Aperivue/medsci-skills · 上手攻略
- 仓库：Aperivue/medsci-skills
- 链接：https://github.com/Aperivue/medsci-skills
- 分类：academic-writing / skill
- 作者：Jay
- 更新：2026-08-14
是什么
MedSci Skills 是面向临床研究与医学人工智能的开源 Agent Skills 合集（MIT 许可证），由韩国首尔峨山医疗中心放射科医生兼研究员 Yoojin Nam, MD 构建，在真实出版物上测试通过。截至 v5.0 版本共包含 59 项技能，覆盖从文献检索、统计图表、报告指南合规审查到 AI 模型工程的全链路。
它并非通用 AI 科学家平台，而是专注于临床提交可靠性的工具：49 条报告指南（如 STARD、PRISMA、STROBE、CLAIM/TRIPOD+AI）和风险偏倚工具作为确定性合规门；参考文献/引文验证；数字一致性检查；同行评审前的完整性拦截。v5.0 还新增了模型工程通道，支持搭建可复现、防数据泄漏的 PyTorch 训练仓库，集成 MONAI / nnU-Net / timm / torchvision。
解决什么问题
医学研究者（尤其临床医生）在撰写论文时面临三重痛点： - 合规风险：投稿前不清楚论文是否符合 STARD/PRISMA 等报告规范，往往到审稿阶段才被指出问题 - 引文完整性：AI 辅助写作后，参考文献可能出现幻觉（引用不存在的文献或错误信息），无工具自查 - 端到端工程壁垒：医学影像 AI 模型训练需要可复现的代码脚手架，但临床医生不具备工程团队
MedSci Skills 的核心价值在于将这三条路径工具化、确定性化：合规检查是门（gate），引文验证是门，模型验证也是门——输出必须通过门才能进入下一步，而不是靠人工抽查。
快速安装
方式一：npx 一键（最快，推荐）
npx medsci-skills install
推荐加 --enable-update-notify，使 Claude Code 收到新版本发布通知：
npx medsci-skills install --enable-update-notify
方式二：GitHub CLI（无需 clone）
需 GitHub CLI ≥ 2.90：
# 搜索
gh skill search medsci
# 预览单个技能
gh skill preview Aperivue/medsci-skills check-reporting
# 安装全部
gh skill install --all Aperivue/medsci-skills
# 安装单个技能
gh skill install Aperivue/medsci-skills check-reporting
方式三：Git clone
git clone https://github.com/Aperivue/medsci-skills.git
mkdir -p ~/.claude/skills
cp -r medsci-skills/skills/* ~/.claude/skills/
安装后重启 AI 编码代理（Claude Code / Codex / Cursor / GitHub Copilot），输入 /orchestrate 即可启动交互——它会自动分类请求并路由到对应技能。
无终端用户（课堂安装包）
从 Releases 下载 ZIP，解压后双击安装程序，重启代理 app 即可。
核心用法
工作流 A — 稿件提交前审核（最常用）
适用场景：稿件即将完成，希望审稿人看到之前自行检查一遍。
/self-review → /check-reporting → /verify-refs → /sync-submission
输入：稿件（.md/.docx）+ refs.bib + 图表文件 输出：模拟审稿人评论、逐项报告指南合规率、引文完整性报告、提交包漂移检查
工作流 B — 数据到手稿包
适用场景：已有清洗好的数据集，需要生成完整分析草稿。
/clean-data → /analyze-stats → /make-figures → /write-paper → /check-reporting → /find-journal
输入：CSV/Parquet 数据文件 + 研究问题 输出：可复现的分析代码、可出版数据、IMRaD 草稿、报告清单、期刊候选列表
⚠️ 注意：统计数字和结论必须根据你的实际数据验证，工具包不会捏造数字或参考文献。
工作流 C — 系统综述 / 荟萃分析
适用场景：正在执行 SR/MA 项目。
