updated / sources），自动驱动 dashboard 展示。

### 治理 4 文件

- **README**：项目入口（"What is this?"）
- **index**：所有页面的目录（"Where is everything?"）
- **schema**：维护规则（front-matter 规范、状态语义、Ingest/Query/Lint 操作）
- **log**：追加式时间线日志

---

## 四、核心：Agent 推理流程（7 步）

**这是回答"拿到患者数据后系统怎么做出判断"的核心。**

```
① 患者佩戴智能手套（EDA + PPG + IMU + 麦克风，实时采集）
        ↓
② raw/sensor_data/<患者ID>/ — 传感器 CSV 时间序列
        ↓ code/src/sensors/preprocessing.py
③ 多模态特征 bundle
   HRV (SDNN/RMSSD/LF/HF) · 步态参数 · EDA SCL/SCR
   语音特征 · 患者档案 · 上下文（时间、活动）
        ↓
④ Unified Clinical Agent（基于 Claude API）
   读 features → 决定查哪些 KB 条目 → 综合推理
   ↓ 横向：查 wiki/concepts + methods + synthesis（结构化结论）
   ↓ 纵向：查 raw/papers + raw/clinical_data（原始证据）
        ↓
⑤ wiki KB 提供"结论是什么"
   （例：BPSD 激越的 EDA 阈值是 +30% above baseline）
        +
⑥ raw 提供"凭什么这么说"
   （例：这个阈值出自 Iaboni 2022 那篇 PDF）
        ↓
⑦ 临床输出
   • 分期：SCD / MCI / Mild / Moderate / Severe + 置信度
   • 推理链 + 完整 KB / paper 引用
   • BPSD 风险标记 + 干预建议
   • 何时建议金标准检测（PET / CSF / 血液）
        ↓
医生 / 看护人 接收
```

**关键设计**：每条结论必须能追溯到一个 wiki 页面 + 一篇原始论文。这是这个系统区别于黑盒 AI 的核心——可审计、可编辑、循证对齐。

---

## 五、实时动态监测：5 种 cadence × 同一个 Agent

不是一次性推理，而是 5 个时间尺度同时跑：

| 时间窗 | 用途 | 输出 |
|---|---|---|
| **5 min** ⚡ | 急性事件实时检测 | BPSD 激越/焦虑 1–2 小时提前预警，推送看护人 |
| **1 hour** ⏱ | 短时状态汇总 | 实时状态板（情绪/活动/HRV） |
| **1 day** 📅 | 日报 | 睡眠质量、日落综合征、ADL 完成度 |
| **7 day** 📊 | 周趋势 | 步速下降斜率、HRV 下行、语速变化 |
| **30 day** 📈 | 阶段判断 | CCI 综合认知指数、SCD→MCI 拐点 |

**为什么 N=4 baseline 也能起步**：所有 cadence 都用**个性化基线**（前 2–4 周自动建立）+ 历史评估，每次判断不是看绝对值，而是看"相对自己最近的偏移"。不依赖群体阈值。

---

## 六、Agent 设计：1 现 + 7 未来（务实收敛）

### 原始设计 vs 当前

原始计划：**7 个专科 Agent + 1 个 Master Coordinator**，模拟 MDT 多学科会诊。

经过实施反思，**收敛到 1 个 Unified Clinical Agent**：

| | 现在 active | 未来 future（已保留为路线图） |
|---|---|---|
| Agent 数 | 1 | 7 + 1 |
| 实现方式 | Claude 一个 prompt 完成全部推理 | 每个专科独立 prompt + KB 子集 |
| 适用场景 | 数据稀疏、模型够强 | 数据规模 >100 例、需要审计 |

**为什么收敛**：
1. **数据稀疏**：N=4 健康基线，无标注 AD 可穿戴数据 → 没法分专科调阈值
2. **现代 Claude 一个 prompt 装得下** 多模态推理 + KB 查询，不丢相关性
3. **MDT 风格冲突仲裁** 需要先有冲突——一个 Agent 一个 KB 没冲突可仲裁

7 个专科文件**保留为路线图**，dashboard 上灰显（status: future）。每个标了"何时激活"的触发条件（如：实测 AD wearable 数据 >100 例 → 激活 Motor-cognitive；ASR 中文语料稳定 → 激活 Language-cognitive）。

### 何时拆回 7 个

- 真实标注 AD wearable 数据 > 100 例
- 成本压力（小专科模型比常驻 frontier 便宜）
- 审计/监管要求（每专科推理链改善可追溯性）
- 多模态数据量超出单 prompt context window

---

## 七、知识维护循环（git 自动化）

整个系统**自我更新**：

```
作者编辑 wiki/*.md
        ↓ git push
GitHub Action 触发（10 秒）
        ↓ 跑 build_dashboard.py 重生成 dashboard.html
GitHub Pages 部署（30 秒）
        ↓
公开 URL 立刻反映新内容
        ↓
下一次 Agent 推理自动用最新 wiki
```

