NVIDIA AI-AGENT夏季训练营— RAG智能对话机器人

报告日期：2024年8月18日

项目负责人：王珮珊

一. 項目概述（必寫）：

此項目旨在開發並驗證一個針對大腸癌的細胞治療方案，重點在於使用DC-CIK(WT1)細胞療法。此療法結合樹突狀細胞和細胞因子誘導的殺傷細胞，旨在提高患者的免疫反應，增強對癌細胞的攻擊能力。

二. 技術方案與實施步驟

模型選擇（必寫）：
本項目選擇DC-CIK細胞療法作為基礎模型。此療法已在多種癌症中證實有效，特別適用於需要強化免疫系統反應的大腸癌治療。RAG模型在此療法中則輔助進行高效的數據檢索和預測分析。

數據的構建（必寫）：
數據包括患者的臨床數據和基因表現數據，這些數據經過向量化處理，以便於後續的模型訓練和預測。

三. 實施步驟

環境搭建（必寫）：
根據所附的環境安裝指南，首先需要安裝Miniconda，並使用Python 3.8建立虛擬環境。隨後安裝相關的AI工具如langchain-nvidia-ai-endpoints，Jupyter Lab，matplotlib等來支持開發​(环境安装指南)。

代碼實現（必寫）：
本項目的核心代碼包括對患者數據的預處理，細胞治療模型的訓練，及其預測的實現。代碼主要分布於bootcamp_rag1_demo.ipynb文件中。

測試與調優：
根據測試用例的設計，執行細胞療法的多次模擬運行，並進行模型的性能調優，以達到最佳的預測結果。

集成與部署：
完成測試後，將各模塊集成，並最終部署至臨床應用環境中，確保可以實際應用於患者。

四. 項目成果與展示：

應用場景展示（必寫）：
該細胞療法可應用於臨床中的大腸癌患者，作為一種個性化的治療方案，以提高治療效果和患者存活率。

功能演示（必寫）：
功能演示包含治療過程的關鍵步驟和結果，並以UI頁面展示細胞治療的具體效果。

五. 問題與解決方案：

問題分析：
項目實施過程中，主要問題在於數據不一致性及模型調優的複雜性。

解決措施：
針對數據問題，使用更多的預處理技術來提高數據一致性。針對調優問題，則通過多次實驗迭代找到最適合的模型參數。

六. 項目總結與展望：

項目評估：
本項目在模擬環境中取得了初步成功，顯示了該療法在大腸癌治療中的潛力，但仍需進一步臨床驗證。

未來方向：
未來將繼續優化模型，並在更多的臨床試驗中進行驗證，探索更廣泛的應用場景。

七. 附件與參考資料:

文本來源:

1. 什麼是DC-CIK(WT1)細胞療法 | 細胞治療中心 - 中國醫藥大學附設醫院
2. 大腸直DC-CIK as a widely applicable cancer immunotherapy - PubMed
3. 腸癌標靶治療新利器
4. bazel.build - 依附元件
5. cloud.google.com - Gemini Code Assist：AI 程式設計助理
6. developer.android.com - 新增存放區和手動DI