经过一段时间的封闭式开发，HRA智能体检项目终于完成。
RMHRA项目，全称是：RealMED AI Health Risk Assessment, 健康风险AI智能评测系统，RealMed人工智能身体疾病预警系统。
简单来说，就是通过人体最基础的五项数据：身高、体重、性别、心率、血压，预测人体的体检指标。
项目研发过程，咨询了大量医学和保险行业专家学者，参考了《The Lancet》（柳叶刀）等多种专业学术杂志文献。
RMHRA系统，采用最新的DL深度学习架构，通过神经网络AI模型，分为第一部分：快速综合风险评测部分，第二部分：身体指标当前可能风险提示和未来1-3年预测风险。
第一部分通过输入高度简化：性别、年龄、身高、体重、等基础数据，通过AI神经网络模型，自动评测用户综合健康等级，目前系统准确度达80%，相当于3-5年一线专业经验健康评估师的专业分析能力。
从IT-AI角度而言，这个项目属于目前AI领域最前沿的课题：Tabular结构化数据+DL深度学习。
AI人工智能领域，最成功的两个商业化领域是：NLP语义分析、CV图像分析。
结构化数据，也称为Tabular表格数据，是目前DL深度学习的前沿焦点课题之一，也是第三个可能获得重大突破的AI工程领域。
RMHRA项目采用的Tabular模型，属于第三代DL深度学习模型，相对传统的古典机器学习决策树模型，虽然在开发阶段，对研发团队素质、硬件设备算力要求较高，但在模型效果，数据适用范围等方面，特别是后期服务器部署，APP、手机小程序分发环节，存在数量级的工程优势。
这个项目的难点其实很多，与RF-DNA随机森林的淋巴基因生物芯片案例类似。
淋巴基因生物芯片案例，是统计学领域的经典案例，类似AI神经网络当中的iris花朵分类，mnist手写数字识别案例。
RF随机森林案例，采用的淋巴瘤基因表达芯片数据集，通常包含77个样品，2个分组和7070个变量。
最早的案例其实是81个样本，分析4682个变量。
RMHRA项目，其实难度比这个RF-DNA随机森林的项目大的多，主要是输入数据太少，就身高体重心率血压等不到十项输入数据，分析人体近百个体检医学指标，而且最终结果，准确度超过90%
RMHRA项目，目前虽然只是v1版本，最终结论，很多人的意料，包括我们自己。
通过最简单的身高体重心率血压等数项基础输入数据，居然能够预测白血球，红细胞这些微观生理指标，而且AI模型的预测准确度，高达90%以上，部分指标在95%以上。（宽容度10%）。
这个模型，单从AI技术角度而言，可能成为AI-中医-西医几个领域的融合课题，揭示中医底层学理，破解中医、中药的微观“DNA”基因obj指标。
RMHRA项目的难点很多：
- Tabular结构化数据，是目前AI-DL深度学习的瓶颈，通常精度在70-80%左右。RMHRA项目的基础模型，精度也是70%左右，最终，采用了：参数优化，模型群组，数据混合等多种工程手段，把最终模型指标提高到90-95%。
- 通过简单数个input输入指标，预测分析上百个潜在y目标数据，参见RF-DNA淋巴生物芯片案例。
- 通过简单的宏观数据，分析众多的微观生理指标，为中医的传统问诊，与西医的监测体系，通过AI-DL人工智能、深度学习，摸索出一条融合之道，RMHRA项目，已经搭建好第一块砖石。
- 在GPT-3等超大模型的风潮下，为中小企业采用mini-AI微模型，小数据理轮，成功把AI-DL深度学习，结合行业实际应用，创建了一个成功案例。
- 。。。。。。
请大家关注TOP极宽量化公众号：TOP极宽量化，浏览，TopQuant.vip极宽网站，大量原创量化资料和课件、案例源码。关注公众号，即可获得最新网盘下载地址。TQ极宽·相关网络QQ社群如下：
- QQ群号：124134140，TOP极宽金融量化总群，面向专业金融实盘用户，三千人大群。
- QQ群号：1057170501，zwPython.com学习群，面向py初学者和大众小白用户，两千人大群。
- QQ群号：699266891，TFB极宽足球大数据，TFB=TopFootBall
- QQ群号：790548107，FASTAI智能量化
- QQ群号：663952322，PytorchLightning智能框架
- QQ群号：655402626，CBF中华大字库，ziwang.com字王网站，已升级为元字库: metafont.vip