跳转到主要内容
健康数据到达时是杂乱的 —— “血糖(空腹)”、“FBG”、“Glucose, fasting” 是同一项检测的三副面孔，单位同样五花八门。Mirobody 数据面会对每次写入做标准化，让智能体（以及你的查询）看到一份连贯、带编码的数据集。本页解释这条管线；你从不直接调用它 —— 它运行在 POST /v1/data、POST /v1/files 与 POST /v1/extract 内部。

​
管线

文档 / 记录
   │
   ├─ 1. OCR 与文本提取            PDF / 图片 → 文本；Excel → 结构化行
   │
   ├─ 2. LLM 读数抽取              schema 约束：{indicator, value, unit, measured_at}
   │                               （仅文档需要 —— 结构化的 /v1/data 记录跳过此步）
   ├─ 3. LOINC 解析                确定性的名称 → 编码：curated 语料 + embedding 检索。
   │                               绝不让 LLM 猜码 —— 没有高置信匹配就 loinc_code = null，
   │                               而不是一个错码。
   ├─ 4. UCUM 单位归一             "mg/dl" → mg/dL，值解析为数字
   │
   └─ 5. FHIR 镜像                 每条读数一个 FHIR R4 Observation（fhir_resource_id）
关键设计在第 3 步：编码是确定性解析出来的，不是生成出来的。 自由文本指标名通过 embedding 检索匹配到一份 curated LOINC 语料，并设置置信阈值。LLM 擅长读文档（第 2 步），却不擅长背编码体系 —— 一个幻觉出来的 LOINC 码比没有更糟，所以低置信匹配返回 null 并保留原始名称。

​
Before / after

你发送的（或化验 PDF 上写的） vs. 存储里保存的：
Before（原样）After（标准化后）
指标"血糖(空腹)" / "FBG" / "Glucose, fasting"loinc_code: "1558-6"，canonical_name: "Fasting glucose [Moles/volume] in Serum or Plasma"
值"5.4 mmol/L"（一个字符串）parsed_value: 5.4，parsed_unit: "mmol/L"（UCUM）
单位写法"mg/dl"、"MG/DL"、"mg/dL""mg/dL"（统一 UCUM 形式）
互操作自由文本FHIR R4 Observation（fhir_resource_id）
原文—保留：value 仍是人读字符串；原始名称/单位不丢
同一项检测的三种写法归成一条序列 —— 趋势查询、智能体的数据工具与你自己的分析都把它当作同一个指标。

​
你在哪里看到它

接口呈现
POST /v1/data响应在 ingested 之外还统计 standardized。
GET /v1/data每行携带 parsed_value / parsed_unit / loinc_code / canonical_name / fhir_resource_id。
POST /v1/extract整条管线的同步调用形态 —— 默认 dry-run，可先审阅标准化结果再决定写入。
智能体grounded 回答查询的是标准化后的序列 —— 所以”我的血糖怎么样”能找到写成 “FBG” 的记录。

​
Cookbook：一次调用，报告 → 结构化数据

# 先审阅（什么都不持久化）……
curl https://test-mirobody-api.thetahealth.ai/v1/extract \
  -H "Authorization: Bearer $MIROBODY_API_KEY" \
  -F "user=alice" -F "file=@lab_report.pdf"

# ……再提交同一份抽取
curl https://test-mirobody-api.thetahealth.ai/v1/extract \
  -H "Authorization: Bearer $MIROBODY_API_KEY" \
  -F "user=alice" -F "file=@lab_report.pdf" \
  -F "store=true" -F "retention=permanent"
完整行形状（indicator_raw、loinc_code、confidence 等）见抽取。