引言
随着人工智能技术在医疗领域的深入应用，基于大语言模型的诊疗辅助系统正逐步走向临床实践。OpenClaw 作为灵活的技能扩展框架，为医疗场景下的专用技能定制提供了理想平台。本文面向肺癌诊疗场景，系统介绍了一套可集成至 OpenClaw 框架的全流程专用技能，涵盖临床问诊、分期评估、治疗方案推荐、随访管理及科研数据解读五大核心模块，助力构建智能化、规范化的肺癌诊疗辅助系统。
一、技能文件结构
在 OpenClaw 技能目录（~/.openclaw/skills/lung-cancer-robot/）下创建以下文件，技能将被框架自动识别并加载。
1. 技能配置文件（skill.yaml）
yaml
name: lung-cancer-robot
version: 1.0.0
author: Medical AI Team
description: 肺癌诊疗全流程专用技能（含问诊、分期、治疗、随访、科研分析）
tags: [肺癌, 肿瘤诊疗, 临床决策, 随访管理]
dependencies:
- python>=3.8
- pandas>=2.0
- scikit-learn>=1.2
trigger_words:
- 肺癌
- 肺结节
- 肺癌分期
- 肺癌治疗
- 肺癌随访
- 肺腺癌
- 肺鳞癌
- 小细胞肺癌2. 技能核心逻辑（SKILL.md）
该文件定义了五大核心场景的详细执行规则与输出规范。
场景一：肺癌标准化问诊
目标：采集符合 NCCN 指南的肺癌问诊信息，确保核心维度无遗漏。
问诊模板（按优先级）：
- 基本信息：姓名、性别、年龄、吸烟史（包/年）、二手烟暴露史、职业暴露史（石棉/氡气等）
- 主诉：症状（咳嗽/咯血/胸痛/呼吸困难等）、持续时间、加重/缓解因素
- 影像学检查：胸部CT（结节大小/位置/密度/强化方式）、PET-CT（SUV值）、增强CT（纵隔淋巴结）
- 病理检查：活检类型、病理分型、分化程度、基因突变状态（EGFR/ALK/ROS1/BRAF等）
- 既往史：肺部基础疾病、肿瘤家族史、既往抗肿瘤治疗史
- 体能状态：ECOG评分、体重变化、进食情况
场景二：肺癌分期评估（AJCC第8版）
非小细胞肺癌（NSCLC）分期规则：
- T分期：T0（无原发肿瘤）、T1（≤3cm）、T2（>3cm且≤5cm）、T3（>5cm且≤7cm）、T4（>7cm/侵犯重要结构）
- N分期：N0（无转移）、N1（同侧支气管旁/肺门）、N2（同侧纵隔/隆突下）、N3（对侧纵隔/锁骨上）
- M分期：M0（无转移）、M1a（胸腔内）、M1b（单发远处）、M1c（多发远处）
小细胞肺癌（SCLC）分期：局限期（LD）、广泛期（ED）
输出要求：分期结果 + 分期依据 + 预后提示
场景三：肺癌治疗方案推荐（NCCN 2024指南）
按「病理分型 + 分期 + 基因状态 + 体能状态」分层推荐：
- 早期 NSCLC（I-II期）：优先手术，高危IB期术后辅助化疗
- 局部晚期 NSCLC（III期）：不可切除者同步放化疗，可切除者新辅助治疗+手术+辅助治疗
- 晚期 NSCLC（IV期） ：
- 腺癌：EGFR突变→奥希替尼；ALK融合→克唑替尼；无靶点→化疗+免疫
- 鳞癌：化疗+免疫，PD-L1高表达者可单药免疫
- SCLC：局限期→同步放化疗+预防性脑放疗；广泛期→化疗+免疫
场景四：肺癌随访管理
随访周期：
- I-II期术后：第1-2年每6个月1次，第3-5年每年1次
- III期治疗后：第1-3年每3个月1次，第4-5年每6个月1次
- IV期：每2-3个月1次
随访内容 ：胸部CT、肿瘤标志物、血常规/肝肾功能、症状评估
异常预警：结节增大（≥2mm/月）、标志物升高（超过基线2倍）、新发症状
场景五：肺癌科研数据解读
适用场景 ：回顾性分析、临床试验数据
分析维度：
- 生存分析：OS、PFS、HR值
- 疗效评估：ORR、DCR、CR/PR/SD/PD判定
- 安全性：AE发生率、3-4级AE占比、停药率
输出要求：数据结论 + 临床意义 + 局限性
输出格式规范
- 所有输出标注「证据等级」（1类：高证据，2类：中等，3类：低证据）
- 治疗方案标注「指南依据」（NCCN 2024 / CSCO 2024）
- 结构化输出，分模块标注（【问诊清单】【分期评估】【治疗方案】【随访建议】）
3. 辅助工具函数（utils.py，可选）
