academic-aio

学术 AIO 技能 — 提升医学 AI 论文在 AI 搜索引擎中的可见度

沟通规则

• 在回复中展示检查清单。切勿悄悄应用 AIO 修改。
• 如果某条规则与期刊格式要求冲突，应以期刊要求为准，并注明该项为 NA 及原因。
• 引入规则时，引用其来源（TRIPOD+AI、CLAIM、STARD-AI、Wu 2025、Algaba 2024、Aggarwal 2024 GEO），引用 External References 中的 DOI 或 arXiv ID。切勿编造引用、DOI、arXiv ID 或报告指南条目编号；无法核实的内容标记为 [VERIFY]。

第 1 节 — 优化标题和摘要

1.1 标题三要素规则

结构：[任务] + [成像模态或解剖部位] + [模型家族或方法类别]。如有充分依据，应加入一个具体的差异化要素（数据集规模、新基准、“首次……”）。避免堆砌关键词（AI 概览会将其视为垃圾内容并降低权重）。

• 通过：“基于 Transformer 的头部非增强 CT 颅骨骨折分割。”
• 未通过：“一种新颖、先进的深度学习 AI 机器学习医学图像分析框架。”

1.2 结构化摘要

采用期刊要求的结构（Lancet 系列：Background / Methods / Findings / Interpretation；RSNA 系列：Background / Purpose / Materials and Methods / Results / Conclusion 等）。如果期刊允许非结构化摘要，也应在内部组织好结构。每个部分应能独立作为语义块，且不超过 3 句话，以免 RAG 分块边界将论述拆开。

1.3 开篇句和结尾句

• 首句：用一句话同时说明问题和贡献。切勿用套话开篇（“近年来，AI 彻底改变了……”）——这会浪费 LLM 摘要器提取最多的文本块。
• 末句：明确说明解释（“我们表明……”、“这意味着……”）。结尾不能只有保留性措辞。

1.4 分类术语句

加入一句话，点明该领域的受控词汇（“诊断准确性研究”“基础模型评估”“LLM 评审”“智能体放射学工作流”）。AI 索引中的实体链接器会利用这句话。

1.5 定量主张

每篇摘要都必须至少包含一个带置信区间的主要数值结果（例如，“AUC 为 0.94［95 % CI 0.91–0.96］”）。

1.6 报告指南锚点

在摘要或 Methods 的首句中注明指南：“根据 TRIPOD+AI（Collins 2024）和 CLAIM 2024（Tejani 2024）进行报告”。适用时，加入 STARD-AI 2025、DECIDE-AI 或 TRIPOD-LLM。AIO 规则与指南条目的对应关系：references/reporting_guideline_mapping.md。

1.7 关键词、MeSH 和 RadLex 覆盖范围

标题、摘要和关键词应共同涵盖该概念的关键术语，同时避免在关键词中重复标题用语（92 % 的受调查论文在标题、摘要和关键词中重复了关键术语；Royal Society 2024，doi:10.1098/rspb.2024.1222）。包括：

• 核心 MeSH 术语（请在 NLM MeSH 浏览器中核实）以及适用的 RadLex 术语。
• 成像模态同义词（“胸部 X 线摄影（CXR）”“非增强 CT（NCCT）”）。
• 相关时同时使用美式和英式拼写。

第 2 节 — 论文层面的 AIO

2.1 摘要框

在适用的情况下，原样纳入期刊专属摘要框；这是 AI 搜索引擎最常复制或转述的片段：

• Lancet 系列：「研究背景」（研究证据／本研究的新增价值／研究意义）。
• RSNA Radiology 和 RYAI：3 条要点，每条只陈述一项主张——在 references/journal_summarybox_templates.yaml 中，Radiology 使用「关键结果」标签，RYAI 使用「关键要点」标签。请根据 RSNA 最新的作者须知确认标签；格式检查接受 Radiology 使用任一标签。
• npj Digital Medicine：不设摘要框；文章采用不超过 150 词的非结构化摘要。
• Nature Medicine：编辑摘要（由编辑部提供，但请主动起草一版）。

