cardiology-visual-system

心脏病学视觉系统

一个统一的元技能，可智能地将视觉内容请求路由到最合适的工具。不必再在 Napkin.ai、NotebookLM 或其他订阅服务之间切换——所有操作都在 Claude Code 中完成。

快速参考：各工具的用途

您的需求	使用的工具	输出
博客页眉、生活方式照片、患者场景	Fal.ai	PNG 图像
信息图、解说图、医学插图	Gemini	PNG/JPG 图像
流程图、治疗算法、临床路径	Mermaid	SVG/PNG 图表
幻灯片、演示文稿	Marp	PPTX/PDF/HTML 幻灯片
数据图表、试验结果、随时间变化的趋势	Plotly	交互式 HTML 或 PNG
交互式解说、仪表板	React Artifact	交互式 HTML
快速可视化原型、探索性数据可视化	LIDA ⚠️	PNG + 代码（仅限原型）

自动路由逻辑

当您请求视觉内容时，我会分析您的需求，确定最合适的工具：

→ 路由到 Fal.ai（图库／人物图像）

关键词：blog image、header、hero image、lifestyle、patient photo、stock、person、family、emotional、scenario

最适合：

• 博客文章页眉
• 患者体验插图
• 生活方式／健康图像
• 情感化／以人为本的场景
• 康复与希望主题图像

不适用于： 医疗设备、ECG、图表、数据或文字密集型内容

→ 路由到 Gemini（信息图与医学插图）

关键词：infographic、explainer、illustration、visual summary、concept diagram、icons、steps、process visual、simplified、educational graphic

最适合：

• 信息图（类似 Napkin.ai 生成的内容）
• 医学概念插图
• 简化的解说图
• 带图标的教育视觉内容
• 图像内含文字的内容
• 文章的视觉摘要

→ 路由到 Mermaid（图表与流程图）

关键词：flowchart、algorithm、pathway、decision tree、sequence、timeline、process flow、treatment algorithm、diagnostic pathway、workflow

最适合：

• 临床决策树
• 治疗算法
• 诊断路径
• 流程工作流
• 组织结构图
• 时序图
• 时间线甘特图

→ 路由到 Marp（幻灯片）

关键词：slides、presentation、deck、powerpoint、lecture、talk、keynote

最适合：

• 会议演示文稿
• 教育讲座
• 患者教育幻灯片
• 大查房演示文稿
• CME 内容

→ 路由到 Plotly（数据可视化）

关键词：chart、graph、plot、data、statistics、trial results、forest plot、trends、comparison、survival curve、Kaplan-Meier、bar chart、line graph、scatter

最适合：

• 临床试验结果
• 统计比较
• 随时间变化的趋势
• 森林图
• 生存曲线
• 前后数据
• 多项研究比较

→ 路由到 React Artifact（交互式内容）

关键词：interactive、dashboard、calculator、tool、widget、animated、explorable

最适合：

• 风险计算器
• 交互式解说
• 动画图表
• 患者教育工具
• 可探索式说明

→ 选择 LIDA（快速原型设计）⚠️ 仅用于原型设计

关键词：quick、prototype、exploratory、rough draft、multiple options、try、experiment、brainstorm visualization

⚠️ 重要限制：

• 仅用于原型设计——不得用于出版物或面向患者的材料
• 质量不一——务必检查医学准确性
• 最适合 ≤10 列数据
• 不支持专业医学图表（真正的森林图、Kaplan-Meier 曲线）
• 任何用途都必须先经过人工验证

适用场景：

• 快速探索数据可视化（“这些数据说明了什么？”）
• 生成多个可视化方案
• 为新数据集集思广益，讨论图表类型
• 仅用于内部研究审查

不适用场景：

• 可直接用于出版物的图表 → 改用 Plotly
• 面向患者的材料 → 使用生产级工具
• 监管申报 → 绝不可使用
• 最终版博客文章 → 使用 Plotly 或 Gemini

如有疑问，请使用 Plotly 进行数据可视化，而不要使用 LIDA。

---

工具 1：Fal.ai（博客配图）

设置

export FAL_KEY="your-fal-api-key"
# Get key from: https://fal.ai/dashboard/keys

用法

python scripts/fal_image.py "A 55-year-old man experiencing chest pain at work" --output hero.png

模型

模型	费用	适用场景
fal-ai/recraft-v3	$0.04	默认——质量最佳
fal-ai/flux-pro/v1.1	$0.04	照片级真实感
fal-ai/flux/schnell	$0.003	快速／低成本草稿

