Communitygithub.com

OncoIntel HOT — tableau de bord oncologique en temps réel

Tableau de bord agrégé d'intelligence en temps réel pour l'industrie pharmaceutique oncologique. Empaqueté en skill Agent portable. Données en direct depuis openFDA + ClinicalTrials.gov + Europe PMC + flux RSS médias / conférences.

Qu'est-ce que OncoIntel HOT — tableau de bord oncologique en temps réel ?

OncoIntel HOT est un site d'intelligence dédié à l'industrie des médicaments oncologiques, conçu comme une compétence autonome pour agents d'IA (comme Claude Code ou Cursor). Il interroge en direct trois APIs publiques officielles (openFDA, ClinicalTrials.gov, Europe PMC) sans nécessiter de clé API, et intègre également un backend RSS pour collecter des actualités médiatiques et de conférences (FiercePharma, STAT, ASCO, etc.). Le tout s'exécute en HTML/CSS/JS pur et Python standard, sans dépendances lourdes ni build. L'interface présente un flux temporel de cartes enrichies d'un badge de type (essai clinique, approbation, article), d'un score d'importance, d'une raison contextuelle « pourquoi c'est important », et d'un système de bookmarks persistants en localStorage. La règle cardinale est de ne jamais fabriquer de données : chaque carte doit être tracée à une réponse API réelle ou un élément RSS, et toute inférence est clairement étiquetée dans l'interface. L'architecture est conçue pour être facilement étendue à d'autres domaines (cardiologie, etc.) en remplaçant les adaptateurs de données et les taxonomies de mots-clés.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add Athena010/oncointel-hot

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

OncoIntel HOT — tableau de bord oncologique en temps réel (données réelles)

Site d'intelligence clé en main pour l'industrie des médicaments oncologiques. Il récupère des données en direct depuis des APIs publiques officielles (sans clé API) ainsi qu'un petit backend RSS, et les affiche sous forme de flux de type AI-HOT : navigation latérale + frise chronologique de cartes (source, badge de type, score d'importance, signet, raison « pourquoi c'est important »). Le tout en HTML/CSS/JS et Python (stdlib + feedparser), donc il fonctionne identiquement quel que soit le modèle ou l'agent qui le pilote.

La règle primordiale : ne jamais fabriquer de données

Cet outil existe parce que des « échantillons » d'intelligence rédigés à la main sont pires qu'inutiles — ils semblent réels et induisent en erreur. Chaque carte doit remonter à une réponse API réelle ou à un élément RSS réel. Lorsqu'un signal est inféré plutôt que mesuré (p. ex. « attention élevée » déduit de la phase/taille de l'essai), il faut l'étiqueter comme inféré dans l'interface. Si une source est inaccessible, affichez une erreur honnête — n'inventez pas d'entrées factices. Gardez ce principe lorsque vous étendez le site.

Contenu de cette compétence

app/
  index.html      # Interface utilisateur : barre latérale + flux temporel + modale de détail
  styles.css      # Thème clair/sombre, frise, cartes
  app.js          # Front-end : interroge 3 APIs en direct, normalise, filtre, affiche
  fetch_news.py   # Backend : récupère les flux RSS médias/conférences -> data/news.json
  data/news.json  # Exemple de sortie de fetch_news.py (à regénérer pour des données fraîches)
references/
  extending.md    # Comment ajouter des sources, ajuster la taxonomie, planifier le backend

Démarrage rapide (déploiement + exécution)

  1. Copiez app/ à l'endroit souhaité pour le site (appelez ce dossier SITE/).
  2. Servez-le via HTTP depuis le répertoire parent (les chemins relatifs en ont besoin) :
    cd <parent-de-SITE>
    python3 -m http.server 8769
    
    Ouvrez http://127.0.0.1:8769/SITE/. Les trois APIs en direct (openFDA, ClinicalTrials.gov, Europe PMC) se chargent immédiatement dans le navigateur — sans build, sans clé.
  3. Pour la section actualités du secteur / conférences, générez data/news.json :
    pip install feedparser
    cd SITE && python3 fetch_news.py
    
    Relancez-le (ou cronnez-le) pour rafraîchir. Sans ce fichier, les trois autres sections fonctionnent toujours ; le site affiche une note honnête « 行业动态未生成 » (Données d'actualité non générées).

