DHISense

想解决什么问题：发展中国家县级卫生官员每天面对疟疾、霍乱、麻疹等传染病数据，但现有工具只能帮他们"查数"和"看图表"，无法回答"哪里要出事""为什么""该怎么做"。从发现异常到采取行动之间，存在巨大的决策空白。

灵感来源：DHIS2 是全球低中收入国家广泛采用的数字公共产品，在 100+ 个国家部署，支持数据采集、分析、地图、仪表盘和开放 API。官方也已经开始探索 AI，包括自然语言查询（AI Insights、Convo）、预测建模（DHIS2 Modeling App / CHAP）、AI 数据录入（AI Data Entry）、异常检测（Magic Glasses 2）和算法化审核（坦桑尼亚 Alert Triage）。但现有能力多是单点工具：能查数、能预测、能辅助录入，却很少把"异常发现 → 风险解释 → 防控建议 → 资源分配 → 汇报材料"串成县级卫生官员每天能直接使用的行动闭环。DHISense 正是为这个缺口设计的。

产品形态：DHIS2 标准应用（App Hub 上架），浏览器内运行，通过 DHIS2 Web API 读取数据，调用大语言模型进行分析推理，生成结构化的行动方案。

核心用户：肯尼亚、坦桑尼亚、尼日利亚、孟加拉等国县级卫生官员、地区卫生管理团队（DHMT）、NGO 卫生项目管理者

日常场景：

• 每周审查各卫生站上报的疟疾、霍乱、麻疹等传染病数据
• 判断哪些地区需要优先干预，但缺乏量化依据
• 在有限预算下分配蚊帐、疫苗、口服补液盐等物资
• 向上级卫生部门提交疫情分析报告和资源申请

当前痛点：

• 数据在 DHIS2 里，但分析靠 Excel 和经验，无法自动发现异常
• 现有 AI 工具能回答"上周有多少病例"，但无法回答"下周哪里会出事"
• 从数据到行动之间全靠人工判断，容易错过最佳干预窗口
• 撰写汇报材料耗时数小时，格式不规范、数据引用不准确

• 异常自动检测：持续监控 DHIS2 数据流，当某地区病例增速偏离历史基线时自动标记预警，支持按疾病类型、地理层级、时间窗口灵活配置
• 可解释风险归因：不只是说"风险高"，而是解释为什么——结合病例趋势、气候数据（降雨/温度）、覆盖率指标（蚊帐/疫苗）、邻近区域传播态势，给出每个因素的贡献度
• 4 周趋势预测：基于历史数据和当前态势，预测未来 4 周各区域病例走势，标注高风险阈值
• 防控行动包生成：一键输出可执行方案——优先干预区域排序、目标人群定位、物资投放建议、人员调度方案、上级汇报摘要
• 自然语言交互入口：卫生官员可以用日常语言追问"为什么 A 区比 B 区优先""如果蚊帐到位率提升到 80%，预期降幅是多少"
• 多语言支持：英语、法语、斯瓦希里语等，覆盖东非和西非主要工作语言

DHIS2 生态中已有多个 AI 相关项目，各自解决不同的问题。DHISense 的定位不是替代它们，而是填补它们之间的空白——把单点能力串联成行动闭环：

公共卫生价值：

• 缩短从数据异常到防控行动的时间窗口，变被动应对为主动干预
• 让县级卫生官员在有限资源和人力下做出数据驱动的决策
• 标准化行动方案生成流程，减少对个人经验的过度依赖
• 可解释的推理过程增强决策透明度和公信力

效率提升：

• 异常检测从"人工翻看周报"变为"自动推送预警"
• 防控方案生成从数小时缩短到几分钟
• 汇报材料一键生成，格式规范、数据引用准确

目标客户：WHO、UNICEF、全球基金（Global Fund）、无国界医生（MSF）、总统防治艾滋病紧急救援计划（PEPFAR）、各国国家卫生部

收费模式：

• 核心功能开源免费，通过 App Hub 分发，建立社区和口碑
• 高级功能（多疾病预测模型、定制化行动方案模板、离线部署）按需付费
• 面向大型 NGO 和卫生部的技术支持、定制开发和托管服务订阅制

第一阶段（第 1-10 天）：数据接入与异常检测

• 搭建 DHIS2 App 开发环境，连接 play.dhis2.org demo 实例
• 实现 DHIS2 Web API 数据读取（聚合数据、事件数据、组织单元）
• 开发基于统计方法的异常检测引擎（环比/同比偏差、Z-score）
• 构建基础仪表盘界面：地图标注异常区域、趋势图

第二阶段（第 11-17 天）：AI 推理与行动生成

• 集成大语言模型 API，实现自然语言交互入口
• 开发风险归因逻辑：结合多维度数据生成可解释分析
• 构建防控行动包模板引擎（按疾病类型生成差异化方案）
• 实现汇报摘要自动生成功能

第三阶段（第 18-23 天）：场景打磨与参赛材料

• 用肯尼亚疟疾公开数据集跑通完整 Demo 场景
• 界面多语言适配（英语、法语）
• Demo 视频录制与参赛材料准备