Clinical Data Extractor

Extract structured clinical trial data from URLs or PDFs including drug name, manufacturer, indication, phase, trial info, efficacy and safety tables, and sa...

Overview

This skill enables extracting structured clinical trial data from pharmaceutical conference websites (ASCO, ESMO, EHA, etc.) and saving it as a markdown file with standardized format.

Configuration

输出路径: ~/.openclaw/workspace 命名格式: {药品名称}@{适应症}.md 文件名清理规则:

• 替换空格为下划线
• 移除特殊字符

常见终点缩写列表 - 以下缩写在表格中无需写中文全称：

• ORR (客观缓解率)
• cORR (确认缓解率)
• DCR (疾病控制率)
• mPFS/rPFS (中位无进展生存期)
• mOS (中位总生存期)
• mDOR (中位缓解持续时间)
• PSA50/PSA90 (PSA缓解率)
• CR (完全缓解)
• PR (部分缓解)
• SD (疾病稳定)
• PD (疾病进展)
• AE (不良事件)

⚠️ 如需修改配置，请直接编辑本配置区域 ⚠️ 注意：~ 需在执行时展开为实际用户 home directory ⚠️ 注意：不在列表中的终点数据应写中文全称以清晰说明 ⚠️ 注意：本技能会尝试自动提取网页图片，但对于受限平台（微信公众号等）需要手动截图

Requirements

This skill requires the following tools to be available in the OpenClaw runtime environment:

Core Dependencies

• browser: Built-in OpenClaw tool for webpage automation and content extraction (no installation required)
  • Requires: Chrome browser installed on the host system
  • Usage: browser action=start profile=openclaw target=host
• read/write: Built-in OpenClaw tools for file operations (no installation required)

Browser System Requirements

For browser automation to work correctly:

• Chrome browser: Must be installed on the host system (typically at /usr/bin/google-chrome or similar path)
• Display server: Desktop environment with X11/Wayland (for non-headless mode) or headless mode support
• Network connectivity: Required for loading webpages

Optional Dependencies (For PDF Processing)

The following tools are used for PDF extraction. The skill will attempt each method in order:

1. nano-pdf CLI (recommended)

   • Installation: Usually pre-installed with OpenClaw
   • Alternative: If unavailable, file size reduction or OCR may be needed for scanned PDFs

2. pdftotext (poppler-utils)

   • Installation (Debian/Ubuntu): sudo apt-get install poppler-utils
   • Installation (macOS): brew install poppler
   • Used as fallback if nano-pdf is not available

Filesystem Requirements

• Write access to user home directory: The skill creates markdown files and image files in the configured output path (default: ~/.openclaw/workspace)

Configuration Flexibility

All configuration options are defined in the Configuration section above and can be modified without reinstalling the skill:

• 输出路径 (Output path)
• 命名格式 (Filename format)
• 文件名清理规则 (Filename sanitization rules)
• 常见终点缩写列表 (Common endpoint abbreviations)

When to Use

Use this skill when:

1. User provides a URL to a pharmaceutical conference website or clinical trial publication (ASCO, ESMO, EHA, WCLC, AACR, etc.) containing clinical trial data
2. User provides a PDF file containing clinical trial data
3. User requests to extract structured clinical trial data from webpages or PDFs
4. User mentions keywords like "临床数据", "临床试验", "clinical data", "clinical trial", or similar requests

Examples of trigger phrases:

• "提取临床数据"
• "把这份PDF里的临床试验信息整理一下"
• "Extract clinical trial data from this URL/PDF"

Workflow

Step 1: Detect Input Type and Extract Content

Determine if user provided a URL or a PDF file.

Case A: User provides a URL

Use the built-in browser to open and extract page content:

1. Start browser (if not already running):

   bash

   browser action=start profile=openclaw target=host
   

2. Navigate to URL:

   bash

   browser action=open targetUrl=<provided-url>
   

3. Capture page snapshot to extract content:

   bash

   browser action=snapshot format=markdown
   

4. Optional: Take screenshot for visual reference:

   bash

   browser action=screenshot fullPage=true
   

Case B: User provides a PDF file

Extract text content from the PDF. Two approaches available:

Approach 1: Use nano-pdf CLI (read-only)

bash

nano-pdf --file <path-to-pdf> --action read

Approach 2: Use nano-pdf with natural language instructions

bash

nano-pdf --file <path-to-pdf> --action edit --instruction "Extract all text content from this PDF, focusing on clinical trial data including drug name, indication, phase, efficacy, and safety results"

Note: The extracted PDF content will be in raw text format. You may need to clean up formatting before proceeding to extraction.