生成内容与不生成内容

✅ 可生成：

• 患者症状／体验（胸痛、呼吸急促）
• 生活场景（锻炼、健康烹饪）
• 医患对话
• 家庭支持时刻
• 康复庆祝场景

❌ 请勿生成：

• 医疗设备（起搏器、支架、瓣膜）
• 临床影像（心电图、血管造影、手术室场景）
• 解剖图
• 药物

---

工具 2：Gemini（信息图）

设置

export GEMINI_API_KEY="your-gemini-api-key"

用法

python scripts/gemini_infographic.py \
  --topic "Heart Failure Stages" \
  --style "minimalist medical" \
  --output hf_stages.jpg

医学信息图提示词编写

提示词结构：

Create a [STYLE] infographic showing [TOPIC].

Include:
- [Key point 1]
- [Key point 2]
- [Key point 3]

Style: [clean/minimalist/modern medical], use icons, clear hierarchy, 
professional color palette (blues, teals for medical), easy to read text

提示词示例：

1. 疾病进展：

   "制作一张极简风格的医学信息图，展示心力衰竭的 4 个阶段（A、B、C、D）。为每个阶段使用图标，用箭头展示进展，并附上简短说明。布局简洁，采用医疗蓝配色。"

2. 治疗方案对比：

   "制作一张信息图，对比房颤的药物治疗与介入治疗。分为两列，为每种方案配上图标，并以项目符号列出优缺点。采用现代医学风格。"

3. 风险因素概述：

   "制作一张关于 7 个可改变的心脏病风险因素的视觉概览。为每个因素配上图标，采用简洁的网格布局，并提供可执行的建议。采用专业医学插画风格。"

---

工具 3：Mermaid（图表）

已连接 Mermaid Chart MCP。使用它绘制结构化图表。

常见心脏病学图表类型

1. 治疗流程：

flowchart TD
    A[Acute Chest Pain] --> B{STEMI?}
    B -->|Yes| C[Primary PCI < 90 min]
    B -->|No| D{High-risk NSTEMI?}
    D -->|Yes| E[Early invasive < 24h]
    D -->|No| F[Ischemia-guided strategy]

2. 临床路径：

flowchart LR
    A[Diagnosis] --> B[Risk Stratification]
    B --> C[Treatment Selection]
    C --> D[Follow-up Protocol]

3. 诊断决策树：

flowchart TD
    A[Dyspnea] --> B{BNP elevated?}
    B -->|Yes| C{Echo findings?}
    B -->|No| D[Consider other causes]
    C -->|HFrEF| E[GDMT initiation]
    C -->|HFpEF| F[Diuretics + address comorbidities]

4. 时间线（甘特图）：

gantt
    title Post-MI Care Timeline
    dateFormat  YYYY-MM-DD
    section Acute
    Hospital stay        :a1, 2024-01-01, 5d
    section Recovery
    Cardiac rehab        :a2, after a1, 12w
    section Long-term
    Medication titration :a3, after a1, 6m

---

工具 4：Marp（幻灯片）

设置

npm install -g @marp-team/marp-cli

用法

1. 我使用 Marp 语法编写 Markdown
2. 保存为 presentation.md
3. 转换：

marp presentation.md --pptx           # PowerPoint
marp presentation.md --pdf            # PDF
marp presentation.md -o slides.html   # HTML

医学幻灯片 Marp 模板

---
marp: true
theme: default
paginate: true
backgroundColor: #ffffff
color: #333333
---

# Heart Failure Management
## Modern Approaches in 2024

Dr. [Your Name]
Interventional Cardiology

---

# Agenda

1. Current Guidelines
2. New Therapies
3. Case Discussion

---

# Key Statistics

- 6.7 million Americans with HF
- 50% mortality at 5 years
- $30.7 billion annual cost

![bg right:40%](path/to/chart.png)

---

# Treatment Algorithm

```mermaid
flowchart TD
    A[HFrEF Diagnosis] --> B[GDMT Initiation]
    B --> C[Titrate to target doses]

---

要点总结

1. 尽早开始治疗很重要
2. 四联治疗是标准方案
3. 对适合的患者采用器械治疗

---

有问题吗？

联系：[email protected]

---

## Tool 5: Plotly (Data Visualization)

### Setup
```bash
pip install plotly kaleido pandas --break-system-packages

常见医学可视化

1. 柱状图（试验结果）：

import plotly.express as px

data = {
    'Treatment': ['Drug A', 'Drug B', 'Placebo'],
    'Event Rate (%)': [12.3, 15.1, 18.7]
}
fig = px.bar(data, x='Treatment', y='Event Rate (%)',
             title='Primary Endpoint: Major Cardiovascular Events',
             color='Treatment')
fig.write_html('trial_results.html')
fig.write_image('trial_results.png')

