RAGCare - Privacy-First Medical AI Assistant

Ein lokal lauffähiger, datenschutzfreundlicher "Online-Arzt", der Patientenanfragen mit Retrieval-Augmented Generation (RAG) analysiert und relevante medizinische Informationen bereitstellt.

🎯 Features

• 🔒 Privacy-First: Alle Daten werden lokal verarbeitet (DSGVO-konform)
• 📁 Patientenakten-Management: Upload und Analyse von PDF, TXT, DOCX, Markdown
• 💬 Intelligenter Chat: RAG-basierte Antworten mit Quellenangaben
• 🌐 Hybrid-Modus: Lokale Verarbeitung + optionale externe APIs
• ⚙️ Benutzerfreundliche Konfiguration: Vollständig über Browser steuerbar
• 🚀 Einfaches Deployment: Docker Compose für lokalen Betrieb

🏗️ Architektur

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   React Frontend │◄──►│  FastAPI Backend │◄──►│   ChromaDB      │
│   (Port 3000)   │    │   (Port 8000)   │    │ Vector Database │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                               │
                               ▼
                     ┌─────────────────┐
                     │ External APIs   │
                     │ (Symptoma, WHO) │
                     └─────────────────┘

🚀 Schnellstart

Voraussetzungen

• Docker & Docker Compose
• Node.js 18+ (für lokale Frontend-Entwicklung)
• Python 3.9+ (für lokale Backend-Entwicklung)

Installation

1. Repository klonen

git clone <repository-url>
cd MedGPT-RAG

2. Umgebungsvariablen konfigurieren

cp config/.env.example config/.env
# Bearbeite config/.env mit deinen API-Keys

3. System starten

docker-compose up -d

4. Browser öffnen

• Frontend: http://localhost:3000
• API Dokumentation: http://localhost:8000/docs

📖 Verwendung

1. Patientenakte hochladen

• Navigiere zu "Dokumente verwalten"
• Lade PDF, TXT, DOCX oder Markdown-Dateien hoch
• System analysiert automatisch den Inhalt

2. Medizinische Fragen stellen

• Öffne den Chat-Bereich
• Stelle Fragen wie: "Ich habe Fieber und war kürzlich in Indien"
• Erhalte Antworten mit Quellenangaben aus deiner Akte

3. Konfiguration anpassen

• Wähle zwischen lokalen Modellen und Cloud-APIs
• Aktiviere/Deaktiviere externe Quellen
• Stelle Datenschutz-Level ein

🛠️ Entwicklung

Backend entwickeln

cd backend
python -m venv venv
source venv/bin/activate  # Linux/Mac
pip install -r requirements.txt
uvicorn api.main:app --reload --host 0.0.0.0 --port 8000

Frontend entwickeln

cd frontend
npm install
npm start

Tests ausführen

# Backend Tests
cd backend && python -m pytest

# Frontend Tests
cd frontend && npm test

📁 Projektstruktur

MedGPT-RAG/
├── backend/                 # FastAPI Backend
│   ├── api/                # API Endpoints
│   ├── core/               # Core Business Logic
│   ├── services/           # External Services
│   ├── models/             # Pydantic Models
│   └── utils/              # Utilities
├── frontend/               # React Frontend
│   └── src/
│       ├── components/     # React Components
│       ├── pages/          # Page Components
│       ├── hooks/          # Custom Hooks
│       └── utils/          # Frontend Utilities
├── config/                 # Configuration Files
├── data/                   # Data Storage
│   ├── uploads/            # Uploaded Documents
│   └── vectordb/           # Vector Database
├── docs/                   # Documentation
└── tests/                  # Test Files

Hinweis zu data/:
Der Ordner data/ enthält im Repository ausschließlich Platzhalterdateien (.gitkeep).
Hochgeladene Dokumente, Vektordatenbanken und lokale Datenbanken werden nicht versioniert
und verbleiben ausschließlich auf dem lokalen System.

🔧 Konfiguration

Umgebungsvariablen (config/.env)

# Basis-Konfiguration
API_HOST=0.0.0.0
API_PORT=8000
FRONTEND_PORT=3000

# Datenschutz-Modus
PRIVACY_MODE=true  # true = nur lokal, false = mit externen APIs

# AI-Modell Konfiguration
OPENAI_API_KEY=your_openai_key_here
ANTHROPIC_API_KEY=your_anthropic_key_here
DEFAULT_MODEL=gpt-4

# Vector Database
CHROMA_PERSIST_DIRECTORY=./data/vectordb

# Externe APIs
SYMPTOMA_API_KEY=your_symptoma_key
WHO_API_ENDPOINT=https://api.who.int

🔒 Datenschutz & Sicherheit

• Lokale Verarbeitung: Alle sensiblen Daten bleiben auf deinem System
• DSGVO-Konform: Keine ungewollte Datenübertragung
• Verschlüsselung: Lokale Datenbank-Verschlüsselung verfügbar
• Audit-Log: Vollständige Nachverfolgung aller Operationen

🤝 Mitwirken

1. Fork das Repository
2. Erstelle einen Feature-Branch (git checkout -b feature/AmazingFeature)
3. Committe deine Änderungen (git commit -m 'Add some AmazingFeature')
4. Push zum Branch (git push origin feature/AmazingFeature)
5. Öffne eine Pull Request

📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert - siehe LICENSE für Details.

⚠️ Haftungsausschluss

Dieses System dient nur zu Informationszwecken und ersetzt keine professionelle medizinische Beratung, Diagnose oder Behandlung. Konsultiere immer einen qualifizierten Arzt für medizinische Fragen.

🙏 Danksagungen

• FastAPI für das Backend-Framework
• ChromaDB für die Vektor-Datenbank
• LangChain für RAG-Implementierung
• React für das Frontend-Framework