中国大陆
Mirobody 微信小程序
在微信里随身携带你的健康数字分身：随手记录，自动统一标准，长期积累，随时回看。可连接华为运动健康，同步运动与健康数据。
微信扫码，或在微信中搜索「Mirobody」
Mirror Your Body in Data
同一套标准，汇聚每一个来源，映出完整的你——让长期记录成为理解健康走向的依据。这就是 Mirobody。
健康数据引擎
600,000 个原始名称，
1,000 项标准指标
Theta 背后的健康数据引擎：来自化验、可穿戴设备、病历和手动记录的每一条读数，都映射到同一套词表和单位——可比较、可计算、可追溯。
产品Theta
引擎Mirobody
模型Apodex
600,000+
原始指标名称
1,000+
标准指标
LOINC · ICPC-3 · UCUM
化验、临床与单位标准
实际效果
同一项指标，几十种叫法。
- LDL
- LDL-C
- Colesterol LDL
- LDL Chol
- ldlCholesterol
ldl_cholesterol
低密度脂蛋白胆固醇
单位 · 参考范围 · 换算规则
Apple Health · dailyTotalSleepTime
27,081,674 ms睡眠时长 451.36 min
化验报告 · 葡萄糖
6.1 mmol/L葡萄糖 110 mg/dL
低置信度的映射交给用户确认。
指标体系
一次定义，处处复用。
1,000+
指标目录
规范名称、单位、参考范围与换算规则只存一份，作为整个系统唯一的事实来源。
按疾病
疾病知识库
糖尿病、高血压、血脂异常、慢性肾病、心力衰竭、骨质疏松等：相关指标、预警、并发症与筛查。
可识别的健康数据类型
均为约数线性刻度。Apple Health ≈ 190 种 HealthKit 采样类型（120 种量化 + 70 种分类，iOS 26）；Google Health Connect ≈ 40 种记录类型，分布于 7 个类别。重点在数量级，而非小数点。
标准化
六个步骤，步步留痕。
-
01 · 自动
导入
化验、病历、可穿戴设备、基因数据，或对话中提到的数字。
-
02 · AI
映射
每条读数 → 标准名称、ID、单位、类别。
-
03 · 自动
单位
兼容单位自动换算：血糖 6.1 mmol/L = 110 mg/dL。
-
04 · 医生
审核
标注、合并重复项；校正名称、单位与参考范围。
-
05 · 用户
确认
不确定的匹配交给用户确认；之后导入时复用。
-
06 · 自动
溯源
每一条被引用的读数，都能追溯到它的原始报告。
质量关口漏判、误判、混淆都为零才能合并；智能体提议，由人决定。
你的 Mirobody 放在哪里
同一份记录，放在你选择的地方。
标准化记录 · 说明示例
| std_id | 规范名称 | 单位 | 系统 | 类型 |
|---|---|---|---|---|
| ldl_cholesterol | 低密度脂蛋白胆固醇 | mg/dL | 血脂 | 化验 |
| hemoglobin_a1c | 糖化血红蛋白 | % | 血糖 | 化验 |
| resting_heart_rate | 静息心率 | bpm | 心血管 | 生活方式 |
| respiratory_rate | 呼吸频率 | 次/分 | 呼吸 | 生活方式 |
| sleep_efficiency | 睡眠效率 | % | 生活方式 | 生活方式 |
| phenotypic_age | 表型年龄 | 年 | 衍生 | 衍生 |
人体深数据
把足够多的数据、标准化足够久，一样新东西便会浮现：一份关于同一个人体的、完整而连续的记述。我们称之为你的 Mirobody。
它相当于一家公司的财务报表——不是某一次就诊的快照，而是一份足够深、可供推理、并终将可用于预测的纵向账本。这是一份持有越久、复利越厚的资产。
记录深度 · 随时间累积
一个身体，正累积成它自身的模型。
首次导入多年的记录
高阶指标
单次读数看不到的东西。
Mirobody 基于标准化记录计算这些指标，呈现任何单次测量都无法单独呈现的规律。
-
身体年龄
岁由 9 项常规化验加实际年龄推算的生物学年龄。
-
心脏年龄
岁把 10 年心脏风险换算成一个年龄。
-
身体成分
体脂、腰围、瘦体重。
-
心肺适能
VO₂max 在同年龄、同性别人群中的百分位。
-
睡眠评分
时长、夜间清醒、入睡、HRV、静息心率；0–100。
-
压力评分
由 HRV 读出的自主神经负荷；0–100。
-
骨折风险
%5 年与 10 年骨折风险，面向老年人。
-
临床
指南10 年心血管风险（医生端）、eGFR。
这些高阶指标可在 Theta ↗ 中使用。Theta 的 App 与 Web 通过内部闭源 Mirobody 能力，提供开源版之外的高阶指标和更广的标准化覆盖。
高阶模型 · 自研
年龄、疾病与死亡预测。
12 层 Transformer 编码器，约 8,700 万参数。可接收约 800 项化验与检查项目，数量和顺序不限；输出生物学年龄、5 年 / 10 年死亡风险、29 种疾病的当前风险，以及 28 种疾病的 10 年发病风险。
生物学年龄 · 健康成人中的 MAE
我们的模型 PhenoAge 年
A 组
B 组
C 组
同一批健康人群：误差显著低于 PhenoAge、GOLD BioAge 和 Bortz BAA。个体误差仍不可忽视，宜看趋势。
疾病与死亡 · 区分度
我们的模型 仅年龄 + 性别 AUC
死亡 · 10 年
我们的模型 0.935 / 仅年龄 + 性别 0.876
糖尿病 · 当前
我们的模型 0.943 / 仅年龄 + 性别 0.654
糖尿病 · 10 年
我们的模型 0.901 / 仅年龄 + 性别 0.633
死亡 · 仅血常规
我们的模型 0.901 / 仅年龄 + 性别 0.872
独立测试集，只评估一次；AUC 0.5 即随机水平。
不猜测：列出缺失的输入，从不编造数字；用于健康指导，不作诊断。