2. 森林图样式：

import plotly.graph_objects as go

studies = ['PARADIGM-HF', 'DAPA-HF', 'EMPEROR-Reduced']
hr = [0.80, 0.74, 0.75]
lower = [0.73, 0.65, 0.65]
upper = [0.87, 0.85, 0.86]

fig = go.Figure()
for i, study in enumerate(studies):
    fig.add_trace(go.Scatter(
        x=[lower[i], upper[i]], y=[study, study],
        mode='lines', line=dict(color='gray', width=2)
    ))
    fig.add_trace(go.Scatter(
        x=[hr[i]], y=[study],
        mode='markers', marker=dict(size=12, color='navy')
    ))

fig.add_vline(x=1.0, line_dash="dash", line_color="red")
fig.update_layout(title='Hazard Ratios for Heart Failure Trials',
                  xaxis_title='Hazard Ratio (95% CI)')

3. 随时间变化的趋势：

import plotly.express as px

fig = px.line(df, x='Year', y='Mortality Rate', 
              color='Treatment Era',
              title='Heart Failure Mortality Trends 1990-2024')
fig.write_html('trends.html')

---

工具 6：LIDA（快速原型设计）⚠️ 仅用于原型设计

⚠️ 重要警告

LIDA 仅为原型设计工具。请勿用于：

• 可直接用于出版物的可视化
• 面向患者的材料
• 监管申报
• 最终版博客文章或社交媒体内容

生产级可视化请使用：

• Plotly（数据图表）
• Gemini（信息图）
• Fal.ai（图像）

设置

# Install LIDA
pip install lida llmx openai --break-system-packages

# Set API key (choose one)
export OPENAI_API_KEY="your-key"      # Recommended
export GOOGLE_API_KEY="your-key"      # Free tier (Gemini)
export ANTHROPIC_API_KEY="your-key"   # Claude

LIDA 的功能

LIDA（自动可视化生成）使用大模型来：

1. 分析数据结构
2. 根据自然语言生成可视化代码
3. 创建多个可视化候选方案
4. 支持多个库（Plotly、Matplotlib、Seaborn、Altair）

发表： ACL 2023（Microsoft Research）

局限性

1. 建议不超过 10 列——受大模型上下文限制
2. 质量不一——由 AI 生成，需要审核
3. 不支持专用医学图表——无法生成真正的森林图、Kaplan-Meier 曲线
4. 错误率： 报告值低于 3.5%，但务必核验医学准确性
5. 尚未达到生产就绪状态——仅用于探索

用法

基本用法：

python scripts/lida_quick_viz.py "Show mortality by treatment group" trial_data.csv

多个候选方案：

python scripts/lida_quick_viz.py "Compare outcomes" data.csv --candidates 3

使用医学模板：

python scripts/lida_quick_viz.py "Trial results" data.csv --template trial_comparison

指定库：

python scripts/lida_quick_viz.py "Trends over time" data.csv --library plotly

交互模式：

python scripts/lida_quick_viz.py --interactive data.csv

列出模板：

python scripts/lida_quick_viz.py --list-templates

医学模板

模板	描述	用例
trial_comparison	比较治疗组	主要终点结果
patient_demographics	基线特征	患者群体概览
outcome_comparison	主要/次要终点	多项结局比较
trend_analysis	随时间变化的趋势	纵向数据
survival_curve	事件发生时间（简化版）	无事件生存（并非真正的 KM 曲线）

示例工作流

1. 探索性分析（LIDA）：

# Quick exploration of new trial data
python scripts/lida_quick_viz.py \
  "Show primary endpoint by treatment arm with confidence intervals" \
  trial_results.csv \
  --template trial_comparison \
  --candidates 3

2. 审核候选方案：

• 检查医学准确性
• 核实数据解读
• 选择最佳方案

3. 生产版本（Plotly）：

# Recreate selected visualization in production quality
python scripts/plotly_charts.py bar --data trial_results.csv --output final_chart.png

质量验证清单

每个 LIDA 输出都包含此清单：

⚠️  QUALITY VALIDATION CHECKLIST - REVIEW BEFORE USE

Medical Accuracy:
[ ] Data interpretation is correct
[ ] Statistical measures are appropriate
[ ] Confidence intervals/error bars are correct
[ ] P-values and significance are accurate
[ ] Sample sizes are represented correctly

Visual Design:
[ ] Chart type is appropriate
[ ] Color scheme is professional
[ ] Labels are clear and complete
[ ] Legend is accurate
[ ] Title describes the content