**从 push 到生效约 1 分钟，全自动闭环。**

医生 / 研究者直接编辑 markdown，新阈值、新文献立刻进入系统。**Agent 永远用最新版知识库**，不需要重训模型。这正面解决了专家 KB 报告里提的三个痛点（知识黑盒 / 更新滞后 / 医生没法参与）。

---

## 八、Clinical Inference Demo（已上线，可演示）

**地址**：https://jewelina95.github.io/ad-wiki-pages/demo.html

**功能**：
1. 拖拽合成生成器输出的 `progression.csv` 到上传区
2. 自动识别格式（progression / sensor_stats / raw_sensor / BPSD events）
3. 本地 JS 规则引擎（基于 wiki KB 阈值）走 7 步推理
4. 输出：
   - **分期** + 置信度（六阶段渐变条）
   - **关键指标**（progression / HR / HRV / GSR / 步频 / BPSD 计数）
   - **风险标记**（红/黄/绿三档）
   - **推理依据**（每条结论标注引用 wiki 页面 + 论文）
   - **推荐操作**（按阶段差异化）

**示例数据**：页面有"载入示例数据"按钮，会模拟一个 30 天 MCI 患者，立刻跑通全流程。

**未来切换到真 Claude API**：UI 已按"Agent 输出格式"写好，替换 `ruleEngine()` 函数即可，UI 不变。

---

## 九、现状 + 5 条开放问题

公开追踪：[wiki/synthesis/what_we_dont_know.md](what_we_dont_know.md)

| # | 开放问题 | 当前状态 |
|---|---|---|
| 1 | **合成数据 v0 是否合理** | 用户 2026-04-25 标记为 working hypothesis，正在用 OpenNeuro 等公开数据源做 v1 校准 |
| 2 | 中文社区 BPSD 流行率与信号 | 现有 KB 多基于西方养老院队列（Iaboni 2022 n=48），中国社区患者待验证 |
| 3 | Agent 桩 → 实现差距 | 1 active 已可用；7 specialist 保留为 future |
| 4 | 可穿戴 × 临床数据未交叉 | baseline 4.8 (N=4 健康) 与临床纵向库 (T0-T3) 不在同一批患者上 |
| 5 | 硬件还没造出来 | ESP32 audio 原型已通；多传感器集成手套设计阶段 |

---

## 十、下一步

短期（4–6 周）：
1. **接入 OpenNeuro 数据集**做合成数据 v1 校准（关闭 OQ #1）
   - WearGait-PD：校准 IMU 退化幅度
   - MultiConAD：中文语音特征参考
   - ds004504：分期 vs MMSE 分布
2. **clinical xlsx 数据字典**：把 10 个 xlsx 列名 / 量表分定义梳理到 `wiki/datasets/clinical_xlsx_2026-04-18.md`
3. **李医生采访 → master_coordinator 仲裁规则**：把口述 MDT 流程提炼成可执行 prompt

中期（2–3 个月）：
4. 真 Claude API 替换 demo 的本地规则引擎
5. 招募阶段（30 → 200 → 60）启动，伦理已就绪
6. 配套手套硬件迭代

---

## 十一、给老师看的一页总结

| | 现状 |
|---|---|
| **公开网页** | https://jewelina95.github.io/ad-wiki-pages/ （portfolio 风格，可直接分享） |
| **Demo 入口** | https://jewelina95.github.io/ad-wiki-pages/demo.html |
| **wiki 体量** | 55 页 markdown，3 层结构（raw / wiki / code），4 个治理文件 |
| **Agent 状态** | 1 个 Unified Clinical Agent active；7 个专科 future（路线图保留） |
| **闭环时间** | 改 wiki → push → 公开页面更新 ≈ 1 分钟（GitHub Action 自动） |
| **可解释性** | 每条结论必须引用 1 个 wiki 页 + 1 篇论文，可审计 |
| **可编辑性** | 医生直接改 markdown，立刻生效（无需重训） |
| **下一里程碑** | OpenNeuro v1 校准 + 临床字典 + 真 Claude API |

---

## 附：技术栈

- **存储 / 版本控制**：Git + GitHub（private 私有仓主体 + public 镜像仓 portfolio）
- **构建 / CI**：GitHub Actions 自动跑 `build_dashboard.py`
- **托管 / URL**：GitHub Pages（免费，自定义域可挂）
- **前端**：纯 HTML/CSS/JS（dashboard + demo）+ marked.js（markdown 渲染）+ PapaParse（CSV）
- **后端 Agent**：Anthropic Claude API（`code/src/agents/base_agent.py`）
- **数据处理**：Python（NumPy / pandas / NeuroKit2 用于信号处理）
- **专家 KB**：JSON 结构化条目 + markdown 概念页（双层）

---

*本汇报本身也是 wiki 一部分（`wiki/synthesis/`），随项目演进而更新。*