Was macht OncoIntel HOT — Echtzeit-Onkologie-Intelligenz-Dashboard?
Eine sofort einsetzbare Intelligenz-Website für die onkologische Pharmaindustrie. Sie bezieht Live-Daten von offiziellen öffentlichen APIs (keine API-Schlüssel) plus einen kleinen Backend-RSS-Fetcher und rendert einen AI-HOT-artigen Feed: Seitenleiste mit Navigation + Zeitleiste mit Karten (Quelle, Typ-Kennzeichnung, Wichtigkeitsscore, Lesezeichen, „Warum das wichtig ist“-Grund). Alles ist in Vanilla HTML/CSS/JS und Python-Standardbibliothek + feedparser geschrieben, sodass es unabhängig von Modell oder Agent gleich funktioniert.
Die wichtigste Regel: Niemals Daten erfinden
Dieses Tool existiert, weil handgeschriebene „Beispiel“-Intelligenz schlimmer als nutzlos ist – sie sieht echt aus und führt in die Irre. Jede Karte muss auf eine echte API-Antwort oder einen echten RSS-Eintrag zurückgehen. Wenn ein Signal abgeleitet statt gemessen wird (z. B. „hohe Aufmerksamkeit“ aus Phase/Größe der Studie), kennzeichne es in der UI als abgeleitet. Wenn eine Quelle nicht erreichbar ist, zeige einen ehrlichen Fehler – erfinde keine Platzhalter. Behalte dieses Prinzip bei Erweiterungen der Website.
Inhalt dieser Fertigkeit
app/
index.html # UI-Grundgerüst: Seitenleiste + Zeitleisten-Feed + Detail-Modal
styles.css # Hell-/Dunkel-Design, Zeitleiste, Karten
app.js # Frontend: 3 Live-APIs abrufen, normalisieren, filtern, rendern
fetch_news.py # Backend: Medien-/Konferenz-RSS abrufen -> data/news.json
data/news.json # Beispielausgabe von fetch_news.py (neu generieren für aktuelle Daten)
references/
extending.md # Wie man Quellen hinzufügt, die Taxonomie anpasst, das Backend cron-t
Schnellstart (bereitstellen + ausführen)
- Kopiere
app/dorthin, wo der Benutzer die Website haben möchte (nenne diesen OrdnerSITE/). - Starte einen HTTP-Server aus dem übergeordneten Verzeichnis (relative Pfade benötigen dies):
Öffnecd <übergeordnetes-Verzeichnis-von-SITE> python3 -m http.server 8769http://127.0.0.1:8769/SITE/. Die drei Live-APIs (openFDA, ClinicalTrials.gov, Europe PMC) laden sofort im Browser – kein Build-Schritt, keine Schlüssel. - Für den Bereich Branchennachrichten / Konferenzen erzeuge
data/news.json:Führe es erneut aus (oder cron-e es), um zu aktualisieren. Ohne diese Datei funktionieren die anderen drei Bereiche weiterhin; die Website zeigt einen ehrlichen Hinweis „Branchendynamik nicht generiert“.pip install feedparser cd SITE && python3 fetch_news.py
Wenn der Browser nach Änderungen eine veraltete Benutzeroberfläche anzeigt, liegt das am HTTP-Cache – hartes Aktualisieren (Cmd/Ctrl+Shift+R) hilft. Die Dateien index.html/app.js/styles.css können einen ?v=N-Parameter tragen, um den Cache zu umgehen.
Wie es aufgebaut ist (damit Sie Änderungen nachvollziehen können)
Frontend-Datenfluss (app.js): Vier Fetcher laufen parallel (fetchFDA, fetchTrials, fetchPapers, fetchNews), jeder normalisiert seine Quelle in ein gemeinsames Elementformat (type, date, title, source, detailUrl, company, cancer, modality, score, why, tags, ...). Rohdaten in Englisch werden mittels Schlüsselwort-Regex-Tabellen (CANCER_MAP, MODALITY_MAP, COMPANY_MAP) in eine chinesische Taxonomie gemappt. Die Seitenleiste wählt eine Ansicht; filteredItems() filtert + sortiert; renderItems() zeichnet die Zeitleiste.
Ansichten: Alle Dynamiken / Tägliches Briefing / Klinische Studien (geschichtet) / Hochrangige Publikationen / Arzneimittelzulassungen / Branchendynamik / Unternehmensdynamik / Lesezeichen. Lesezeichen und Design werden in localStorage gespeichert.
Klinische Studien sind geschichtet, nicht zusammengeworfen: normalizeTrial kennzeichnet jede Studie in Stufen – Ergebnisse/Statusaktualisierung (gerade veröffentlichte Ergebnisse oder Status->abgeschlossen/beendet), Neueintrag (neu registriert), Laufend (rekrutierend/aktiv), Hohe Aufmerksamkeit (aus Phase/Einschreibung/Sponsor abgeleitet). Die Ansicht zeigt Untertabs mit Live-Zahlen und einem farbigen „Was hat sich geändert“-Abzeichen pro Karte.
Nachrichten werden pro Ereignis entdupliziert (fetch_news.py -> cluster_duplicates): Wenn mehrere Quellen dieselbe Geschichte melden, werden sie zu einer Karte mit „🔁 N Quellen berichten“ zusammengefasst, und mehr Quellen = höherer Score (echtes Medien-Resonanz-Signal). Konferenznennungen (ASCO/ESMO/AACR/…) werden erkannt und mit einem Abzeichen versehen.
Datenquellen und die CORS-Realität
Browser können diese direkt aufrufen (öffentliches CORS, kein Schlüssel) – deshalb ist das Frontend autark:
| Bereich | Quelle | Endpunkt |
|---|---|---|
| Arzneimittelzulassungen / Beipackzettel | openFDA | api.fda.gov/drug/label.json |
| Klinische Studien | ClinicalTrials.gov v2 | clinicaltrials.gov/api/v2/studies |
| Hochrangige Publikationen | Europe PMC | ebi.ac.uk/europepmc/webservices/rest/search |
Dies sind gewöhnliche Webseiten ohne cross-origin API, daher kann eine statische Seite sie nicht abrufen – sie benötigen das Backend (fetch_news.py, erweiterbar) oder einen Proxy: EMA, NMPA/CDE, einzelne Unternehmenspresseseiten, Konferenz-Abstract-Seiten. Medien-RSS (FiercePharma, STAT, BioPharma Dive, ASCO Post, FDA Press) funktioniert über das Backend und deckt bereits die meisten Unternehmens- und Konferenznachrichten ab.
Erweiterung
Lies references/extending.md, wenn der Benutzer: eine Datenquelle hinzufügen (Frontend-API-Adapter oder Backend-RSS-Feed), die Krebs-/Unternehmens-/Medikamentenklassen-Taxonomie ändern, die Studienschichtung oder Nachrichten-Clusterung anpassen oder die Aktualisierung automatisieren möchte. Halte die beiden Kopien der Taxonomie-Maps (in app.js und fetch_news.py) synchron, wenn du sie bearbeitest.
Anpassung an andere Domänen
Die Architektur (parallele Fetcher -> gemeinsames Elementformat -> Schlüsselwort-Taxonomie -> Zeitleisten-UI mit Schichten/Entduplizierung) ist domänenunabhängig. Um sie umzuwidmen (z. B. Kardiologie oder eine nicht-medizinische Branche), ersetze die Fetcher und die Schlüsselwort-Maps, behalte aber das Elementformat, die UI und – vor allem – die Regel, niemals Daten zu erfinden.