360 Secure SkillHub
360 安全技能中心

Medical Research Report

核心功能:可拆分医学研究问题,检索多数据库文献,生成专业医学图表与图片,整理为结构化报告,还支持文档处理、脑图生成,可转HTML/PPT可视化格式。适用于医生、研究人员、学生的医学研究、知识整理等场景。输入为医学相关需求(可附文档),输出含报告、图表、可视化链接及文献/图片清单。

逍遥的昭
逍遥的昭
29 次下载
0 人已收藏
最近更新 2026-07-16 22:09:39
分类:知识质量:优秀依赖:代码执行 / 联网浏览搜索 / MCP 服务 / 第三方 API应用场景:研究 / 报告撰写 / 数据处理 / 摘要总结 ...
下载 1.0.3
360智脑

360 行为纵深安全审计引擎

声明对齐安全模型+五层纵深审计架构

审核结果安全
矩阵研判结果BENIGN
置信度HIGH
Metadata
name
medical-research-report
description
撰写图文并茂的医学研究报告。当用户需要医学文献综述、研究报告、临床研究分析、医学图表可视化、或任何涉及医学研究内容的文档时使用此skill。适用于医生、研究人员、学生或任何需要整理医学知识的场景。即使用户没有明确说"写报告",只要涉及医学研究问题、文献检索、数据分析等,都应该考虑使用此skill。
compatibility
so-search - aiso_do_search - aiso_pubmed - aiso_arxiv - aiso_acm - aiso_bing_academic - aiso_ieee_xplore - aiso_paper_search - aiso_bilibili_search - multi_engine_image_search gen_html - gen_html - gen_ppt_html - image_to_ppt_html mcp-zhiyue - rag_recognize_image_in_docment - zhiyue_doc_chat - zhiyue_doc_extract - zhiyue_doc_translate - zhiyue_generate_mindmap

医学研究报告

撰写图文并茂的医学研究报告。当用户需要医学文献综述、研究报告、临床研究分析、医学图表可视化、或任何涉及医学研究内容的文档时使用此skill。适用于医生、研究人员、学生或任何需要整理医学知识的场景。即使用户没有明确说"写报告",只要涉及医学研究问题、文献检索、数据分析等,都应该考虑使用此skill。


MCP Access: Use mcporter

完成此skill的任务时,必须使用mcporter skill来操作MCP。 不要直接调用MCP工具,所有MCP操作都通过mcporter路由。

  • 配置: 全局MCP配置在 ~/.openclaw/workspace/config/mcporter.json。读取此文件并仅使用此skill所需的MCP配置(参见此skill的compatibility/工具列表)。不要使用配置中的其他MCP——仅使用为此skill声明的那些。
  • 列出服务器/工具: mcporter list,或 mcporter list <server> --schema 查看特定服务器。
  • 调用工具: mcporter call <server.tool> key=value (例如 mcporter call mcp-zhiyue.zhiyue_doc_extract url=https://example.com/doc.pdf)。
  • 此skill的compatibility列表(或工具列表)定义了此skill可以使用哪些MCP服务器/工具;仅通过mcporter调用这些工具,使用全局文件中的配置。

工作流程

第1步:理解并分解需求

仔细分析用户的医学研究问题:

  • 明确研究主题和范围(疾病、治疗方法、药物、诊断技术等)
  • 识别关键概念和术语
  • 确定需要回答的核心问题

将用户的总问题拆分为2-5个具体的子问题,每个子问题应该:

  • 语义清晰,不使用指示代词
  • 适合独立进行文献检索
  • 涵盖问题的不同方面(如病因、症状、诊断、治疗、预后等)

示例拆分: 用户问题:"糖尿病的最新治疗进展" 拆分为:

  1. 2型糖尿病的新型口服降糖药物研究进展
  2. 糖尿病的胰岛素治疗新方案和给药技术
  3. 糖尿病并发症的预防和管理最新指南

第2步:医学文献检索

针对每个子问题,执行至少2-3次文献检索。根据研究主题选择合适的数据库:

