agentrndplan · 主观数字医疗 roadmap 评议 (subjective digital-medicine roadmap review)

不是再做一个数据库,而是给数字医疗的信息源和R&D 实体写专家判语:这个源信不信、这条线押不押,并把它折成未来 1–2 年的双 MOA(Mixture-of-Agents / Mechanism-of-Action)视图。

一分钟看懂(无需 AI 或医学背景)

想了解"数字医疗未来一两年往哪走",你会去查 MobiHealthNews、DiMe、npj Digital Medicine……但两个麻烦:

1. 源本身良莠不齐 —— 有的是 Nature 系顶刊、有的是行业自媒体、有的是监管机构,可信度天差地别;
2. 热度 ≠ 价值 —— 一家公司在 X/LinkedIn 上声量很大,不代表它的临床证据硬。

agentrndplan 用两层把这件事讲清楚,每条都以人签字的主观判语收尾:

• 源层(source) —— 这个信息源谁在办、覆盖什么、权威从哪来(引用/机构/临床/监管)vs 只是声量大?该不该信它。
• 实体层(entity) —— 一个公司/数字疗法/biomarker/FDA 项目,证据多硬、融资/监管到哪一步、被哪些源背书?值不值得押。

事实部分由 AI 整理;判语只能由专家(本仓:chenhao)写。产物是一个 GitHub 页面,给两类人看:① 非 AI/非领域人士科普查阅;② 跨领域的人快速画一张 1–2 年的数字医疗 MOA 草图。

两层 + 背书链:和"再做一个榜单/数据库"的不同

源层  npj / Lancet DH / DiMe / DTA / FDA DHCoE / MobiHealthNews
        │  backed_by 背书(实体回链到为它背书的源)
实体层  EndeavorRx ──► Lancet DH(RCT) + FDA DHCoE(De Novo) + MobiHealthNews(报道)
        │  汇总(只取签字的)
roadmap 双透镜:Mixture-of-Agents 草图 / Mechanism-of-Action 路线

聚合器回答"有哪些";agentrndplan 回答"信不信、押不押"。 差异化是专家判语层 + 跨层背书链,不是再聚合一次信息。实体引用了不存在的源,会被发布门禁机械挡下。

一个源/实体值不值得信:看什么 metric

不同"热度"是几条不同的轴,schema 把它们显式分开,避免把声量当质量:

轴	含义	schema 字段
声量 popularity	SEO/PageRank、X/LinkedIn/Reddit 声量,会被刷,≠好	popularity(seo / social)
权威 authority	引用数、背书机构、临床参与、监管定位	authority(citation_count / impact_factor / clinician_involvement / regulatory_standing)
证据 evidence(实体)	RCT / 同行评审 / 真实世界,临床终点	evidence.grade / evidence.endpoints

医疗领域 popularity 是弱信号:真正决定可信度的是 authority(机构/临床/引用/监管)+ 临床真实度。社交平台分层用——X=launch/buzz、LinkedIn=临床/机构信号(指向真论文)、Reddit=从业者现实检验——三者都只作 leads,绝不当 authority。详见 docs/SOURCING.md。

双 MOA:一份证据,两个受众

实体层每条都填两个并列视角(只填事实字段,判断留给判语):

• 透镜 A · Mixture-of-Agents(给 AI 非领域人)—— capability_axes / modalities / access / 在 MoA 里的 agent_role。注:受监管的 SaMD/固定算法产品不是 model-selection 候选,只作"干预执行"等模块。
• 透镜 B · Mechanism-of-Action(给 biotech 人)—— therapeutic_area / mechanism / target_endpoint / maturity。

综合页 roadmap.html 把已签实体折成这两个透镜,只做事实编排,不做判断。

已收录(草稿 — 待专家签字)

源层 sources(覆盖 4 个 genre):

源	genre	权威信号	状态
npj Digital Medicine	journal	Springer Nature,2018,IF 15.1(2024),临床主编	draft
The Lancet Digital Health	journal	Elsevier,2019,IF 23.8(2023)	draft
Digital Medicine Society (DiMe)	community	Library of Digital Endpoints / DATAcc / V3 框架	draft
Digital Therapeutics Alliance (DTA)	community	DTx 定义与政策口径,17 国(被 ATA Action 收购)	draft
FDA Digital Health Center of Excellence	regulator	CDRH,SaMD/AI 设备政策,2026 TEMPO pilot	draft
MobiHealthNews	outlet	"publication of record",2008,归 HIMSS Media	draft