/meta-analysis（内联调用 /search-lit、/make-figures、/check-reporting）
输入：研究问题 + 搜索策略 输出：PROSPERO 风格协议脚手架、筛选/提取结构、PRISMA 流程计数和图表、汇总估计数据、手稿
⚠️ 注意：筛选和提取决策由人工审核团队负责，工具不替代人工判断。
模型工程通道（v5.0 新增）
/profile-imaging → /model-sourcing → /preprocess-imaging → /model-validation
→ /model-training → /model-evaluation → /make-figures → /write-paper
内置默认模型可做前向传递冒烟测试；生产级模型集成 MONAI / nnU-Net / timm / torchvision。示例 Demo 4（肺炎 MNIST CNN）和 Demo 5（MSD→AMOS 脾脏分割，跨 CT/MRI 模态转移）均含完整训练流程文档。
三大核心技能详解
| 技能 | 作用 | 典型用法 |
|---|---|---|
/check-reporting |
对标 EQUATOR 系列报告指南 + 风险偏倚工具 | 逐条审核 STARD/PRISMA/TRIPOD+AI |
/verify-refs |
PubMed + CrossRef 双引擎核验引文真实性 | 检测伪造/错配文献 |
/orchestrate |
入口命令，自动分类请求并路由到正确技能 | 直接输入自然语言研究需求 |
典型适用场景
- 临床医生独自做医学影像 AI 研究：没有工程团队，借助模型工程通道从数据预处理到模型评估全链路可复现
- 系统综述新手：荟萃分析工作流 C 提供 PRISMA 2020 清单和森林图/漏斗图自动化生成
- 频繁被审稿人要求补报告规范：投稿前用 check-reporting 自查，将合规报告清单随投稿附件一并提交
- AI 辅助写作后担心引文幻觉：verify-refs 逐条核验每条参考文献的有效性
- 医学研究生快速上手临床数据分析：NHANES 流行病学示例提供完整的数据→图表→手稿 pipeline
坑与注意
⚠️ v5.24.0 精度版本已知 bug：14 个内置检测器存在错误，包括：
- check_xref 无法识别 "Figures 1 and 2"（逗号分隔标准写法），导致正确引用的浮动体报告为 UNCITED
- verify_refs 对某些 BibTeX 标准写法误报 AUTHOR MISMATCH 并中止渲染
- DOI 解析存在边界情况导致部分文献被静默跳过
必须人工复查所有输出：官方明确声明 "every output requires human-expert verification"，不是诊断工具，不能替代专家判断。
Demo 5 跨模态验证揭示的工程门槛：在无工程背景的情况下，Dice 中位数从 0.9595（内部验证）跌至 0.0152（MRI 模态转移），说明临床医生直接跑深度学习存在真实风险，工具包本身也承认这一点（见 FRICTION.md）。
版本号快速迭代：v5.0 → v5.24.0 表明活跃开发中，--enable-update-notify 标志值得启用，否则容易停在旧版本不知情。
非通用 AI 科学家平台：泛 AI 研究（与临床/医疗AI无关）不要用这个工具，scope 边界清晰。
与同类对比
| 工具 | 定位 | 核心优势 | 局限 |
|---|---|---|---|
| MedSci Skills | 临床研究 Agent Skills | 59 项技能全覆盖 + 确定性合规门 + 引文验证 | 需 AI 编码代理环境；无桌面 GUI |
| Zotero | 文献管理 | 免费开源、插件生态丰富 | 无 AI 辅助写作能力 |
| Papis | 命令行文献管理 | 高度可扩展、支持任意数据源 | 非面向临床合规 |
| Quartr | 医学写作辅助 | 有商业支持 | 非开源、价格未知 |
| citeboost / academic-helper 类 | AI 论文润色 | 通用语言优化 | 无合规门、无引文核验 |
MedSci Skills 的护城河是 合规层——49 条报告指南不是清单检查，而是作为拦截门（gate）嵌入工作流，比其他工具的报告指南清单更具强制性。
一句话推荐结论
临床医生和医学工程研究者做 AI 相关研究，投稿前想兜住合规、引文和数据完整性三条底线的首选工具——59 项技能覆盖全链路，MIT 协议免费，但所有输出必须人工专家复核，不能当作自主诊断或写作工具直接提交。