期刊专属模板：references/journal_summarybox_templates.yaml。切勿凭空编造摘要框规则：应用模板前，请对照期刊最新的作者须知逐一核实。

确定性格式检查。 使用期刊规范检查起草的摘要框：python3 ${CLAUDE_SKILL_DIR}/scripts/check_summary_box.py --manuscript <file> --journal <stem> --strict（读取 references/summary_box_specs.json：检查 Key Points / Key Results 顶层项目符号数量及每条是否只含一项主张、Research-in-context 的三个子区块是否各自以独立一行开头并包含文本，以及通俗语言的字数范围）。此检查可以发现制作技术检查会拒收的格式错误或项目符号数量错误。

已知限制。 摘要框仅在遇到标题或仅含粗体文本的标签行时结束；因此，如果框后紧接着纯文本标签（Abbreviations:）下的列表，该列表会被计入摘要框；如果正文中以摘要框标签开头的短语使用强调格式（*Key points* of prior work ...），则会被误认为摘要框。出现这两种情况时，请人工目视检查摘要框。在 Research-in-context 摘要框中，最后一个子区块标签之后仅含粗体文本的行会结束摘要框，因此无法区分 Implications 中的子标题（**For clinicians**）和下一个章节；以这种方式留空的 Implications 子区块会被报告为提示，而非失败。

2.2 陈述性章节标题

标题应陈述主张，而不是使用通用标签：「模型在罕见发现子集中表现不佳」优于「亚组分析」。

2.3 数值主张精简

在 Methods 和至少一个 Results 段落中，将主要结局统计数据精简为一句话： 「在内部测试集（n = 842）中，模型的 AUC 为 0.94（95 % CI 0.91–0.96），敏感度为 88.2 %（85.1–91.0），特异度为 91.4 %（88.7–93.6），工作点为 0.37。」

2.4 可复现性说明

加入带标签的说明区块（置于 Methods 末尾，或单独设立 Data/Code Availability 章节），列出数据可用性及许可、带 DOI 的代码可用性、模型权重和检查点、提示词和配置文件、随机种子及计算环境。标记仅说明代码「可在合理请求下提供」的情况：抓取工具会将其视为不可复现，AI 工具也会降低论文评级。

2.4a 按用途类别引用 AI 辅助工具

应根据 AI 辅助工具实际执行的工作来说明其用途，而不是加以隐瞒：验证／质量保证和分析用途应放在软件／代码可用性声明中（可引用）；生成式起草或文本人性化处理则应放在期刊的AI 使用披露栏中，而非作为引用。若引用工具作者自己的作品，还必须披露利益冲突（COI），且只能引用本研究实际使用的功能。用途类别表和规则：${CLAUDE_SKILL_DIR}/references/ai_tool_citation_framing.md。

2.5 限制枚举

明确列出并点明每项限制（外推性、谱系偏倚、数据集偏移、单中心训练、标签噪声）。标记「临床级」或「取代放射科医生」等过度主张：LLM 信任启发式会降低其评级，也容易招致审稿人拒稿。

2.6 独立图注

每条图注都应重述主张、数据集和指标，因为正文丢失后，图注仍会保留在矢量图和图像检索索引中。

第 3 节 — 预印本、渠道与索引策略

3.1 预印本与快速通道

• 默认做法：在向期刊投稿当天，将论文发布到 medRxiv（临床）、arXiv（方法，cs.CV / eess.IV）或 bioRxiv。这样论文会在 24–72 小时内进入 Semantic Scholar，并立即进入 Perplexity 的网络索引。
• 例外情况：如果目标期刊提供快速审稿周期（从录用到在线发表约 30–60 天），且作者倾向于只保留一个权威版本，则可以跳过预印本；作为补偿，应在录用后积极通过社交网络服务（SNS）推广，并存入 PMC。
• 绝不能同时跳过预印本和快速通道——仅限付费墙访问的论文对大多数 RAG 工作流来说都不可见。

