五年规划蓝图 · 儿童生长发育引擎

00

现状基线

工程底座（仓库内） × 算法与合作（仓库外）

🧩 已具备 · 工程底座（本仓库，均可跑）

对应代码：engine/lib · demo1-app/

引擎核心 growth_core.js：身高/体重/BMI 百分位（国标 0~18）、遗传靶身高（中亲法）、BMI 评价；前端与报告页共用
MVP 模块骨架：growth_models.js（速度/ΔSDS/轨迹）、growth_pah.js（Bayley-Pinneau，未校准）、growth_triage.js（绿黄红分流）、growth_advice.js（证据分级建议）、growth_pipeline.js 串接
engine/pages/report.html 演示页 + 91 生长因子数据字典
前端演示已构建并部署（CloudBase 静态托管，yitonglab.com）· 纯静态、无后端
骨龄输入通道 bone_age_client.js：外部临床级 API 接口壳，当前 mock 模式

🤝 已具备 · 算法与合作（模型资产在仓库外）

v0 已完成 · 专家与合作已锚定

骨龄 AI 用公开数据集（RSNA 2017）训练出 v0，预测准确率达到市面同类产品均值以上
已找到可合作的骨龄专家——金标准判读与标注质控有了锚点
合作医院可以开始访谈
医学知识基座：生长百分位、遗传靶身高、B-P 预测已结构化进引擎
私有骨龄数据：与三方数据标注公司推进「授权获取 → 标注 → 标注标准」链路

⏳ 尚未具备 / 待补齐

外部临床级骨龄 API 的真实接入（现为 mock）
私有骨龄数据的正规授权落地、标注标准与金标准质控流程
纵向生长数据（随访序列）；带不确定性区间的轨迹仿真尚未开始（仅有速度/轨迹雏形）
医学知识基座剩余结构化：Tanner 分期、IGF-1 等内分泌参考范围、骨龄–生长潜能、SDS/LMS 化
后端/数据基础设施（当前纯静态站点，与训练/数据管道目标之间需过渡）
合规与伦理框架（私有数据合规、是否走医疗器械注册）

💡 一句现实判断：骨龄 AI 是当前最领先、最该乘势推进的模块，应提到主线最前。但要清醒：v0 的「超市场均值」来自公开、相对单一的数据分布，真正的硬仗是在私有、多来源、多设备、不同年龄性别的真实临床数据上保持泛化，并与骨龄专家判读的一致性达到可量化、可审计的水平。临床验证与（可能的）注册仍是 3–5 年量级的长杆，不会因为 AI 提前而消失。

01

前置决策：三条候选路线

第 1–2 个月完成 · 可并行于 AI 主线

维度	A. 临床辅助 / 医疗器械	B. 家长健康管理工具（To C）	C. 教学 / 科普仿真
主要用户	儿科/儿保/内分泌/放射科医生	家长	医学生、医生培训、科普
是否诊断性宣称	是（需注册）	否（边界极重要）	否
监管	NMPA 二类/三类，AI 软件指导原则	不注册，不越界宣称	无
变现	医院 SaaS / 授权	订阅 / 增值服务	培训 / 授权
周期到可用	3–5 年（含注册）	1–2 年	0.5–1 年
数据门槛	高（多中心验证）	中	低

📌 建议：无论最终走哪条，骨龄 AI 与访谈都可先做；访谈结论主要影响「是否启动注册与质量体系」，而非是否继续做 AI。定位未定，但访谈与 AI 进展可并行推进，互不阻塞。

02

分阶段规划

四阶段 · T0 相对时间

T0 ~ T0+6 月

阶段 0 · 具体事项

骨龄 AI 主线推进 + 医院访谈 + 知识基座收尾 + LLM 接入 + 仿真起步

+6 ~ +12 月

阶段 1 · 事项概括

多中心回顾性验证、产品化整合、仿真引擎 v2、路线兑现决策

1 ~ 3 年

阶段 2 · 概括

临床验证 / NMPA 注册、干预情景模拟、数据规模化、商业探索

3 ~ 5 年

阶段 3 · 概括

多中心合作网络、适应症扩展、数据飞轮、组织与商业化落地

阶段 0 · 五条主线（当前执行焦点）

主线一骨龄 AI当前核心主线，进度往前提双轨说明：产品线短期以接入外部临床级骨龄 API（替换 bone_age_client.js 的 mock）为主；自研模型并行推进，完全就绪后替换外部 API（与 MVP 决策 #1 一致）。
数据侧 · 私有数据正规化敲定正规授权获取链路：来源合规、知情同意、去标识化，全程留痕
制定标注标准：GP / 中华-05 / TW3 主基准与判读口径
金标准与质控：专家判读为金标准，Kappa/ICC 一致性抽检 + 定期抽审
模型侧 · v1 → v2私有数据训练 v1：稳定超市场均值，与专家一致性可量化（MAE / 误差分布 / 分层表现）
泛化与鲁棒性验证：年龄 / 性别 / 医院来源 / 设备体位
输出技术指标报告，作为多中心验证与注册的基础材料

        主线二
        医院访谈现在启动
        对儿科/儿保/内分泌/放射科医生做结构化访谈
访谈重点：「骨龄 AI 能否进临床工作流、医生信不信、愿不愿用、卡在哪」
交付物：定位评估 + 需求清单，收敛主路线

      

        主线三
        医学知识基座收尾
        剩余结构化：SDS/LMS 化（WS/T 体系，替换粗百分位 pRankAt）、Tanner 分期、骨龄–生长潜能关系、IGF-1 等内分泌参考范围
生长百分位、遗传靶身高、B-P 预测已实现于 engine/，无需重做

