这个 Skill 能做什么，适合哪些场景？
该技能按用户定义的字段模式，从一份或多份临床笔记中提取结构化数据。每个非空值都附带原文片段和位置，并对缺失内容明确返回空值原因。流程包括定义模式、逐笔记提取、确定性校验和结果复核。它适合图表抽象、注册库或队列数据集建设，但使用者仍需准备字段模式，并处理可能缺少连接器的术语校验。
将用户请求转换为包含字段描述、断言分类和可选校验规则的模式；把粘贴文本、文件、目录、PDF、FHIR 连接器或数据库查询解析为纯文本；通过工作流为每份笔记启动一个无工具提取 worker；输出字段值、原文片段、位置、存在性、时态、经历者、单位及空值原因；随后验证片段是否逐字出现在源文本中，并执行术语、范围、日期、模式或枚举校验；按笔记和字段生成报告，必要时可将已验证记录转换为 FHIR 资源。
- 医疗研究人员从一批临床笔记中抽取预先定义的队列变量，并保留每个值的原文依据。
- 医院数据团队为注册库建立结构化字段，同时区分存在、缺失、历史、假设和非患者经历者。
- 质量改进人员从病历中整理护理缺口或不良事件相关信息，再进行确定性字段校验。
- 临床运营团队将笔记中的证据整理为后续试验资格筛选或事前授权材料的输入。
- FHIR 项目团队把已验证的平面记录转换为 Condition、FamilyMemberHistory 或 Provenance 相关内容。
如何安装这个 Skill？
- 不要把文档中的评估表视为已独立复现的准确率证据；当前材料未包含实际测试文件或运行结果。
- 处理真实 PHI 前，应限制输入来源和连接器权限，并明确任何代码术语查询、FHIR 访问和导出操作的用户确认与审计规则。
- 中文笔记、混合语言笔记及大陆网络不可达的外部连接器支持未被证明；缺少连接器时结果会保持 unvalidated。
- 该技能只提供抽取和校验流程，不应直接替代临床判断、编码审核或安全关键决策。
- Shell / 命令行
- 网络访问
- 本地文件系统
- MCP Server
Bun
在 Claude Code 中执行：
/plugin marketplace add anthropics/healthcare
/plugin install healthcare@healthcare
该仓库是包含 11 个技能的 healthcare 插件集合；本技能位于 plugins/healthcare/skills/clinical-note-extract/SKILL.md。来源没有提供独立安装步骤或单独发布包。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/anthropics/healthcare.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/plugins/healthcare/skills/clinical-note-extract" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 从这份笔记中提取糖尿病诊断、最近一次 HbA1c 和吸烟状态，并为每个值提供原文片段；缺失字段返回明确空值原因。
先定义并确认字段模式，再输入一份或多份临床笔记。例如："从这份笔记中提取糖尿病诊断、最近一次 HbA1c 和吸烟状态，并为每个值提供原文片段；缺失字段返回明确空值原因。" 对较大语料，可按来源提供的方式运行：bun <this skill dir>/scripts/batch.ts <notes-dir> <schema.json> records.jsonl，然后继续执行校验和报告步骤。若目标是 FHIR，应明确提出 FHIR 作为输出格式。
这个 Skill 有哪些优点和局限？
- 每个非空字段都要求片段级原文依据，便于复核。
- 对缺失信息使用显式空值原因，减少把未提及误判为阴性。
- 校验步骤是确定性的，可检查片段、术语、范围、日期、模式和枚举。
- 支持单份或批量笔记，并提供可选的 FHIR 转换路径。
- 必须先定义并确认用户字段模式，不能直接依赖固定字段集。
- 术语编码校验依赖模式中指定的连接器；没有连接器时结果会保持未验证。
- 工作流内联输入一次只能处理几打笔记左右，大型语料需要使用 Bun 批处理脚本。
- 提供的材料没有展示测试套件、平台测试结果或具体连接器配置细节。
- 处理记录可能包含源笔记中的 PHI，输出目录不应在未经明确指示时复制到共享或外部系统。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 临床笔记结构化提取 本页 ✓ Anthropic · 官方 | 56 · 谨慎使用 | ★ 425 | 1 个月前 | — |
| FHIR 临床数据连接器 ✓ Anthropic · 官方 | 49 · 谨慎使用 | ★ 425 | 1 个月前 | — |
| Lieflat Charts 图表品味法典 | 57 · 谨慎使用 | ★ 6.1k | 1 个月前 | NOASSERTION |
| 数据可视化技能 | 40 · 不推荐 | ★ 7.3k | 11 天前 | Apache-2.0 |
| D3.js 数据可视化技能 | 60 · 推荐 | ★ 243 | 1 年前 | — |
FollowSkills 如何评估这个 Skill？
技能要求用户确认 schema，采用每条笔记一个无工具 worker，并明确 PHI 仅存本地、不得未经授权复制到共享或外部系统，数据流和主要隔离措施较透明。扣分在于允许使用任意工具、连接器和输入来源，未定义最小权限、连接器信任边界、导出确认流程或回滚机制。
步骤、输入契约、span 校验和确定性检查流程较一致，并说明缺少连接器时如何标记 unvalidated。静态材料未提供实际 workflow、runner、rules 或可复现测试文件，异常输入和失败诊断覆盖有限；按静态上限扣分，不能超过 10 分。
触发语句、用户场景、schema 输入、记录输出、FHIR 可选转换及批量限制描述清楚。扣分在于未说明中文临床文本支持、语言边界和大陆网络环境；核心连接器可达性也未被证明。
文档结构清晰，包含步骤、输出契约、前置条件、示例、扩展、限制和评估说明，且官方组织 provenance 已验证。扣分在于该技能没有明确版本、变更记录、维护责任或更新路径；许可证元数据为 unknown，仓库级条款不足以完整说明该技能的授权边界。
目标是把临床笔记转为带逐字 span、断言轴、显式 null 和校验状态的结构化记录，输出格式具有直接使用价值，样例 schema 和评估摘要提供了一定支持。扣分在于评估文件和实际运行结果未在材料中呈现，代表性输出未经静态材料独立核验，临床使用仍需人工审查。
SKILL、README、样例和引用的医学断言模型形成可审计材料，且披露了评估规模与方差限制。扣分在于缺少实际测试套件、CI 结果、运行日志或第三方复核；评估数字主要是文档中的作者陈述，静态上限为 5 分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →