这个 Skill 提供了哪些能力
点开任一能力,看清怎么用
每个能力展开后是三件事:它会给你什么、你需要准备什么、哪些必须由你把关。
常见场景:需要批量检索 PubMed、ClinicalTrials.gov、变异数据库等多源生物医学信息;需要按 ACMG 证据代码快速生成变异分类草稿;需要根据患者摘要初筛和排序候选临床试验;需要为慢病、康复或围手术期生成 LaTeX 治疗计划模板
帮你给基因变异定级:输入证据代码,它按国际通行的 ACMG 规则算出变异属于致病、可能致病、意义不明、可能良性还是良性,可选生成临床报告草稿。
它会给你什么
- 变异分级结论。
- 致病方向的打分。
- 良性方向的打分。
你需要准备
- 证据代码,例如 PVS1,PM2。
- 可选:变异名称。
- 可选:是否生成报告草稿的开关。
由你把关
- 证据代码是否由合格人员或可靠数据库给出。
- 是否接受简化打分草稿。
- 最终分级是否需要遗传专家复核。
帮你用一个入口查所有生物医学数据:文献、临床试验、基因、疾病、药物和变异,AI 助手通过统一接口取数,不用逐个学每个数据库的用法。
它会给你什么
- 文献、试验、变异、基因、疾病和药物的候选列表。
- 单条结果的详情。
- 检索规则的解释。
你需要准备
- 自然语言问题,或按领域结构化检索。
- 检索领域:文献、试验、变异、基因、药物、疾病等。
- 过滤条件:基因、变异、疾病、试验阶段、状态、作者、日期等。
由你把关
- 是否允许部署外部医学数据库服务。
- 能否接受外部接口的隐私、权限和审计要求。
- 是否需要按本机规则把服务改成常驻后台运行。
帮患者找合适的临床试验(TrialGPT):给患者情况摘要和条件关键词,它返回候选试验、逐条入排标准的判断和相关度打分,供医生做入组评估时参考。
它会给你什么
- 候选试验编号和排序。
- 每条入组、排除标准的逐条判断。
- 试验整体的相关度和适配打分。
你需要准备
- 患者情况摘要,结构化表格或自由文本。
- 过滤条件:疾病、诊断标志物、地理位置、试验阶段、干预措施等。
- 临床试验数据库的数据或已检索的试验集合。
由你把关
- 患者信息是否允许发给外部模型。
- 试验数据是否用的是最新版本。
- 打分结果是否由医生或试验协调员复核。
帮你给医学影像做初步筛查:把影像和临床问题交给视觉模型,返回影像发现、严重程度、置信度和建议,形成报告草稿。
它会给你什么
- 影像发现清单。
- 严重程度判断。
- 置信度和建议。
你需要准备
- 影像文件路径,支持 JPG 或 PNG。
- 临床问题,或“生成报告”指令。
- 模型选择,默认 Gemini,可选 GPT-4o。
由你把关
- 是否允许上传或处理真实医学影像。
- 影像是否已经去除患者身份信息。
- 报告草稿是否由合格医师复核。
帮你把大规模医疗技能集合装进本地:登记插件清单,提供复制、挂载、按需下载和基础校验的路径,装之前先看清有什么问题。
它会给你什么
- 可安装的技能路径清单。
- 基础校验结果。
- 命名不合规、说明文件缺失和授权疑点的提示。
你需要准备
- GitHub 仓库快照。
- 插件清单文件里的插件编号、版本、描述和技能路径列表。
- 每个技能目录的说明文件。
由你把关
- 是否允许把上游技能目录复制到本地长期技能库。
- README 标注的开源许可与文件头版权声明有冲突,是否接受。
- 是否需要全量扫描所有 869 个技能的说明、依赖和安全边界。
帮你起草治疗计划:给临床场景和计划类型,它生成规范的文档模板、结构化草稿和质量校验反馈,再由医生审定。
它会给你什么
- 治疗计划文档模板。
- 编译后的 PDF。
- 质量校验分数和缺失项提示。
你需要准备
- 治疗计划的类型。
- 去除身份信息后的患者资料。
- 诊断、目标、干预、监测参数、随访计划和风险控制。
由你把关
- 临床目标是否适合该患者。
- 干预和药物剂量是否符合指南。
- 身份去标识化和隐私检查是否完成。
第一次这样开始
把仓库地址直接交给 AI
先让 AI 说明环境和风险,再完成最小安装验证。开始前想清楚要用哪个能力、把对应材料备在手边——每张能力卡展开后有具体清单。
第一次直接复制
帮我安装这个库:https://github.com/FreedomIntelligence/OpenClaw-Medical-Skills 安装前先告诉我需要什么环境,安装后帮我跑通一个最小示例。 请先说明许可证和安装风险,等我确认后再安装。
别这样用
这些判断,仍然由你负责
- 忽略根许可证缺失和文件头 proprietary 声明之间的冲突,直接大规模安装使用
- 将简化 ACMG 打分脚本的结果当作正式临床遗传诊断报告
- 让模型在信息不足时做推断——临床试验匹配中缺少关键患者数据时应显式标注而非让模型补全
- 把医学影像 VLM 的 mock 示例或 confidence 值当作影像诊断结论
技术依据
查看能力拆解、验证范围与来源
技术依据
查看能力拆解、验证范围与来源
处理机制
- 01
大规模技能包清单与授权边界
解释 OpenClaw Medical Skills 如何把 869 个医疗和生物医学 skill 聚合为一个插件包,以及清单、校验、外部依赖和授权冲突如何共同决定可迁移边界。
已核对范围
- 只读上游快照 本地只读快照
- skills/variant-interpretation-acmg/SKILL.md
- skills/variant-interpretation-acmg/README.md
- skills/variant-interpretation-acmg/acmgclassifier.py
- skills/biomcp-server/SKILL.md
- skills/biomcp-server/README.md
- skills/biomcp-server/biomcpserver.py
- skills/biomcp-server/repo/README.md
仍待核对
- 未执行 acmgclassifier.py
- 未接入 ClinVar、gnomAD、AlphaMissense、REVEL、CADD、SpliceAI 或 PubMed
- 未核对 ACMG/AMP 真实组合规则
- 未生成或复核临床遗传报告
- 未启动真实 BioMCP server
- 未发起 PubMed、ClinicalTrials.gov、NCI CTS、MyVariant、OpenFDA 或 OncoKB 请求
- 未验证 API key、限流、缓存和网络失败恢复
- 未验证 MCP 客户端连接和工具 schema
读取版本
source-reviewed许可
MIT
最近核对
内容 2026-06-16
Stars 2026-07-11
相关文章
具备相关能力的其他库
相关课程
把单项工具放进完整研究设计流程
课程一从研究问题、文献判断、理论假设和方法骨架继续推进,帮助你建立可以复用的研究设计档案。