实体层 entities:

实体	type	证据/监管	背书源	状态
EndeavorRx (AKL-T01)	dtx-product	Lancet DH RCT + FDA De Novo(首个游戏化 DTx)	Lancet DH / FDA DHCoE / MobiHealthNews	draft

找源/实体用**"genre × 来源"普查**,不靠名字搜(否则系统性漏掉监管文件、shared task、区域源)。检索法与待补缺口见 docs/SOURCING.md。

人在环中:草稿 → 签字 → 发布

整个流程把人和 AI 的笔分开(详见 CLAUDE.md 的 Integrity rules):

1. 草稿:AI 把 ## Agent summary(先核实再写,纯事实)写好,## Expert verdict 留空。
2. 签字:专家在自己的编辑器里写 ## Expert verdict 判语,并填 expert_verdict frontmatter(signed_by / signed_date / confidence / one_liner)。
   • 这一步不是工具调用,所以 hooks/guard_verdict.py 不拦你;但它会拦住 AI 代写判语区。
3. 发布:check_publish.py 只放行已签字条目进页面("草稿可提交,发布需签字")。

pip install pyyaml jsonschema                         # 仅校验/门禁用,无运行时框架
python3 bin/check_publish.py                          # 发布门禁:未签=拦截;实体悬空 backed_by=拦截
python3 bin/check_publish.py --schema-only            # CI 硬门禁(schema + backed_by 跨层完整性)
python3 bin/render_site.py                            # 渲染:只出已签条目(CI 部署用)
python3 bin/render_site.py --include-drafts           # 本地预览:含未签草稿(标 DRAFT,不显判语)
cd site && python3 -m http.server                     # 浏览器开 localhost:8000 看

数据契约与项目结构

数据优先:schema 就是契约,渲染与工具都薄。

SKILL.md                       本 repo 即 Skill;触发后教 agent 走整套工作流
schema/entry.schema.json       单文件 + kind 判别器(source / entity 共享块,if/then 切必填)
entries/sources/<id>.md        源层条目(genre / authority / popularity / coverage)
entries/entities/<id>.md       实体层条目(entity_type / backed_by / regulatory / evidence / 双 MOA)
entries/_TEMPLATE_*.md         起草模板(source / entity)
bin/check_publish.py           发布门禁 + backed_by 跨层完整性(--schema-only 为 CI 硬门禁)
bin/render_site.py             静态站点(两层 + 双 MOA roadmap;默认只渲染已签,--include-drafts 预览)
hooks/guard_verdict.py         PreToolUse:禁止 AI 代写专家判语
hooks/validate_entry.py        PostToolUse:写入即按 schema 校验(草稿放行)
docs/SOURCING.md               按"genre × 来源"普查的发现法 + 候选池
CLAUDE.md                      决策、完整性规则、语言约定、hook 与门禁说明

作为 Skill 使用

本 repo 即一个 Claude Code Skill(开放 SKILL.md 格式)。安装:ln -s "$PWD" ~/.claude/skills/agentrndplan。触发后,它教 agent 走完整工作流:发现(genre×来源普查)→ 起草(先核实再写,源层或实体层,判语留空)→ 校验(schema + backed_by)→ 交专家签字 → 渲染/部署,并强制"AI 写事实、专家签判语"的边界。

设计取舍

• CLI / docs-as-data,不做 TUI:Skill 的交互界面是 agent 对话,TUI agent 驱动不了。若日后需要高频比对式人工评审,再在同一份数据上加一个轻量 TUI 视图。
• 单 schema + kind 判别器,而非两份文件:源/实体共享 ~60% 字段,单文件用 if/then 切必填,避免两份 schema 漂移。
• 双 MOA 不进每条 entry 当观点:entry 只存选择相关的事实字段,两个透镜的判断留给 roadmap 综合页与专家判语。