3.2 期刊预印本政策

大多数医学 AI 领域的期刊和会议允许发布预印本；少数会限制预印本或要求披露。发布前，请在 Sherpa Romeo 或期刊的作者须知中核实当前政策。

3.3 索引时延

规划发布时机时，请阅读 ${CLAUDE_SKILL_DIR}/references/launch_sequencing.md；其中列出了各索引收录论文所需的时间。

3.4 开放获取选择

预算允许时，优先选择采用 CC-BY 许可的金色开放获取；否则，可通过预印本加作者接受稿实现绿色开放获取。没有预印本的封闭获取论文，其 AI 工具引用量会减少约 30–50 %，因为 Elicit、Consensus 和 Perplexity Academic 无法从付费墙后的 PDF 中提取内容。

资助方开放获取政策决策树（Plan S、NIH、UKRI、Gates、Wellcome、NRF、MoHW）：references/oac_funding_checklist.yaml。

3.5 录用后渠道清单

• 将 AAM 存入 PMC 或 Europe PMC。
• 更新 ORCID 和 Google Scholar 个人资料。
• 在 Threads / X / BlueSky 上发布内容，附上 DOI、一句话主张和图示；在 LinkedIn 上发布长文。
• 如果论文报告了基准测试，请提交至 Papers with Code。
• 将模型或数据集上传到 Hugging Face，并附上模型卡或数据集卡。

第 12 节列出了逐日执行顺序。

第 4 节 — 综述论文策略

如果产物是综述或分类论文，或者当前阶段为 pre-draft，请阅读 ${CLAUDE_SKILL_DIR}/references/pre_draft_strategy.md。

第 5 节 — GitHub、CITATION.cff、Zenodo、Hugging Face

如果产物是 README、CITATION.cff、Zenodo 记录或 Hugging Face 模型卡 / 数据集卡，请阅读 ${CLAUDE_SKILL_DIR}/references/repository_and_cards.md（规则 5.1–5.6）。

• 在代码仓库页面和作者主页中嵌入 JSON-LD ScholarlyArticle / SoftwareSourceCode / Dataset / Person 标记——模板位于 references/schema_markup_templates/，可使用 python scripts/validate_schema.py path/to/file.jsonld 进行验证。
• 绝不要自动补全 CITATION.cff 或 Zenodo 元数据中的作者名单、ORCID 或所属机构；请将空缺项提示给用户。

第 6 节 — 权威性与 E-E-A-T 信号

• 维护作者主页（GitHub Pages、个人域名或机构页面），列出所有论文及其 DOI 和开放获取链接。
• 所有论文使用一致的所属机构名称；名称不一致会导致知识图谱中的作者实体碎片化。
• 保持 ORCID 信息完整，并关联到 Google Scholar。每 6 个月在 Semantic Scholar 上重新进行作者消歧。
• 在有依据的情况下，在讨论部分交叉引用同一团队的相关论文；团队内部引用会提高 RAG 的共同检索率。
• 每季度更新代码仓库和模型卡；与只发布一次的文章相比，每季度更新的文章在 AI 概览留存率方面表现更好（Conductor 2026 基准测试）。

第 7 节 — LLM 引文编造防护

50% 到 90% 的 LLM 医疗问题回答并未得到其引用来源的充分支持（Wu et al.，Nat Commun 2025，doi:10.1038/s41467-025-58551-6）。保护论文的标识信息：

• 在论文落地页和 README 顶部，以便于复制的文本呈现 DOI 和 PMID（例如，DOI: 10.xxxx/yyyy • PMID: 12345678）。
• 添加“如何引用”部分，在同一处提供 BibTeX、APA、Vancouver 格式以及纯文本引用行。
• 监测错误引文：为论文标题的变体设置 Google Scholar 提醒，并定期通过 Perplexity 和 ChatGPT 网页查询，记录虚构的文献信息错误。只有基于已记录的探测，才能报告可发现性（Perplexity / Elicit / Consensus 检索）；切勿估算。
• 审稿人引用 LLM 生成的参考文献时，在接受之前自行核实 DOI 和 PMID。

