Install
openclaw skills install @yuanzhian-patsnap/target-drug-evidence-evaluation通过多维证据矩阵评估靶点药物并支持立项判断
openclaw skills install @yuanzhian-patsnap/target-drug-evidence-evaluation使用场景:当用户需要对一个靶点(或靶点-适应症组合)做立项判断,并需要输出结构化 Go/Watch/Niche Go/No-Go 分诊意见时,加载本 skill。
本 skill 不输出情报简报,只输出立项决策结构:Executive Verdict → Scorecard → Evidence Matrix → Next Actions。
| 参数 | 是否必填 | 默认值 | 说明 |
|---|---|---|---|
target | 必填 | — | 靶点名称,如 KRAS、PD-1、CDK4/6 |
disease | 可选 | 广谱靶点评估 | 适应症,如 NSCLC、类风湿关节炎 |
drug_type / modality | 可选 | 不限 | 小分子 / mAb / ADC / 细胞治疗 等 |
country | 可选 | CN + US + EU/global | 地理范围 |
user_type | 可选 | biotech | biotech / university / BD-licensing / pharma |
stage_intent | 可选 | discovery/preclinical triage | 立项阶段意图 |
原则:关键输入缺失时,不停止流程,使用上述默认值继续,并在输出中标明假设。
ls_ner_nor_normalize 做标准化,获取规范 ID 供后续查询。ls_target_fetch(target 参数传标准化名称或 ID)确认靶点存在性、别名、基因符号和已知 pathway 关联。ls_drug_search(target 参数)获取开发中及已上市药物列表。highest_phase、drug_type、开发机构分布。ls_drug_milestone_fetch,获取研发里程碑时间线。ls_clinical_trial_search(target + disease)获取在研试验数量、阶段分布、主要申办方。ls_clinical_trial_result_search(target + disease)获取已发布结果,标记失败 / 阴性 / 安全性问题。ls_translational_medicine_search(target + disease)获取生物标志物、动物模型、机制文章证据。ls_clinical_guideline_vector_search 获取该适应症治疗指南地位和未满足需求声明。ls_patent_search(target + drug_type)评估专利密度、申请人集中度、近年申请趋势。ls_patent_fetch 查看权利要求范围。references/mcp-tool-map.md 确认当前会话实际工具名。references/scoring-rubric.md 对六个维度打分,汇总为最终判断。references/output-templates.md 输出四块结构。四块固定输出,详见 references/output-templates.md:
references/scoring-rubric.md — 六维评分规则与最终判断阈值references/mcp-tool-map.md — 智慧芽 MCP 工具映射与参数说明references/output-templates.md — 中文输出模板Insufficient Evidence 而非强行给出判断。