      
主线四原型 + LLM 接入原型（引擎底座 + 成长报告演示）已可试用，接入 LLM 用于报告自然语言解读、对话式查询、家长科普问答
边界：LLM 只做解读与交互，不做核心诊断计算；配医疗内容审校与防幻觉约束
注：本规划将 LLM 提前至阶段 0，早于 MVP 决策 #3（科普 Agent 放 Phase III）；该文档待后续同步更新，以本规划为准。

        主线五
        仿真引擎起步
        用公开标准数据做生长轨迹仿真 v1
输出带不确定性区间的生长曲线带，而非单点预测

      

        贯穿
        合规 / 伦理
        私有数据合规框架（授权、去标识化、存储规范）；伦理审查（IRB）申请
访谈结论出来后，决定是否启动医疗器械注册路径与质量体系（ISO 13485）准备

      

🚪 阶段 0 出口标准：骨龄 AI v1 在私有数据上达标且与专家一致性可量化；访谈完成、定位已定；医学知识基座完成；LLM 接入原型可用；仿真引擎 v1 跑通；私有数据与伦理框架落地。

阶段 1–3 · 概括

阶段 1（半年 ~ 1 年）

骨龄 AI 深化：扩大私有数据规模，多中心回顾性验证，形成可审计性能报告；合作医院小范围试用
产品化：骨龄 AI + 评估/预测 + 仿真 + LLM 解读整合为可用产品
仿真引擎 v2：引入纵向数据（数百例），拟合 LMS / SITAR / 混合效应模型
LLM 场景扩展：报告解读、医生对话式查询、家长科普 + 安全护栏
路线兑现决策 + 学术背书（可选，1 篇预印本/论文）

阶段 2（1 ~ 3 年） / 阶段 3（3 ~ 5 年）

临床验证 / 注册：多中心前瞻性/回顾性验证；走临床路线则启动 NMPA 注册
模型扩展：干预情景模拟（生长激素、GnRHa、生活方式/营养），先文献拟合、标注不确定性
数据规模化：纵向数据数千至上万例，覆盖更多年龄与病种
商业探索：医院 SaaS / 家长订阅 / B 端授权，验证可复制付费方式
规模化与生态：多中心合作网络、适应症扩展（性早熟、肥胖专病）、数据飞轮、团队扩展与融资

03

辅助资源清单

贯穿全程

👨‍⚕️ 专业医生支持

骨龄专家（已找到）：金标准判读、标注标准、质控抽审
儿科内分泌/儿保医生 1–2 名（顾问费按小时/月度）
放射科医生 1 名（阅片标准、多人一致性标注）

🗂 数据与标注

公开数据集 RSNA 2017（已完成 v0）
私有骨龄数据：授权 + 标注 + 标准 + 质控（在谈）
纵向生长数据：医院合作（去标识化 + 伦理审批）
标准授权：GP / 中华-05 / TW3、WHO/中国生长标准

💬 LLM 相关

LLM API 与推理成本（按调用量，起步可控）
医疗内容审校与安全护栏（规则 + 人审，防幻觉/防越界诊断）

⚖️ 合规与法务

医疗器械注册咨询（临床路线：周期 1–2 年以上，费用量级显著）
伦理审查（IRB）、数据合规/隐私法务（PIPL、医疗数据管理）

⚙️ 技术与算力

GPU 算力（私有数据再训练，云 GPU 起步数千元/月）
纵向统计/建模人才（SITAR、LMS、混合效应经验）

🎓 学术与资金

科研合作与论文发表；竞品/市场调研
当前阶段支出：数据授权与标注、医生顾问、LLM 与算力、合规咨询（数万~数十万元）
注册路线启动后：注册、质量体系、多中心验证需单独立项融资

04

关键里程碑

T0 相对时间轴

时间	里程碑
现在	骨龄 AI v0（仓库外，公开数据，超市场均值）；引擎底座 + 绿黄红分流 + 成长报告演示已上线（静态部署）；骨龄专家到位；骨龄通道 mock 待接真实 API
T0+3 月	外部骨龄 API 真实接入（替换 mock）；私有数据授权 + 标注标准落地；医院访谈完成；医学知识基座完成；LLM 接入原型可用
T0+6 月	骨龄 AI v1（私有数据）达标 + 与专家一致性质控；仿真引擎 v1；定位已定
T0+12 月	多中心回顾性验证；产品化整合；路线兑现决策
T0+24 月	前瞻性验证完成 / 或产品化上线（视路线）
T0+36 月	注册申请获批 / 或商业模式验证
T0+60 月	规模化、数据飞轮、可持续运营

05

现实约束

不夸大的边界

⚠️ 「v0 超市场均值」来自公开数据，不等同于真实临床可用的泛化能力；真正的目标是私有、多来源数据上稳定达标并与骨龄专家判读一致，这一步才是难点。

⚠️ 骨龄 AI 提前 ≠ 注册提前：多中心验证、伦理、注册周期、质量体系仍是 3–5 年长杆。

⚠️ LLM 只承担解读/交互，核心诊断计算不交给 LLM（幻觉风险），必须配内容审校与安全护栏。

⚠️ 仿真输出是「带不确定性的预测区间」，不是精确预言；干预情景模拟早期只能定性参考。

⚠️ 若走家长/科普路线，必须守住「不做诊断性宣称」的监管红线。

⚠️ 关键路径依赖：私有数据授权落地 + 骨龄专家持续参与 + 定位及时收敛，任一缺失都会拖慢整体。