通过mcporter调用检索工具:

  1. PubMed(生物医学核心数据库,首选):
mcporter call so-search.aiso_pubmed query="type 2 diabetes GLP-1 agonists 2023" max_results=10
  1. arXiv(适合定量生物学、生物信息学):
mcporter call so-search.aiso_arxiv query="machine learning diabetes prediction" max_results=5
  1. IEEE Xplore(医疗设备、生物医学工程):
mcporter call so-search.aiso_ieee_xplore query="wearable glucose monitoring system" max_results=5
  1. 必应学术(综合性学术搜索):
mcporter call so-search.aiso_bing_academic query="糖尿病视网膜病变治疗" max_results=8
  1. ACM(医疗信息系统、健康数据分析):
mcporter call so-search.aiso_acm query="electronic health records diabetes" max_results=5

检索策略:

  • 使用专业医学术语(如疾病的学名、标准药物名)
  • 结合时间限定词(如"2023"、"recent"、"latest")获取最新研究
  • 使用"AND"、"OR"组合关键词提高检索精度
  • 每个子问题至少检索2个不同数据库以确保全面性

第3步:获取相关图片素材

为报告准备视觉素材,至少搜索2-3次图片:

mcporter call so-search.multi_engine_image_search query="糖尿病胰岛素注射技术示意图" limit=5 use_for="医学研究报告插图"
mcporter call so-search.multi_engine_image_search query="血糖监测设备" limit=5 use_for="研究报告配图"
mcporter call so-search.multi_engine_image_search query="diabetes pathophysiology diagram" limit=5 use_for="病理机制说明"

图片选择原则:

  • 优先选择清晰的医学示意图、病理图、设备图
  • 选择分辨率适中的图片(宽度至少600px)
  • 注意医学图片的准确性和专业性

第4步:数据可视化图表生成

根据文献数据创建至少2-3个图表,帮助读者理解研究发现:

常见医学图表类型:

  1. 趋势图(疾病发病率、治疗效果随时间变化):
使用sandbox_coder生成折线图:
- 横轴:时间(年份、月份、疗程周期)
- 纵轴:指标(发病率、血糖水平、症状评分)
- 多条线:不同组别或不同指标对比
  1. 对比图(不同治疗方案、药物效果对比):
使用sandbox_coder生成柱状图或条形图:
- 类别:不同治疗方案、不同研究组
- 数值:有效率、副作用发生率、成本
  1. 分布图(患者年龄分布、疾病严重程度分布):
使用sandbox_coder生成饼图或直方图:
- 饼图:各类别占比(如不同年龄段患者比例)
- 直方图:连续变量分布(如血糖值分布区间)

调用示例:

调用sandbox_coder,描述: "生成折线图,标题'2018-2023年糖尿病发病率趋势',横轴年份2018到2023,纵轴发病率(每10万人),数据:2018年420,2019年445,2020年458,2021年472,2022年485,2023年498"

第5步:文档内容提取与处理(如需要)

如果用户提供了PDF文献或其他文档,使用mcporter调用文档处理工具:

提取文档文本:

mcporter call mcp-zhiyue.zhiyue_doc_extract url="https://example.com/research-paper.pdf"

文档翻译(中英互译):

mcporter call mcp-zhiyue.zhiyue_doc_translate url="https://example.com/paper.pdf"

基于文档问答:

mcporter call mcp-zhiyue.zhiyue_doc_chat url="https://example.com/guideline.pdf" question="该指南推荐的一线治疗方案是什么?"

