dual-diagnosis-rag

⚕️ دستیار بالینی پروتکل تشخیص دوگانه (RAG)

اجرای یک‌کلیکی Colab: دریافت دیتاست‌ها، دانلود خودکار PDFهای Open Access با سقف حجم، استخراج متن، آپلود PDF/کتاب مجاز، بازسازی و آزمون RAG، Fine-tune اختیاری، ثبت W&B و تحویل ZIP خروجی.

سایکوز / اسکیزوفرنی + اختلال مصرف مواد + BPD ± ADHD مبتنی بر شواهد علمی NICE · APA · WFSBP

یک سیستم پرسش‌وپاسخ مبتنی بر بازیابی (RAG) با هوش مصنوعی که از روی پروتکل درمان تشخیص دوگانه، مقالات علمی، سابقه بیمار و بازخورد کاربران پاسخ می‌سازد.

---

✨ امکانات

• 💬 رابط چت فارسی + 🔌 REST API قابل صدا زدن (Gradio Client یا HTTP)
• 🧠 مدل اوپن‌سورس سبک (پیش‌فرض: Qwen2.5-0.5B-Instruct روی CPU رایگان) — قابل تعویض به Llama یا هر مدل دیگر
• 📚 RAG چندمنبعی: پروتکل + مقالات + سابقه بیمار + بازخورد
• 🔍 بازیابی معنایی با امبدینگ چندزبانه (شامل فارسی)
• 🪙 اتصال به W&B (wandb) برای لاگ کوئری‌ها، منابع و تأخیر + اسکریپت آموزش
• 🛡️ حالت افت‌گرایانه: اگر مدل مولد بارگذاری نشد، از متن مرجع استخراج می‌کند (همیشه کار می‌کند)
• 📝 جمع‌آوری بازخورد کاربران برای آموزش آینده
• 📈 پایش روزانه/هفتگی خطر با امتیاز شفاف، سطح اقدام و API مستقل /risk
• 📰 رصد هفتگی PubMed با GitHub Actions و ذخیره مقالات جدید برای بازبینی و ورود به RAG

سامانه فقط تغییر شواهد و سطح نیاز به بازبینی را هشدار می‌دهد؛ تغییر خودکار دارو/درمان ممنوع است و تأیید پزشک لازم است.

---

🚀 اجرا

pip install -r requirements.txt

# ساخت ایندکس برداری از پایگاه دانش
python -m scripts.build_index

# اجرای اپ
python app.py            # http://localhost:7860

روی هاشینگ‌فیس اسپیس به‌صورت خودکار بالا می‌آید.

---

🤖 ربات تلگرام و ارسال خودکار به کانال

همان دستیار، در تلگرام: پیام آزاد بفرستید تا از پایگاه دانش پاسخ فارسی بگیرید؛ با /risk ارزیابی خطر ۷ شاخصه به‌صورت مرحله‌ای (دکمه‌های ۰ تا ۴) انجام می‌شود.

• 🎛 منوی پایین چت: دکمه‌های ثابت «پایش خطر / نکته امروز / راهنما / درباره»
• 📋 فهرست دستورها در منوی / (برای مدیران: دستورهای کانال)
• /tip — نکته‌ی آموزشی امروز (همان پست روزانه‌ی کانال)
• پاسخ‌ها همیشه فارسی؛ منابع انگلیسی با برچسب «منبع انگلیسی» مشخص می‌شوند

# توکن را در .env بگذارید (این فایل گیت‌نادیده است — الگو: .env.example)
echo 'TELEGRAM_BOT_TOKEN=123456:ABC...' >> .env
python telegram_bot.py     # long polling؛ نیازی به دامنه/HTTPS ندارد

ارسال خودکار به کانال

۱) ربات را در کانال به‌عنوان مدیر با دسترسی «ارسال پیام» اضافه کنید. ۲) در .env مقدار TELEGRAM_CHANNEL_ID را بگذارید:

• کانال عمومی: @username
• کانال خصوصی: شناسه‌ی عددی -100... (به‌محض افزودن ربات، شناسه در لاگ ربات و در خود کانال اعلام می‌شود) ۳) TELEGRAM_ADMIN_IDS را با شناسه‌ی عددی تلگرام خودتان تنظیم کنید.

چه چیزی و کِی ارسال می‌شود (به وقت تهران):

دستورهای مدیران: /post_tip و /post_digest (ارسال فوری) و /channel_status (بررسی دسترسی کانال).

