docs: add analysis of personalized descriptive content to extract from reports

docs/参考资料/个性化描述提取分析.md

@@ -0,0 +1,185 @@
+# 个性化描述性信息提取分析
+
+> 基于 PDF 报告原文，分析哪些个性化描述性信息需要补充提取
+
+---
+
+## 一、当前已提取的（结构化数据）
+
+| 模块 | 已提取 | 描述性信息 |
+|------|-------|-----------|
+| 报告概述 | ✅ 数值 | ❌ 缺少描述 |
+| 疾病风险评估 | ✅ 值+状态 | ❌ 缺少个性化解读 |
+| 营养/氨基酸/维生素/微量元素 | ✅ 值+状态 | ❌ 缺少个性化解读 |
+| 肠道屏障/SCFA/神经递质 | ✅ 值+状态 | ❌ 缺少个性化解读 |
+| 抗生素风险评估 | ✅ 值+状态 | ❌ 缺少个性化解读 |
+| 菌群分类 | ✅ 丰度+范围 | ❌ 缺少菌种说明 |
+| 食物推荐表 | ✅ 完整 | ✅ 已包含 |
+
+---
+
+## 二、需要补充提取的描述性信息
+
+### 2.1 整体评估描述（P0 — 高价值）
+
+| 描述类型 | PDF 原文示例 | 提取方式 |
+|---------|-------------|---------|
+| 肠道年龄评估 | `您的肠道菌群出现了紊乱、存在疾病风险或发育滞后...` | 提取"肠道年龄评估"后的段落文本 |
+| 菌群健康状况评估 | 整体菌群健康评估文本 | 提取"菌群健康状况评估"后的段落 |
+| 健康总分解读 | `个别疾病高风险或多疾病提示注意...` | 提取"健康总分"后的评分解读文本 |
+| 报告总结 | 报告总结段落 | 提取"报告总结"后的段落 |
+
+### 2.2 各指标个性化解读（P0 — 高价值）
+
+每个指标都有个性化的描述文本，格式为：
+```
+您的[指标名]状况评估分值为[XX]分，[描述]。
+```
+
+**示例**：
+- `您的苏氨酸营养状况评估分值为10分，有些偏低，建议在现有饮食中适当增加苏氨酸的摄入`
+- `您的丙氨酸营养状况评估分值为1分，表明您的丙氨酸摄入不足`
+- `您的碳水化合物营养状况评估分值为96分，表明您的碳水化合物摄入充足`
+- `您的丁酸盐状况评估分值为14分，有些偏低，建议注意饮食，适当增加丁酸盐的摄入`
+- `您的丙酸盐状况评估分值为71分，属于正常范围，保持现有饮食即可`
+
+**涉及指标**：30+个指标（营养5项 + 氨基酸15项 + 维生素10项 + 微量元素2项 + 屏障/SCFA/神经递质）
+
+**提取方式**：正则 `您的[指标名]状况评估分值为[\d.]+分[，。][描述]`
+
+### 2.3 疾病风险个性化解读（P1 — 中价值）
+
+每个疾病风险都有详细的个性化解读，格式为：
+```
+根据您的肠道菌群中[疾病]患者与健康人之间的差异菌群，分析了您的[疾病]风险，显示分值为[XX]
+您的风险值在0.3以下，风险较低，如果分值接近0.3仍然需要注意...
+```
+
+**示例**：
+- `根据您的肠道菌群中心脑血管血栓患者与健康人之间的差异菌群，分析了您的心脑血管疾病风险 您的风险为注意，该分值段可能是近期生活方式不当导致风险上升...`
+- `根据您的肠道菌群中抑郁症患者与健康人之间的差异菌群，分析了您抑郁症的疾病风险 您的风险值在0.3以下，风险较低...`
+
+**提取方式**：正则 `根据您的肠道菌群中[疾病]患者与健康人之间的差异菌群，分析了您的[疾病]风险[，。][描述]`
+
+### 2.4 菌种说明（P1 — 中价值）
+
+每个菌种都有说明文本，当前已提取，但格式需要优化：
+- 当前：`说明：多导致人体炎症；致病；导致菌群失衡；产丁酸...`
+- 需要：保持完整文本，但可拆分出关键信息（如"产丁酸"、"益生菌"等标签）
+
+### 2.5 营养建议/饮食建议（P2 — 低价值）
+
+报告末尾有通用的营养建议和饮食建议说明，这些是模板化内容而非个性化内容，优先级较低。
+
+---
+
+## 三、提取方案
+
+### 3.1 在 `extract_pdf_to_json()` 中新增字段
+
+在 `extract_pdf_to_json()` 函数的 `result` 字典中增加以下字段：
+
+```python
+result['报告解读'] = {
+    '肠道年龄评估': '...',       # 肠道年龄个性化描述
+    '菌群健康评估': '...',       # 菌群整体健康评估
+    '健康总分解读': '...',       # 健康总分评分解读
+    '报告总结': '...',           # 报告总结
+}
+
+# 每个疾病风险增加解读字段
+result['疾病风险评估'] = [
+    {
+        '名称': '心脑血管疾病',
+        '数值': '0.37',
+        '状态': '注意',
+        '解读': '根据您的肠道菌群中心脑血管血栓患者与健康人之间的差异菌群...'