第 9 节 — 按项目应用与工作流集成

调用时，按以下顺序执行：

1. 阅读目标内容（标题、摘要、稿件章节、README 或卡片），并识别其生命周期阶段：pre-draft / drafting / pre-submission / post-acceptance / post-publication。
2. 应用与该内容相关的第 1–5 节和第 10 节，根据 references/checklists/AIO_GENERAL.md 中的 applies_to_phase 字段筛选每条规则。不适用于当前阶段的规则标记为 NA，而不是 FAIL（例如，在 pre-submission 审查中，不要将 §11.5 多学科名册或 §12 发布顺序标记为 FAIL）。按 expected_lift（高 → 中 → 低）排序，使用 references/checklists/AIO_GENERAL.md 的输出模板，生成 PASS / PARTIAL / FAIL 表格，每项附一行理由和具体修正措施。以编程方式生成时，使用 templates/aio_audit_checklist.md.j2 渲染。
3. 遵守 defers_to 注释，避免重复审查。 带有 defers_to 字段的项目在此仅记录存在/缺失状态；项目级详情应参照所链接的技能或参考资料（§1.6 → /check-reporting；§3.4 / §11.3 → references/oac_funding_checklist.yaml）。如果稿件尚未经过报告指南审查，先调用 /check-reporting；AIO ↔ 指南条目的映射见 references/reporting_guideline_mapping.md。
4. 每个投稿周期执行一次第 6 节的作者权威性审查，并根据 applies_to_phase 筛选结果应用第 11–12 节。
5. 在 post-acceptance 阶段提出第 7 节的引文防护建议。对于多仓库或 Hugging-Face 卡片团队审查，运行 scripts/batch_metadata_audit.py。
6. 输出：
   • 按阶段筛选的清单（可见）。
   • 一份简短的延期项目列表，为每条 defers_to 规则附一行状态。
   • 最多 5 项具体修改，按 expected_lift 排序（高优先，其次中，最后低）。只有在没有尚未解决的高 / 中优先级项目时，低优先级修改才能进入前 5 项。

与其他技能集成

• 在 /self-review 和 /humanize 之后运行，使经 QC 确认的主张和最终的易读文本成为清单的依据。
• 在 /write-paper 中：起草标题和摘要时应用第 1 节；起草讨论部分时应用第 2.5 节和第 6 节（交叉链接）；完成报告指南检查和数值主张审查后，在 QC 阶段应用完整清单。

第 10 节 — 问答与实体提取优化

10.1 四问问答模块（讨论或附录）

添加带标签的问答模块，可以放在讨论部分的结尾小节，也可以作为补充框：

• 本研究之前已知什么？ — 用两句话重述既有认知。
• 本研究新增了什么？ — 用两句话说明研究贡献。
• 这可能会如何改变临床实践或研究？ — 用一句话进行解读；避免夸大结论。
• 这为何重要？ — 用一句话向非专业人士说明其意义。

《Lancet Digital Health》的“Research in context”已涵盖前两个问题；该模块在此基础上加以扩展。

10.2 含实体 ID 的术语表

首次使用时，在正文中定义每个领域专用缩写，并在 Methods 末尾或 Supplement 中的术语表小节中列出，尽可能注明规范实体 ID：MeSH term ID（临床概念）、RadLex ID（放射学术语）、UMLS CUI（跨词表映射）、Hugging Face model ID（命名模型）、arXiv ID（引用的方法）。

10.3 行内引用锚文本

避免只给出参考文献编号；应将每条引用与其具体论断关联起来：

• 弱：“先前研究 [12] 显示有效。”
• 强：“Smith 等人（DOI：10.xxxx/yyyy）报告称，在 MIMIC-CXR 测试集上准确率提高了 12 % [12]。”