Step 2: Extract Key Information

Analyze the fetched content and extract the following fields. Leave blank if information is not available:

1. 药品名称 (Drug Name)
2. 生产厂家 (Manufacturer)
3. 适应症 (Indication)
4. 临床阶段 (Clinical Phase)
5. 临床名称 (Trial Name)
6. 学术会议 (Academic Conference)
7. 药品有效性和安全性 (Efficacy and Safety)

Handling Clinical Data Images

网页图片：

• 公开网站（ASCO、ESMO、EHA 等）：识别网页中直接显示的临床数据图片（如疗效曲线、安全性图表），尝试提取图片 URL 并引用

  markdown

  ![临床数据描述](图片URL)
  

• 受限平台（微信公众号等）：这些平台通常会禁止图片链接的外部访问，无法直接提取图片 URL。在此情况下：
  • 在文档中添加图片说明，提示用户手动截图
  • 提供参考图片的描述（如"疗效数据图"、"安全性汇总表"等）
  • 如果需要获取原图，建议用户手动截图保存

图片处理的两种方式：

方式一：自动提取（适用于公开网站）

markdown

![疗效曲线图](https://esmo.org/.../survival_curve.png)

方式二：手动截图（适用于受限平台或提取失败时）

markdown

## 临床数据图片

⚠️ 无法自动提取图片（受限平台或提取失败），建议手动截图保存。

参考图片描述：
1. 疗效数据图（如 rPFS 曲线、OS 曲线）
2. 安全性汇总表（AE 发生率、严重 AE）

截图保存路径示例：
```markdown
![疗效曲线](./药品名称_疗效曲线.png)

PDF 图片：

• 识别 PDF 中直接显示临床数据的图片页面
• 重要：PDF 中的图片无法自动提取，需要手动截图保存
• 使用截图工具保存图片到输出目录（与 markdown 文件同目录）
• 在 markdown 中用本地路径引用：

  markdown

  ![临床数据描述](./图片文件名.png)
  

For effectiveness and safety data, present findings in markdown table format:

markdown

## 药品有效性和安全性

| 指标 | ABC001 | 对照组 | HR | p-value |
|------|----------------|--------|------|------|
| N | 100 | 50 | - | - |
| ORR | 41.4% | 25.3% | - | <0.0001 |
| cORR | 34.5% | - | - | <0.0001 |
| DCR | 87.9% | - | - | <0.0001 |
| mPFS | 11.3 | 6.8 |  0.62  | <0.0001 |
| mOS | 22.1 | 14.2 |  0.73  | <0.0001 |
| 最常见AE | 恶心、血液事件（1-2级） | - | - | - |

多剂量组示例：

markdown

| 指标 |  AAB001 2mg | AAB001 4mg | AAB001 6mg |  Placebo |
|------|----------|--------------|--------------|--------------|
| N | 50 | 50 | 50 | 50 |
| OS | 12.1 | 14.2 | 17.3 | 0.2 |
| OS p-value | <0.0001 | <0.0001 | <0.0001 | - |
| PFS | 12.1 | 14.2 | 17.3 | 0.2 |
| PFS p-value | <0.0001 | <0.0001 | <0.0001 | - |

表格格式规范：

• 表格内容第一行必须列出各组入组人数，指标列写"N"
• 关键原则：确保同一列的数据与该列标题对应的cohort一致
• 重要规则：必须明确标注cohort的具体信息（如剂量组、治疗方案等），避免使用"最大剂量组"、"高剂量组"等笼统表述
  • ❌ 错误：AAB001 (最大效果) 或 高剂量组
  • ✅ 正确：AAB001 6mg 或 对照组
• 不同终点可能基于不同分析人群（如总人群 vs 可评估人群），需分别分列
• 缺乏的数据标注 "N/A"，不要将不同人群的数据混用
• 合并主要终点、次要终点、安全性到一个表格
• 列名：["指标", "实验组1", "实验组2", ...] 或 ["指标", "实验组", "对照组"]（如有对照）
• 常见终点使用英文缩写（见 Configuration 中的"常见终点缩写列表"）
• 不常见的终点写中文全称
• 不要写95% CI置信区间
• 时间指标（PFS/OS/DOR等）只写数字，不写单位（如 11.3 而非 11.3个月）
• 百分比保留一位小数（如 41.4%）
• 数值不存在的用 N/A 或 NE（未成熟/未评估）表示
• 可在数值后用括号标注实际样本量（如 11.3 (N=82)）

Step 3: Save as Markdown File

Generate output file using the configuration from Configuration section:

1. Filename format: Follow the 命名格式 from Configuration section
2. Sanitize filename:
   • Replace spaces with underscores
   • Remove special characters
3. Final save path: Use the 输出路径 from Configuration section, followed by the generated {filename}, then expand ~ to actual home directory.