提供分期自动计算与治疗方案推荐函数，增强技能算力：
python
def calculate_lung_cancer_stage(cancer_type, t_stage, n_stage, m_stage):
"""根据TNM分期自动计算肺癌分期"""
# 实现NSCLC与SCLC的分期逻辑
pass
def recommend_treatment(cancer_type, stage, gene_status, ecog):
"""根据病理、分期、基因状态、体能状态推荐治疗方案"""
# 返回推荐方案列表及指南依据
pass二、技能集成与加载
1. 创建技能目录并放入文件
bash
# 创建肺癌技能目录
mkdir -p ~/.openclaw/skills/lung-cancer-robot
# 将上述3个文件放入该目录
cp skill.yaml ~/.openclaw/skills/lung-cancer-robot/
cp SKILL.md ~/.openclaw/skills/lung-cancer-robot/
cp utils.py ~/.openclaw/skills/lung-cancer-robot/2. 重载 OpenClaw 技能
bash
# 重载技能使框架识别新技能
openclaw skill reload
# 验证技能加载成功
openclaw skill list | grep lung-cancer-robot
# 输出 "lung-cancer-robot (1.0.0) - 肺癌诊疗全流程专用技能" 即为成功三、技能调用示例
示例一：肺癌标准化问诊
输入：
【需求】针对疑似肺癌患者进行标准化问诊，生成完整问诊清单AI输出（结构化问诊清单，略）：
- 核心基本信息（姓名、性别、年龄、吸烟史、职业暴露史）
- 主诉与症状（咳嗽、咯血、胸痛、呼吸困难等）
- 影像学检查（胸部CT、PET-CT）
- 病理与基因检测（活检方式、病理分型、基因突变状态）
- 体能与既往史（ECOG评分、既往疾病、家族史）
示例二：肺癌分期 + 治疗方案推荐
输入：
【需求】基于以下信息评估肺癌分期并推荐治疗方案
- 病理类型：肺腺癌
- 分期相关：T2a（肿瘤4cm）、N0、M0
- 基因状态：EGFR 19外显子缺失突变
- ECOG评分：1分
- 年龄：58岁，无基础疾病AI输出：
### 【肺癌分期评估】
- 最终分期：NSCLC IB期（I期）
- 分期依据：T2a（肿瘤4cm）、N0、M0，符合AJCC第8版I期标准
- 证据等级：1类（高证据）
### 【治疗方案推荐】
1. 核心方案（指南依据：NCCN肺癌指南2024版）
- 手术治疗：胸腔镜下肺叶切除术 + 系统性淋巴结清扫
- 术后辅助治疗：因存在高危因素，予奥希替尼（80mg qd）辅助治疗，持续3年
2. 疗效与随访
- 术后4-6周复查胸部CT
- 第1-2年每6个月随访1次
3. 注意事项
- 每3个月监测EGFR耐药突变
- 戒烟，避免职业暴露四、技能定制优化建议
-
本地化适配
将指南依据调整为国内指南（如 CSCO 肺癌指南2024版），补充医保可及的国产药物（如阿美替尼、埃克替尼）。
-
数据对接
若需对接医院 HIS/LIS 系统，可在
utils.py中添加接口函数，实现患者检查数据的自动读取。 -
风险预警
新增「不良事件管理」模块，补充免疫治疗相关毒性（如免疫性肺炎）的处理流程。
-
多语言支持
在
SKILL.md中添加英文模板，适配国际诊疗场景。
五、注意事项
-
辅助决策定位
本技能输出仅为临床辅助决策，最终诊疗方案需由肿瘤科医师或 MDT 团队确认。
-
数据准确性要求
基因检测、影像学等核心数据需确保准确性，避免分期或方案推荐错误。
-
指南及时更新
需定期更新
SKILL.md中的指南版本（如 NCCN/CSCO 每年更新），保证方案时效性。 -
数据安全合规
涉及患者隐私数据时，需遵循《医疗数据安全指南》，禁止明文存储或传输敏感信息。
结语
本文基于 OpenClaw 框架，系统构建了一套面向肺癌诊疗的全流程专用技能，覆盖了从问诊到随访的完整临床路径。该技能不仅体现了 LLD 技术在动态医疗场景下的价值，也为后续扩展至其他癌种或专科领域提供了可复用的设计范式。在临床实践中，此类智能化辅助工具有望有效提升诊疗规范性与工作效率，助力精准医疗的落地实施。