AIclinicalresearch/docs/03-业务模块/SSA-智能统计分析/00-系统设计/PRD SSA-Pro 严谨型智能统计分析模块.md

PRD: SSA-Pro 严谨型智能统计分析模块 (V1.0)

文档状态： v1.0 (Final)

创建日期： 2026-02-18

关联架构： SSA-Pro_智能统计分析架构设计方案_V4.md

关联规范： SSA-Pro_Skills架构规范_V4.1.md

1. 研发背景与业务价值

1.1 背景 (Why Now?)

目前平台的 AIA (问答) 和 DC (清洗) 模块已趋于成熟，但在核心统计分析环节仍存在断层：

1. 用户痛点：临床医生普遍缺乏统计学能力，SPSS/SAS 操作复杂，且容易误用统计方法（如数据不符合正态分布却强行用 T 检验）。
2. 竞品缺陷：通用的 AI（如 ChatGPT）虽然能写代码，但经常产生“幻觉”，生成的代码在本地无法运行，且存在严重的数据隐私泄露风险。
3. 资产闲置：公司内部积累了 100+ 高质量的 R 语言统计脚本，目前处于“沉睡”状态，未能转化为 SaaS 服务能力。

1.2 产品目标 (Product Goal)

构建一个 “白盒化、严谨型、可交付” 的智能统计分析 Agent (SSA-Pro)。

• 白盒化：分析过程透明，用户可见（执行路径、护栏检查）。
• 严谨型：强制执行统计假设检验（Guardrails），防止学术谬误。
• 可交付：不仅提供结果，还提供可复现的 R 源代码，支持本地二次运行。

2. 核心能力与功能列表

2.1 核心流程 (The Core Loop)

交互模式采用 "Retrieve-Plan-Confirm-Execute" 闭环：

步骤	功能模块	关键动作	交付物
1	智能规划 (Planner)	意图识别 + RAG 检索 + 参数映射	分析预习卡片 (Plan Card)
2	人机确认 (HITL)	用户检查参数，点击确认	用户授权指令
3	透明执行 (Execution)	混合数据传输 + 统计护栏 + 核心计算	执行路径树 (Execution Trace)
4	资产交付 (Delivery)	结果解释 + 代码生成 + 报告导出	分析结果包 (Result + Code)

2.2 功能详细说明

F1. 智能工具检索 (Tool RAG)

• 需求：系统需从 100+ 工具中，根据用户自然语言（如“看两组差异”）精准推荐最合适的工具。
• 技术支撑：基于 pgvector 的语义检索 + pg_bigm 关键词匹配。
• 输入：用户 Query + 数据 Schema（列名/类型）。
• 输出：Top-5 候选工具的 JSON Schema。

F2. 统计分析计划生成 (SAP Generation)

• 需求：AI 不直接跑代码，而是先像人类统计师一样，写一份 SAP（统计分析计划）。
• 内容包含：分析目标、变量映射（X/Y）、前置假设条件（如正态性）、降级策略。
• 表现形式：前端渲染为 "待确认卡片"，用户可修改参数。

F3. 统计护栏与自动降级 (Guardrails)

• 需求：在执行核心检验前，必须强制检查数据质量与统计假设。
• 逻辑示例（以 T 检验为例）：
  1. 检查样本量是否 > 3。
  2. 执行 Shapiro-Wilk 正态性检验。
  3. 决策点：若 P < 0.05（非正态），自动切换为 Wilcoxon 秩和检验，并在前端亮黄灯提示。
• 价值：这是本产品区别于 ChatGPT 的核心护城河。

F4. 混合数据传输 (Hybrid Data Protocol)

• 需求：支持不同大小的数据集高效传输，规避 HTTP JSON 瓶颈。
• 策略：
  • < 1MB：直接嵌入 API 请求体（Inline JSON）。
  • 1MB - 20MB：前端先传 OSS，仅向 R 服务传递 OSS File Key，R 服务内网下载。