+    },
+    ...
+]
+
+# 每个指标增加解读字段
+result['氨基酸评估'] = [
+    {
+        '名称': '苏氨酸',
+        '数值': '10',
+        '状态': '偏低',
+        '解读': '您的苏氨酸营养状况评估分值为10分，有些偏低，建议在现有饮食中适当增加苏氨酸的摄入'
+    },
+    ...
+]
+```
+
+### 3.2 新增函数 `extract_interpretation()`
+
+```python
+def extract_interpretation(full_text, indicator_name, pattern_type='nutrition'):
+    """提取指标的个性化解读文本"""
+    if pattern_type == 'nutrition':
+        # 营养/氨基酸/维生素类解读
+        pat = rf'您的{re.escape(indicator_name)}状况评估分值为[\d.]+分[，。][\u4e00-\u9fff\s，、；：,.;:()（）、/a-zA-Z0-9\-%]+'
+    elif pattern_type == 'disease':
+        # 疾病风险解读
+        pat = rf'分析了您的{re.escape(indicator_name)}[\u4e00-\u9fff，。\s]{{0,30}}风险[，。][\u4e00-\u9fff\s，、；：,.;:()-]+'
+    m = re.search(pat, full_text)
+    return m.group() if m else ''
+```
+
+### 3.3 在 `extract_pdf_to_json()` 中调用
+
+```python
+# 在疾病风险评估后，补充解读
+for r in result['疾病风险评估']:
+    r['解读'] = extract_interpretation(all_full_text, r['名称'], 'disease')
+
+# 在氨基酸/维生素等评估后，补充解读
+for section in ['主要营养评估', '氨基酸评估', '维生素评估', '微量元素评估']:
+    for r in result.get(section, []):
+        r['解读'] = extract_interpretation(all_full_text, r['名称'], 'nutrition')
+
+# 肠道屏障/SCFA/神经递质解读
+for section in ['肠道屏障及代谢物', '短链脂肪酸', '神经递质及激素']:
+    for r in result.get(section, []):
+        r['解读'] = extract_interpretation(all_full_text, r['名称'], 'nutrition')
+```
+
+---
+
+## 四、优先级排序
+
+| 优先级 | 内容 | 工作量 | 价值 |
+|-------|------|-------|------|
+| P0 | 各指标个性化解读（30+指标） | 小（正则提取） | 高（AI解读报告可引用） |
+| P0 | 肠道年龄评估描述 | 小 | 高 |
+| P0 | 健康总分解读 | 小 | 高 |
+| P1 | 疾病风险个性化解读 | 中（不同疾病格式不同） | 中 |
+| P1 | 菌种说明优化 | 小 | 中 |
+| P2 | 报告总结/整体评估 | 小 | 低 |
+| P2 | 营养建议/饮食建议模板 | 小 | 低 |
+
+---
+
+## 五、JSON 输出格式变更
+
+当前输出：
+```json
+{
+  "氨基酸评估": [
+    {"名称": "苏氨酸", "数值": "10", "状态": "偏低"}
+  ]
+}
+```
+
+修改后输出：
+```json
+{
+  "氨基酸评估": [
+    {
+      "名称": "苏氨酸",
+      "数值": "10",
+      "状态": "偏低",
+      "解读": "您的苏氨酸营养状况评估分值为10分，有些偏低，建议在现有饮食中适当增加苏氨酸的摄入"
+    }
+  ]
+}
+```