使用 AI 综合分析健康数据并预测风险

解决碎片化健康数据的洞察难题：通过 AI 整合指标、生活方式、心理和医疗历史等多源数据，自动识别健康异常并预测潜在疾病风险，生成专业且可视化的健康报告。

为什么需要这个技能

现代人的健康数据分散在体检报告、运动手环、饮食记录和心理量表等多个维度中。简单的数值查看难以发现深层关联（例如：睡眠质量下降与情绪波动、血压波动的相关性）。

ai-analyzer 能够像一名数字化健康助理一样，利用 CUSUM、Z-score 等算法检测数据异常，并基于 Framingham 或 ADA 等医学风险评分标准，将枯燥的数字转化为可感知的风险预测和可执行的个性化建议。

适用场景

• 多维数据分析：当需要分析运动、营养、睡眠与生理指标之间的潜在联系时。
• 潜在风险预警：评估高血压、糖尿病或心血管疾病的 10 年发病概率。
• 自动化报告生成：快速创建包含 ECharts 交互图表的 HTML 健康分析报告。
• 个性化健康问答：针对“我的运动对健康有何影响”等具体问题获取基于数据的回答。

核心工作流

1. 配置与档案读取：AI 首先读取 ai-config.json 验证功能状态，并加载 profile.json 获取年龄、性别、BMI 等基础档案。
2. 多源数据聚合：同步读取基础指标（index.json）、运动追踪、睡眠质量、营养摄入及医疗记录等多个 JSON 数据源。
3. 深度分析处理：
   • 相关性分析：计算不同指标间的皮尔逊/斯皮尔曼相关系数。
   • 异常检测：通过 Z-score 等方法识别健康指标的离群值。
   • 趋势分析：使用线性回归识别指标的长期演变方向。
4. 风险模型匹配：调用特定医疗模型（如 ASCVD 计算器）进行风险概率量化。
5. 分级建议输出：生成分为 L1（一般性）、L2（参考性）、L3（医疗建议）的三级建议体系。
6. 报告持久化：调用 scripts/generate_ai_report.py 生成 HTML 交互报告，并将分析结果记录至 ai-history.json。

下载和安装

下载 ai-analyzer 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