💡 نسخه‌ی مستقل و سبک همین ربات (بدون torch — پاسخ‌گویی از طریق ورکر کلودفلر) در مخزن اصلی پروژه قرار دارد: SBZ-EDU/dual-diagnosis-protocol → bot/

همان دستیار، در تلگرام: پیام آزاد بفرستید تا از پایگاه دانش پاسخ فارسی بگیرید؛ با /risk ارزیابی خطر ۷ شاخصه به‌صورت مرحله‌ای (دکمه‌های ۰ تا ۴) انجام می‌شود.

• 🎛 منوی پایین چت: دکمه‌های ثابت «پایش خطر / نکته امروز / راهنما / درباره»
• 📋 فهرست دستورها در منوی / (برای مدیران: دستورهای کانال)
• /tip — نکته‌ی آموزشی امروز (همان پست روزانه‌ی کانال)
• پاسخ‌ها همیشه فارسی؛ منابع انگلیسی با برچسب «منبع انگلیسی» مشخص می‌شوند

# توکن را در .env بگذارید (این فایل گیت‌نادیده است — الگو: .env.example)
echo 'TELEGRAM_BOT_TOKEN=123456:ABC...' >> .env

python telegram_bot.py     # long polling؛ نیازی به دامنه/HTTPS ندارد

نکته‌ها:

• 🔒 توکن فقط از .env/محیط خوانده می‌شود و هرگز در کد یا گیت ذخیره نمی‌شود. اگر توکنی لو رفته، از BotFather با «Revoke» باطل و توکن جدید بسازید.
• 🩺 هر پاسخ با سلب مسئولیت پزشکی همراه است؛ در ارزیابی خطر نام/شناسه‌ی بیمار پرسیده نمی‌شود و چیزی ذخیره نمی‌شود.
• ⏳ برای محافظت از CPU، هر کاربر حداکثر یک پرسش هر چند ثانیه (TELEGRAM_COOLDOWN_S).

---

🧩 پیکربندی (متغیرهای محیطی)

---

📂 افزودن منبع جدید

# افزودن یک مقاله و بازسازی ایندکس
python -m scripts.ingest --kind articles --file paper.md

# افزودن متن مستقیم
python -m scripts.ingest --kind patient_history --name p001.md --text "..."

فقط کافی است فایل‌ها را در پوشه‌ی مربوطه بگذارید:

• data/articles/ — مقالات علمی
• data/patient_history/ — سابقه بیمار
• data/feedback/ — بازخورد کاربران (خودکار از رابط جمع می‌شود)

سپس python -m scripts.build_index را اجرا کنید.

---

🎓 آموزش/Fine-tune (با W&B)

python -m scripts.train --model Qwen/Qwen2.5-0.5B-Instruct --epochs 3

داده‌ی آموزشی در data/instruction_pairs.jsonl. این اسکریپت از LoRA (peft) استفاده می‌کند و به GPU نیاز دارد (روی CPU بسیار کند است).

---

🗂️ ساختار

.
├── app.py                      # اپ Gradio (رابط + API)
├── config.py                   # تنظیمات
├── requirements.txt
├── rag/                        # موتور RAG
│   ├── data.py                 # بارگذاری و قطعه‌بندی
│   ├── embeddings.py           # امبدینگ چندزبانه
│   ├── store.py                # ذخیره/بازیابی برداری
│   ├── retriever.py            # بازیابی معنایی
│   ├── generator.py            # مدل مولد + حالت استخراجی
│   └── pipeline.py             # هماهنگی + لاگ W&B
├── data/
│   ├── protocol.md             # پایگاه دانش اصلی
│   ├── instruction_pairs.jsonl # داده‌ی آموزشی
│   ├── articles/  patient_history/  feedback/
├── scripts/
│   ├── build_index.py          # ساخت ایندکس
│   ├── ingest.py               # افزودن سند
│   └── train.py                # fine-tune با LoRA + W&B

---

🧪 دموی زنده و تست RAG نقش‌محور

• Cloudflare UI: https://dual-diagnosis-clinical-hub.elasa2next.workers.dev
• API: POST /api/chat با بدنه {"role":"patient|family|doctor|admin","question":"..."}
• در رابط، از بخش دستیار علمی نقش مخاطب را انتخاب کنید.

مخزن Hugging Face صفحه میزبانی کد/مدل است؛ رابط عمومی فعال روی Cloudflare میزبانی می‌شود.

📊 پایش W&B

داشبورد اجرای RAG، تأخیر و چرخه‌های به‌روزرسانی داده: https://wandb.ai/elasa2next-sosa-/dual-diagnosis-rag

⚠️ سلب مسئولیت

این ابزار صرفاً آموزشی است و جایگزین مشاوره پزشک نیست. تصمیم نهایی درمان همیشه با پزشک معالج است.