Si le navigateur affiche une UI obsolète après des modifications, il s'agit probablement d'un cache HTTP — faites un rafraîchissement forcé (Cmd/Ctrl+Shift+R). Les fichiers index.html/app.js/styles.css peuvent porter un ?v=N pour contourner le cache.

Architecture (pour comprendre et modifier)

Flux de données front-end (app.js) : quatre récupérateurs s'exécutent en parallèle (fetchFDA, fetchTrials, fetchPapers, fetchNews), chacun normalise sa source en une structure d'objet commune (type, date, title, source, detailUrl, company, cancer, modality, score, why, tags, ...). Les données brutes en anglais sont mappées dans une taxonomie chinoise via des tables de regex de mots-clés (CANCER_MAP, MODALITY_MAP, COMPANY_MAP). La barre latérale sélectionne une vue ; filteredItems() filtre + trie ; renderItems() dessine la frise.

Vues : Tous / Bref quotidien / Essais cliniques (avec sous-onglets) / Articles à fort impact / Médicaments approuvés / Actualités du secteur / Actualités des entreprises / Favoris. Les signets et le thème sont persistés dans localStorage.

Les essais cliniques sont présentés en couches, pas en vrac : normalizeTrial attribue à chaque étude un niveau — Résultats/Mise à jour (résultats récemment publiés ou statut → terminé/arrêté), Nouveau projet (nouvellement enregistré), En cours (recrutement/actif), Haute attention (inféré d'après la phase/le nombre de participants/le promoteur). La vue affiche des sous-onglets avec des compteurs en direct et un badge coloré « ce qui a changé » par carte.

Les actualités sont dédoublonnées par événement (fetch_news.py → cluster_duplicates) : lorsque plusieurs sources rapportent la même histoire, elles sont regroupées en une seule carte marquée « 🔁 N médias en parlent », et plus il y a de sources, plus le score est élevé (signal réel de réponse médiatique). Les mentions de conférences (ASCO/ESMO/AACR/…) sont détectées et étiquetées.

Sources de données et réalité du CORS

Les navigateurs peuvent appeler ces APIs directement (CORS public, sans clé) — c'est pourquoi le front-end est autonome :

SectionSourceEndpoint
Approbations / notices de médicamentsopenFDAapi.fda.gov/drug/label.json
Essais cliniquesClinicalTrials.gov v2clinicaltrials.gov/api/v2/studies
Articles à fort impactEurope PMCebi.ac.uk/europepmc/webservices/rest/search

Ce sont de simples pages web sans API cross-origin, donc une page statique ne peut pas les récupérer — elles nécessitent le backend (fetch_news.py, extensible) ou un proxy : EMA, NMPA/CDE, pages de communication d'entreprises individuelles, sites de résumés de conférences. Les flux RSS médias (FiercePharma, STAT, BioPharma Dive, ASCO Post, FDA press) fonctionnent depuis le backend et couvrent déjà la plupart des actualités d'entreprises et de conférences.

Extension

Lisez references/extending.md lorsque l'utilisateur souhaite : ajouter une source de données (adaptateur API front-end ou flux RSS backend), modifier la taxonomie des cancers/entreprises/classes de médicaments, ajuster le niveau des essais ou le clustering des actualités, ou automatiser le rafraîchissement. Maintenez les deux copies des tables de taxonomie (dans app.js et fetch_news.py) synchronisées lorsque vous les modifiez.

Adaptation à un autre domaine

L'architecture (récupérateurs parallèles → structure d'objet commune → taxonomie par mots-clés → interface temporelle avec niveaux/dédoublonnage) est indépendante du domaine. Pour la réorienter (p. ex. cardiologie, ou un secteur non médical), remplacez les récupérateurs et les tables de mots-clés mais conservez la structure des objets, l'interface et — surtout — la règle de ne jamais fabriquer de données.

Skills associés