Aperivue/medsci-skills

Agent Skills for medical research — literature search, reporting-guideline & citation checks, statistics, publication figures, submission. Works with Claude Code, Codex, Cursor & GitHub Copilot. Built by a physician-researcher, tested on real publications. MIT.

MedSci Skills – 它是什么

MedSci Skills 是一个开源的 Agent Skills 集合，让代码编写助手（Claude Code、GitHub Copilot、Cursor、Codex 等）能够驱动临床研究项目的整个生命周期——从寻找文献到撰写论文，以及在相关时构建可重现的医学 AI 模型。

该存储库提供了 59 个即用型“技能”（小型、独立的脚本），可以安装到 AI 编码代理中。每个技能执行一个特定且定义明确的步骤——例如 search-lit、clean-data、analyze-stats、check-reporting、verify-refs、make-figures、write-paper 或 scaffold-model。这些技能分为九个插件类别（文献、数据、建模、分析、写作、审查、提交、项目、演示），因此用户只需安装他们需要的部分。

为什么它很重要

合规优先 – 每个输出都会通过确定性的“完整性网关”，对照 49 项报告指南（STARD、PRISMA、STROBE、CLAIM、TRIPOD-AI 等）和引用完整性工具进行检查。这使得生成的论文和模型代码适合进行投稿级别的生物医学研究。
模型工程通道 – 从 5.0 版本开始，该工具包可以构建完整的 PyTorch 训练存储库（使用 MONAI、nnU-Net、timm、torchvision），强制执行防泄漏的数据分割，生成模型卡，并运行冒烟测试前向传递。它不是诊断 AI；它仅协助研究人员构建和审计可重现的 AI 模型。
以代理为中心 – 这些技能设计为直接从 AI 编码助手调用（/orchestrate、/analyze-stats、/medsci-analysis:analyze-stats 等）。无论您是通过 npx medsci-skills、GitHub CLI (gh skill) 还是 Claude Code 插件市场安装，相同的代码都能运作。
端到端演示 – 该存储库包含五个完整的流程（诊断准确性、荟萃分析、流行病学、CNN 分割、3-D 外部验证），可产生论文、图表、合规检查清单，以及针对 AI 通道的训练日志和外部验证报告。

核心组件

组件	功能	技能示例
文献与探索	搜索 PubMed/Europe PMC，提取全文，与 Zotero 同步，审计参考文献。	`medsci-literature:search-lit`
数据准备	设计研究方案，计算样本量，去标识化 PHI，清理 CSV/Parquet，构建代码簿。	`clean-data`
统计分析	运行 R/Python 统计，创建森林图/ROC 图，产生可重现的笔记本。	`analyze-stats`
论文撰写	生成 IMRaD 章节，移除 AI 生成的模式，格式化引用。	`write-paper`
合规与审查	对照 EQUATOR 指南进行检查，运行自我审查评分，标记缺失项目。	`check-reporting`, `self-review`
模型工程	选择基于论文的架构，构建 PyTorch 存储库，运行泄漏检查，产生模型卡/数据表。	`scaffold-model`, `profile-imaging`
提交封装	打包论文、图表、检查清单，填写 ICMJE/IRB 表格，建议期刊。	`sync-submission`, `find-journal`
演示	渲染 PPTX/PDF，发布技能包。	`present-paper`

典型用户工作流程

论文提交前审计 – 在接近定稿的草稿上运行 /self-review → /check-reporting → /verify-refs → /sync-submission，以获取审稿人风格的评论列表和合规检查清单。
数据到论文 – 从清理后的数据集开始，调用 /clean-data → /analyze-stats → /make-figures → /write-paper → /check-reporting → /find-journal 以获得分析代码、可发表的图表、论文草稿和合适的期刊列表。
系统性回顾 / 荟萃分析 – 串联 /search-lit → /meta-analysis → /make-figures → /check-reporting 以产生 PRISMA 方案、提取表、汇总估计值和论文草稿。
医学 AI 模型研究 – 使用模型工程通道：/choose-arch → /scaffold-model → /run-training → /profile-imaging → /evaluate → /check-reporting 以获得可重现的训练存储库、验证指标和符合 CLAIM 的审计报告。

安装选项（快速）

一行指令 (无 git): npx medsci-skills install [--enable-update-notify]
GitHub CLI (技能预览与选择性安装): gh skill install Aperivue/medsci-skills check-reporting
Claude Code 插件市场: /plugin marketplace add Aperivue/medsci-skills
课堂 ZIP 安装程序 适用于偏好双击 GUI 的用户。

谁开发的？

由韩国蔚山大学（首尔）放射科医师兼研究员 Yoojin Nam, MD 创建并维护。该项目采用 MIT 授权，发布于 npm (medsci-skills)，并拥有 DOI (Zenodo) 和 arXiv 预印本 (arXiv:2606.09500)。

总结： MedSci Skills 是一个真正的开源软件套件，使 AI 编码助手能够自动化临床 AI 的研究方面——从文献回顾到合规的论文生成和可重现的模型工程。它正处于生物医学研究 AI/ML 的前沿。