F5. 代码资产交付 (Reproducible Code)

• 需求：用户下载的 R 代码必须能在其本地 RStudio 中直接运行。
• 实现：R Wrapper 动态拼接代码字符串，数据读取路径替换为占位符 read.csv("your_data.csv")。

3. 技术路线与架构 (Technical Specifications)

3.1 总体架构：Brain-Hand 模型

本模块严格遵循公司 V4.1 架构标准：

• Brain (Node.js)：负责认知、规划、检索、Prompt 组装。绝不处理真实数据内容，只看 Schema。
• Hand (R Docker)：负责执行、计算、绘图。运行在隔离容器中，处理真实数据。

3.2 关键技术栈

• 后端：Node.js (Fastify) + Prisma
• 统计引擎：Docker + R 4.3 + Plumber (API 服务)
• 向量库：RDS PostgreSQL + pgvector
• 大模型：DeepSeek-V3 (Planner/Critic)
• 前端：React 19 + Ant Design X

3.3 数据库设计摘要 (Schema)

需在 capability_schema 中建立全局统一的技能注册表：

-- 核心表：统计技能注册表
CREATE TABLE capability_schema.global_skills (
skill_code VARCHAR(50) PRIMARY KEY, -- e.g. ST_T_TEST
provider VARCHAR(50), -- 'SSA-R-SERVICE'
input_schema JSONB, -- OpenAI Function Schema
embedding vector(1024) -- 用于 RAG 检索
);

4. 数据隐私与安全 (Safety & Privacy)

4.1 数据隔离原则

• 原则：LLM 永远不可见真实患者数据。
• 实现：前端提取 Header 发送给 LLM 做规划；前端将 CSV 发送给 R 服务做计算。两者物理隔离。

4.2 R 容器安全

• 网络阻断：生产环境 SAE 容器配置 Egress Deny，禁止 R 脚本主动发起外网请求。
• 只读文件系统：R 脚本目录设为 Read-Only，防止代码篡改。

5. 开发里程碑 (Roadmap)

Phase 1: 骨架搭建 (Week 1-2)

• 目标：跑通 T 检验的 "Hello World"。
• 产出：
  • R Docker 基础镜像 (含 Plumber)。
  • 第 1 个标准化 Wrapper (T-Test)。
  • Node.js -> R 的同步 API 调通。

Phase 2: 交互 MVP (Week 3-5)

• 目标：用户可用，体验完整。
• 产出：
  • 集成 RAG 检索，AI 能听懂“做个差异分析”。
  • 前端“确认卡片”与“执行树”组件上线。
  • 上线 Top 10 高频统计工具。

Phase 3: 量产与 Skills 化 (Week 6-8)

• 目标：工具丰富，能力开放。
• 产出：
  • 覆盖 50+ 常用工具。
  • 完成 Global Skill Registry 注册，允许 IIT Manager 模块调用 SSA 能力。

6. 验收标准 (Acceptance Criteria)

1. 准确性：对于非正态数据，系统必须自动降级为非参数检验，并给出提示。
2. 性能：20MB 数据文件的 T 检验，端到端耗时（含网络传输）不超过 5秒。
3. 复现性：下载的 R 代码包，在干净的本地 R 环境中安装依赖后，必须能跑通并产出相同结果。
4. 隐私：审计日志中严禁出现具体的患者隐私数据（Row Data）。

7. 附录：工具列表 (MVP Top 10)

1. 独立样本 T 检验 (Independent T-Test)
2. 配对样本 T 检验 (Paired T-Test)
3. 单因素方差分析 (One-way ANOVA)
4. 卡方检验 (Chi-square Test)
5. Fisher 精确检验
6. Mann-Whitney U 检验 (Wilcoxon Rank Sum)
7. Pearson/Spearman 相关性分析
8. 单因素线性回归 (Simple Linear Regression)
9. 生存分析 (Kaplan-Meier Curve)
10. Cox 比例风险回归 (Cox Regression)