Step 4: Generate Expert Commentary (Optional but Recommended)

From a medical/pharmaceutical expert perspective, provide a concise analysis of the clinical trial data. This section should be clearly marked as "（仅供参考）" (For reference only).

Key aspects to analyze:

1. Efficacy Evaluation

   • Did primary endpoints reach statistical significance?
   • Are the effect sizes clinically meaningful?
   • How does it compare to existing therapies in the same indication?

2. Safety Considerations

   • Is the safety profile acceptable?
   • Any concerning AEs?
   • How does it compare to the drug class safety profile?

3. Study Design Assessment

   • Is the trial design appropriate?
   • Is sample size adequate?
   • Are control groups appropriate?
   • Any limitations?

4. Clinical Prospects

   • What's the potential for FDA/NMPA approval?
   • Commercial potential?
   • What clinical development pathway comes next?

5. Cautions & Limitations

   • Data limitations
   • What still needs to be validated

Provide concise, objective analysis (3-6 bullet points). Avoid over-optimistic language.

Step 5: File Content Structure

The generated markdown file should follow this template:

markdown

# {药品名称} - {适应症} 临床数据

## 基本信息

| 字段 | 内容 |
|------|------|
| 药品名称 | {药品名称} |
| 生产厂家 | {生产厂家} |
| 适应症 | {适应症} |
| 临床阶段 | {临床阶段} |
| 临床名称 | {临床名称} |
| 学术会议 | {学术会议} |

## 药品有效性和安全性

| 指标 | {实验组名称} |
|------|--------------|
| 主要终点数据... | 值 |
| 次要终点数据... | 值 |
| 安全性数据... | 值 |

## 试验设计

| 设计要素 | 内容 |
|----------|------|
| 研究类型 | ... |
| 入组人数 | ... |

## 临床数据图片

{网页图片链接或PDF截图引用}

## 专家点评
（仅供参考）

从药学/医学专家角度分析该临床数据的意义：

- **疗效评价**：[分析主要终点结果是否达到临床意义，对比同类药物]
- **安全性考量**：[分析安全性概况，关注关键AE]
- **研究设计评价**：[研究设计是否合理、样本量是否充足、对照组选择等]
- **临床前景**：[基于当前数据评估药物商业化潜力及后续研究方向]
- **注意事项**：[数据的局限性、需要进一步验证的点等]

## 数据来源

{URL或PDF路径}
提取时间: {当前日期}

Tips

• 配置修改: 输出路径、命名格式、常见缩写列表在 Configuration 区域定义，直接编辑即可修改
• 输出文件位置: 查看 Configuration 区域的 输出路径 设置
• 终点缩写规则: 只对 Configuration 中"常见终点缩写列表"内的缩写使用英文，其他终点写中文全称
• 浏览器使用: 网页提取使用内置浏览器，启动时指定 target=host 参数。如果浏览器未运行，skill 会自动启动
• Use memory_search to check if similar drugs have been processed before extracting
• If the content (webpage or PDF) contains multiple drugs or trials, clarify with user which one to extract
• For complex clinical endpoints, preserve original terminology and units
• 图片处理注意事项:
  • 网页图片：提取原始 URL，在 markdown 中直接引用 ![描述](URL) 或 <URL>（避免大图预览）
  • PDF 图片：截图保存到与 markdown 同目录，使用相对路径引用 ![描述](./文件名.png)
  • 图片命名：使用药品名称+序号，如 PD-1抑制剂_图表1.png
  • 只有临床数据相关的图片需要保存，装饰性图片可以忽略
• PDF 处理注意事项:
  • PDF 提取的文本格式可能比较混乱，需要适当清理换行和空格
  • 表格数据在 PDF 中可能无法完整保留，需要根据上下文推断
  • 如果 PDF 是扫描图片，nano-pdf 可能无法提取文本，需要先 OCR 处理
  • 对于大型 PDF 文件，可以先使用 --action read 快速提取全文内容

---

Not every skill requires all three types of resources.