SKILLEMALL.ai

BB tooluniverse-immunotherapy-response-prediction

Прогнозирует реакцию пациента на ингибиторы иммунных контрольных точек (ICI) с использованием интеграции мультибиомаркеров. Учитывая тип рака, соматические мутации и необязательные биомаркеры (TMB, PD-L1, статус MSI), выполняет систематический анализ по 11 фазам, охватывающим классификацию TMB, оценку нагрузки неоантигенов, оценку MSI/MMR, оценку PD-L1, профилирование иммунного микроокружения, прогнозирование устойчивости/чувствительности на основе мутаций, получение клинических данных и интеграцию мультибиомаркерной оценки. Генерирует количественную оценку ответа на ICI (0-100), уровень вероятности ответа, рекомендации по конкретным препаратам ICI с доказательствами, факторы риска устойчивости и план мониторинга. Используйте, когда онкологи спрашивают о пригодности к иммунотерапии, выборе ингибитора контрольных точек или решениях по лечению ICI на основе биомаркеров.

машинный переводПоказать оригиналСкрыть оригинал«Predict patient response to immune checkpoint inhibitors (ICIs) using…»

Predict patient response to immune checkpoint inhibitors (ICIs) using multi-biomarker integration. Given a cancer type, somatic mutations, and optional biomarkers (TMB, PD-L1, MSI status), performs systematic analysis across 11 phases covering TMB classification, neoantigen burden estimation, MSI/MMR assessment, PD-L1 evaluation, immune microenvironment profiling, mutation-based resistance/sensitivity prediction, clinical evidence retrieval, and multi-biomarker score integration. Generates a quantitative ICI Response Score (0-100), response likelihood tier, specific ICI drug recommendations with evidence, resistance risk factors, and a monitoring plan. Use when oncologists ask about immunotherapy eligibility, checkpoint inhibitor selection, or biomarker-guided ICI treatment decisions.

FreedomIntelligence/OpenClaw-Medical-Skills Agent Skills автор: FreedomIntelligence 5 файлов · 1 скрипт тело ≈ 8 058 токенов Открыть источникgithub.com↗ проанализирован 15 ч назад

Прогнозирует реакцию пациента на ингибиторы иммунных контрольных точек (ICI) с использованием интеграции мультибиомаркеров.

Как процесс B 72/100 · Почти готов — слабые места: ошибки и развилки, стоимость исполнения, отчётность по ходу

ИнтеграцияИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 8058 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 72/100

  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 40Стоимость исполнения. Тело инструкции 8058 токенов: вытесняет саму задачу из окна
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 86
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Разделов верхнего уровня: 19. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 795 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 69 заголовков
  • +3Пошаговые инструкции: 86 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (20 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.