医学研究缺口发现器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_c7479c7a/medical-research-gap-finder。
技能介绍
它解决什么问题
医学文献里常见的“未来方向”并不等于研究缺口:很多只是 add single-cell、more validation 这类泛化建议。这个技能把研究缺口判断拆成可审计流程:先确认领域已覆盖什么,再判断哪些问题仍未解决,哪些只是伪缺口,哪些能转成可执行研究设计。
它如何工作
核心工作流强调先检索、后结论:
- 使用
PubMed、Google Scholar、Web of Science和预印本来源建立证据池 - 输出检索范围、记录规模、同行评审/预印本、直接证据/邻近证据分层
- 生成候选缺口,包括知识、证据、方法、验证、转化和机制到临床等类型
- 主动拒绝未绑定未决科学问题的泛化升级建议
- 仅保留中/高置信缺口,并转成 1–3 个研究方向
- 最后做自我批判,标记最弱证据、最大假设依赖和最易被过度解释的推荐
适用边界
它适合科研选题、文献综述前置分析、研究缺口审计和 project idea 生成,不适合患者治疗决策、处方剂量建议或要求模型补写无法验证的引用。若文献覆盖已饱和,输出应直说饱和,并聚焦窄而未决的问题。
使用场景
- 基金申请前,围绕铁死亡与糖尿病肾病检索文献并筛出可发表方向
- 写综述前,判断免疫治疗耐药领域中“更多验证”是否只是伪缺口
- 基于锚定论文,梳理肝癌网络药理学中仍未解决且可转研究的问题
- 设计公开数据课题时,筛选仅公共数据可做并给出最小执行计划
适合人员
- 做肿瘤转化研究、要从已发表文献中筛出可申报课题的研究人员
- 写系统综述、需要区分直接证据与邻近证据的医学信息学者
- 负责基金立项论证、要求判断领域是否饱和的项目负责人
- 用公共数据做生信分析、要确认题目不是伪缺口的算法工程师