靶点药物证据评估（Target-Drug Evidence Evaluation）

RD&BD Evaluate — Target × Drug × Evidence × Patent

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。

---

Inputs

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。

---

Workflow

Step 1 — 实体标准化

• 如用户输入包含靶点名、药物名、疾病名等具体实体，优先调用 ls_ner_nor_normalize 做标准化，获取规范 ID 供后续查询。

Step 2 — 靶点信息确认

• 调用 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。

Step 3 — 同靶点药物格局

• 调用 ls_drug_search（target 参数）获取开发中及已上市药物列表。
• 关注 highest_phase、drug_type、开发机构分布。

Step 4 — 关键药物里程碑

• 对 Step 3 返回的关键代表性药物（优先 Phase 2 及以上）调用 ls_drug_milestone_fetch，获取研发里程碑时间线。
• 标记失败 / 暂停 / 撤回事件，作为临床失败信号。

Step 5 — 临床活跃度

• 调用 ls_clinical_trial_search（target + disease）获取在研试验数量、阶段分布、主要申办方。

Step 6 — 临床结果与失败信号

• 调用 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。

Step 7 — 转化医学证据

• 调用 ls_translational_medicine_search（target + disease）获取生物标志物、动物模型、机制文章证据。

Step 8 — 指南与患者路径（可选）

• 如可用，调用 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。

Step 9 — 专利拥挤度与 FTO 风险（可选）

• 如可用，调用 ls_patent_search（target + drug_type）评估专利密度、申请人集中度、近年申请趋势。
• 对特定高关注专利调用 ls_patent_fetch 查看权利要求范围。
• 参见 references/mcp-tool-map.md 确认当前会话实际工具名。

Step 10 — 综合评分与输出

• 依据 references/scoring-rubric.md 对六个维度打分，汇总为最终判断。
• 严格按照 references/output-templates.md 输出四块结构。
• 不额外输出情报摘要、事件时间线或新闻汇编，保持决策导向。

---

Output Structure

四块固定输出，详见 references/output-templates.md：

1. Executive Verdict — 结论 / 一句话理由 / 关键假设 / 最大风险
2. Scorecard — 六维 100 分表格
3. Evidence Matrix — 证据类型 × 发现 × 对立项影响 × 数据来源
4. Next Actions — 推荐验证动作 / 尽调问题 / 建议避开的方向

---

References

• 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

---

Guardrails

• 本 skill 仅做立项分诊，不做合规建议、投资建议或临床决策建议。
• 对负面证据（失败信号、安全性问题）与正面证据等权显示，不美化结论。
• 所有 Scorecard 分项须有对应的证据来源列，禁止凭空打分。
• 若关键数据缺口过大（超过 3 个维度无有效数据），输出 Insufficient Evidence 而非强行给出判断。