医学研究算法匹配器

要解决什么问题

生物医学课题里，「该用什么算法」往往比「能不能跑通代码」更早卡住人：方向是具体的（病种、表型、数据模态、分析目标），但网上常见的回答是泛化的 AI 方法盘点，或者只报一个听起来很新的名字，却没有可核对的原文、DOI 和应用场景。

这个技能面向的是从研究方向到可执行的算法短名单：先弄清项目真正要解什么、算法需求属于哪一类，再在近文献里检索真实存在的方法论文，并按病种/数据类型/研究目标做匹配，同时区分基线对照、当前可落地的近期方法和值得试探的前沿升级，对无法核验的命名方法明确标注，而不是充当热词生成器。

技能如何工作

执行路径大致是七步，且依赖内置参考模块（方法需求分类、算法族库、文献核验规则、选型与拟合规则、工作流模板、基准验证逻辑、输出章节规范），缺一环则输出视为不完整。

1. 澄清研究方向：归一化疾病/表型、科学任务、数据模态、可解释性约束，以及用户是要「泛搜最新方法」还是「点名算法（如 PathHDNN）核验+匹配」。
2. 分类算法需求：例如预测生物标志物、通路可解释建模、多组学整合、疾病-基因/靶点 prioritization、细胞状态/空间分辨率、机制升级、转化分层等。
3. 匹配算法族：从方法族库中筛出真正相关、次要可选、以及虽流行但不适合的族。
4. 近文献检索与核验（核心）：优先 ≤12 个月，不足再扩到 1–3 年；正式推荐必须附带可接受来源核验的主论文（DOI/PubMed/PMC/出版社/arXiv 等）。每条正式条目尽量包含两层文献：方法身份论文（必填）与下游引用/应用论文（有则写）。
5. 拟合与相关性检查：不只看数据模态，还要看生物学问题、样本规模、标签结构、是否比简单基线更合理。
6. 构建推荐栈：按 Baseline / Primary recent / Frontier upgrade 三层组织，并说明每层增加什么。
7. 固定输出结构：含方向解读、需求分类、算法族映射、检索策略、推荐栈、已核验文献包（含「未直接核验」专节）、基准对比计划、最小可执行栈、升级路径与诚实性风险回顾。

适用边界与注意点

• 适用：为某病种/课题找近期算法、将方向对齐到方法论文、比较近期 vs 实用 vs 基线、核验用户提供的算法名是否真实且相关（通路/图模型/多组学/细胞状态/可解释等场景）。
• 不适用：患者诊疗建议、治疗决策、或在未做方法选型语境下直接给实现代码。
• 硬规则：不伪造论文、DOI、链接或基准结论；预印本不冒充同行评议；近文献薄弱时要直说，并给出最近已验证的替代；若点名方法（如 HiDDEN）找不到可核验主论文，应明确写出尚未在当前生医范围内识别到可直接核验的算法论文，不猜测用户本意。