生成知识脑图:

mcporter call mcp-zhiyue.zhiyue_generate_mindmap content="[文档摘要或关键内容]"

第6步:组织报告结构

将收集的信息整理为结构化的研究报告。推荐使用以下模板:

# [研究报告标题]

## 执行摘要
- 研究背景(为什么研究这个问题)
- 主要发现(3-5个关键点)
- 临床意义或应用价值

## 引言
- 研究主题介绍
- 当前研究现状和知识缺口
- 本报告的目的和范围

## 方法
- 文献检索策略(数据库、关键词、时间范围)
- 纳入和排除标准
- 数据提取和分析方法

## 研究发现

### [子主题1:如"病因与发病机制"]
- 文献综述内容
- 插入相关示意图
- 关键数据和图表

### [子主题2:如"诊断方法"]
- 文献综述内容
- 插入诊断流程图
- 对比不同方法的图表

### [子主题3:如"治疗策略"]
- 文献综述内容
- 插入治疗方案对比图
- 疗效数据可视化

## 讨论
- 研究发现的意义
- 与既往研究的对比
- 局限性和不确定性
- 未来研究方向

## 结论
- 总结核心发现
- 临床建议或实践指导

## 参考文献
- 列出引用的关键文献(作者、标题、期刊、年份)

第7步:生成可视化报告

使用gen_html或gen_ppt_html工具将报告转化为可视化网页:

生成HTML报告:

mcporter call gen_html.gen_html content="[完整报告Markdown内容]" title="医学研究报告"

特点:

  • 适合详细的文字报告
  • 支持嵌入图片和图表
  • 便于在线阅读和分享

生成PPT格式:

mcporter call gen_html.gen_ppt_html content="[报告内容,每个##标题作为一页]" title="研究报告演示"

特点:

  • 适合汇报演示
  • 每个二级标题自动分页
  • 图表和图片作为幻灯片元素

第8步:质量检查

输出最终报告前,检查以下要点:

  • 包含至少2-3次不同数据库的文献检索结果
  • 包含至少2-3个数据可视化图表
  • 包含相关医学图片或示意图
  • 报告结构完整(摘要、引言、主体、讨论、结论)
  • 引用的文献信息准确(作者、期刊、年份)
  • 图表清晰且与文字说明相符
  • 医学术语使用准确,表述专业
  • 生成了可视化输出(HTML或PPT)

输出格式

最终输出应包含:

  1. 研究报告全文(Markdown格式或直接在对话中呈现)
  2. 生成的图表文件(通过sandbox_coder生成,提供下载链接)
  3. 可视化报告(HTML或PPT网页,提供访问链接)
  4. 关键文献清单(标题、作者、来源、链接)
  5. 图片素材列表(使用的图片及来源)

呈现方式:

  • 主报告内容直接在对话中展示
  • 图表、可视化报告通过文件链接提供
  • 文献和图片以附录形式列出

示例场景

场景1:用户请求"阿尔茨海默病最新治疗进展"

  1. 拆分为:早期诊断标志物研究、药物治疗新进展、非药物干预方法
  2. 在PubMed、arXiv检索相关文献
  3. 搜索脑部影像图片、药物作用机制图
  4. 生成治疗方法对比柱状图、疗效趋势折线图
  5. 组织报告并生成HTML可视化页面

场景2:用户上传一篇英文综述,请求"总结这篇文章的要点"

  1. 使用zhiyue_doc_extract提取文本
  2. 如需中文版,使用zhiyue_doc_translate翻译
  3. 使用zhiyue_generate_mindmap生成知识脑图
  4. 补充检索相关最新文献
  5. 生成包含脑图的总结报告

注意事项

医学准确性:

  • 使用标准医学术语和疾病分类
  • 引用文献时核对作者、期刊、年份
  • 对于治疗建议,说明是基于文献综述而非临床指导
  • 避免绝对化表述,注明研究的局限性

伦理考虑:

  • 不提供个人诊疗建议
  • 声明报告仅供学术研究参考
  • 尊重患者隐私(如使用案例数据)

技术要点:

  • 优先使用PubMed进行医学文献检索
  • 图表数据必须基于文献,不可虚构
  • 文献检索关键词应包含医学主题词(MeSH)
  • 图片搜索使用中英文双语关键词以获得更多结果