Medical Standards:
[ ] Follows publication standards
[ ] No misleading visualizations
[ ] Appropriate precision
[ ] Context is provided
[ ] Source attribution if needed

何时使用 LIDA，何时使用 Plotly

场景	工具	原因
“展示这些数据的最佳方式是什么？”	LIDA	探索，提供多个选项
“快速展示试验结果”	LIDA	优先速度，而非完美
“生成 3 种图表方案”	LIDA	多个候选方案
“适合发表的图表”	Plotly	生产级质量
“博客文章可视化”	Plotly	最终输出
“患者教育”	Plotly	准确性至关重要
“监管申报”	Plotly	绝不要使用 LIDA

成本

模型	成本	速度	质量
OpenAI（GPT-4o-mini）	$0.60/百万 tokens	快	良好
Gemini（免费版）	免费	快	良好
Claude（Sonnet）	不定	中等	卓越

每次可视化的典型成本： $0.01-0.05（可忽略不计）

示例：交互会话

python scripts/lida_quick_viz.py --interactive trial_data.csv

# In interactive mode:
> list                              # Show templates
> template trial_comparison         # Set template
> library plotly                    # Set library
> viz Show mortality by treatment   # Generate viz
> viz Compare age distribution      # Another viz
> quit

输出结构

lida_output/
├── candidate_1_code.py           # Generated Python code
├── candidate_1.png                # Rendered visualization
├── candidate_2_code.py
├── candidate_2.png
└── ...

---

集成工作流示例

场景： 你正在撰写一篇关于心力衰竭药物的博客文章。

第 1 步：主视觉图片（Fal.ai）

python scripts/fal_image.py \
  "Elderly patient having hopeful conversation with cardiologist about new treatment options" \
  --output images/hero.png

第 2 步：治疗算法（Mermaid）

Create a Mermaid flowchart showing HFrEF GDMT initiation:
- Start with diagnosis
- Branch to ARNI/ACEi + Beta-blocker
- Add SGLT2i + MRA
- Device consideration

第 3 步：试验数据（Plotly）

# Compare mortality reduction across trials
trials_df = pd.DataFrame({
    'Trial': ['PARADIGM-HF', 'DAPA-HF', 'EMPEROR-Reduced'],
    'Mortality Reduction': [20, 17, 14]
})
fig = px.bar(trials_df, x='Trial', y='Mortality Reduction',
             title='Mortality Reduction in Landmark HF Trials (%)')

第 4 步：关键概念信息图（Gemini）

Create a clean medical infographic summarizing the "4 Pillars of HFrEF Therapy":
1. ARNI/ACEi - heart icon
2. Beta-blocker - heart rate icon  
3. MRA - kidney/electrolyte icon
4. SGLT2i - glucose/kidney icon

Style: modern medical, blue color scheme, minimal text, icon-focused

---

API 密钥检查清单

使用此系统前，请确保已设置以下内容：

# Fal.ai (blog images)
export FAL_KEY="your-key"

# Gemini (infographics)
export GEMINI_API_KEY="your-key"

# LIDA (prototyping) - choose one
export OPENAI_API_KEY="your-key"      # Recommended
export GOOGLE_API_KEY="your-key"      # FREE (Gemini)
export ANTHROPIC_API_KEY="your-key"   # Claude

# Mermaid - uses MCP, no key needed
# Plotly - local, no key needed
# Marp - local, no key needed

---

成本汇总

工具	成本	典型用途
Fal.ai（Recraft）	$0.04/张图片	每篇博客 3-4 张 = $0.16
Gemini	提供免费版	信息图
LIDA（原型制作）	$0.01-0.05/张可视化图表	快速探索（可选）
Mermaid	免费（MCP）	图表
Plotly	免费	数据可视化
Marp	免费	幻灯片

每篇博客文章总计：约 $0.16-0.25（无需分别订阅）

注意： LIDA 是可选项——使用免费的 Gemini 模型进行零成本原型制作

---

此技能中的文件

cardiology-visual-system/
├── SKILL.md                    # This file
├── scripts/
│   ├── fal_image.py           # Fal.ai image generation
│   ├── gemini_infographic.py  # Gemini infographic generation
│   ├── plotly_charts.py       # Common chart templates
│   ├── lida_quick_viz.py      # LIDA prototyping (⚠️ prototype only)
│   └── convert_slides.sh      # Marp conversion helper
├── templates/
│   ├── marp_medical.md        # Medical slide template
│   └── plotly_medical.py      # Medical chart templates
└── references/
    └── prompt_examples.md     # Curated prompts for each tool