引用自己的先前研究时，明确写出队列或数据集名称，以便跨论文检索。

10.4 明确说明挑战

除 2.5 中的局限性列表外，还应在 Discussion 开头附近加入一段“为何这很难”的说明：

“针对 [模态/解剖部位] 构建准确的 [任务]，受到 [数据稀缺 / 标签噪声 / 数据集偏移 / 监管不确定性 / 可解释性] 的限制。这些因素均已有文献记载 [refs]，而我们的结果解决了其中的 [子集]。”

LLM 网页搜索系统会将挑战说明引用为领域现状的权威总结（实例：references/case_studies/kjr_mllm_2025.md）。

第 11 节 — 先发时机与引文图谱密度

规则 11.1（主题峰值检测）、11.2（编委会影响力）和 11.5（多学科作者阵容）位于 ${CLAUDE_SKILL_DIR}/references/pre_draft_strategy.md；请在 pre-draft 阶段阅读。

11.3 优先选择自动存入 PMC 的期刊

会自动将文章存入 PubMed Central 的 OA 期刊，能在发表后 4–6 周内被 LLM 爬虫收录；非 PMC OA 期刊则可能需要 3–6 个月。在其他条件相同的情况下，优先选择自动存入 PMC 的期刊。放射学/医学 AI 领域的示例（投稿前请核实；政策可能变更）：

• Korean Journal of Radiology (KJR) — 已确认自动存入。
• Lancet Digital Health — 作者资助的绿色 OA，禁运期后符合 PMC 收录条件。
• Radiology 和 Radiology: AI — 部分文章自动存入。
• npj Digital Medicine — 自动存入（Nature OA）。
• JAMIA — 作者资助的 OA 渠道。
• JMIR — 自动存入（已被 PMC 收录）。

11.4 引文图谱锚定策略

在 Discussion 中围绕 5–10 篇高关注度的先前研究展开；LLM 训练语料库已对这些研究进行良好索引，以便用户查询这些研究时能够检索到论文。

• 使用 Semantic Scholar 的主题“Highly Influential Citations”筛选条件，识别开创性参考文献。
• 使用语义谓词引用这些文献（第 10.3 节），不要只罗列文献。
• 将近期预印本（时效性）与 2018–2022 年的开创性论文（图谱锚定）结合起来；仅引用 2024–2025 年文献的引用概况在 LLM 检索中的权重较低，因为语料库存在时间截断。

第 12 节 — 跨平台发布顺序

在 post-acceptance / post-publication 阶段，阅读 ${CLAUDE_SKILL_DIR}/references/launch_sequencing.md，了解 Day 0 → Month 1 的顺序（规则 12.1–12.5）。

外部参考文献

• GEO：生成式引擎优化 — Aggarwal 等人，KDD 2024，arXiv:2311.09735。
• LLM 医学引用支持 — Wu 等人，Nat Commun 2025，doi:10.1038/s41467-025-58551-6。
• LLM 引用偏差 — Algaba 等人，2024，arXiv:2405.15739。
• ExpertQA 归因 — Malaviya 等人，2024，arXiv:2309.07852。
• TRIPOD+AI — Collins 等人，BMJ 2024。EQUATOR Network。
• CLAIM 2024 — Tejani 等人，Radiology: AI 2024，doi:10.1148/ryai.240300。
• STARD-AI — Sounderajah 等人，Nat Med 2025，doi:10.1038/s41591-025-03953-8。
• TRIPOD-LLM — Gallifant 等人，Nat Med 2024，doi:10.1038/s41591-024-03425-5。
• DECIDE-AI — Vasey 等人，Nat Med 2022，doi:10.1038/s41591-022-01772-9。
• 标题、摘要和关键词指南 — Royal Society Proc B 2024，doi:10.1098/rspb.2024.1222。
• GitHub 仓库引用优势 — Kang 等人，Inf Process Manag 2023，doi:10.1016/j.ipm.2023.103477。
• Semantic Scholar Open Data Platform — Kinney 等人，arXiv:2301.10140。