首先长按下方二维码，加入《AI医学应用及提效俱乐部》知识星球，进星球下载本Skill及其他数十个实用Skill

做医学事务或者医药情报的，大概都接过这种活：

「把这个药在全球的所有临床研究拉一张表出来，下周要跟老板过一遍。」

听起来不难——ClinicalTrials.gov 上搜一下、导出来、整理整理。真干起来是这样的：

• 同一个药有好几个代号，搜一个漏一半；
• 导出的是原始字段，RECRUITING、PHASE2、ESTIMATED 混在一起，得一个个换成人话；
• 地点那栏写着 China: 12, United States: 3, RoW: 5——RoW 到底是哪？其实多指中国中心，不是「海外」；
• 一份 200 行的表，光清洗就花掉半天，真正该分析的「这半年多了什么」反而没时间做。

今天就介绍这个 skill：ClinicalTrials 临床试验注册库检索与汇总。它把上面这件事变成一条命令。

一套围绕 ClinicalTrials.gov 官方 API 建起来的检索与汇总技能。

ClinicalTrials.gov 是全球最大的临床试验注册库，由美国国家医学图书馆维护，API v2 公开、免认证、限速约每分钟 50 次请求。数据是现成的，麻烦的从来不是「拿不到」，而是「拿回来之后怎么变成能给人看的表」。

这个 skill 的价值就在后半段。它的主脚本 ct_portfolio.py 干一件事：

不是给你一堆 JSON 让你自己拼，是给你一个可以发给老板、发给专家的成品 Excel。

先说什么不算。

注册库里很多研究，会在背景治疗或者摘要里提到目标药物——比如某化疗方案的对照组用了它。这类研究不纳入汇总表。

纳入标准是硬的：

这条看着简单，却是最容易翻车的地方。放宽一点，表里立刻多出几十条「只是提了一嘴」的研究，客户第一眼就会问「这个也算？」，整张表的可信度就没了。

列的顺序是固定的，中文在上、English 在下：

研究名称 / 研究标题 / 状态 / 分期 / 计划样本量 / 地区 / 干预措施 / 申办方 / 适应症 / 启动时间 / 主要终点完成 / 研究完成

为什么非要用双语表头？因为这张表通常要同时给两类人看：临床和注册的人看中文，外企总部或者对外交流时看英文。做两份表是最蠢的办法。

表的最上面还有一行合并的产品标识：

这一行别省。一个月后你再看这张表，才知道它是什么时候的数据。没有截止日的汇总表，本质上是一张不知道保质期的表。

一条命令产出的不是一张表，是一个工作簿：

① 汇总表 Portfolio —— 上面那 12 列的主表，可排序可筛选。

② 统计概览 Overview —— 按分期、状态、地区、适应症四组计数，配一张适应症分布图。老板第一个翻的往往是这一页。

③ 重点研究 Key trials —— III 期及以上，或者样本量 ≥300 的大样本研究。给专家看的一页纸。

④ 变更对比 Changes —— 见下一节，这是最值钱的一页。

⑤ 数据说明 Methods —— 数据来源、截止日、检索式、命中数 / 剔除数、纳入规则、字段口径、地区与分期定义、待核项。

最后一页很多人会觉得多余，但它是这张表的免责底座：为什么地区是这样归并的、为什么有些条目没重新核验，全写在这里。没有这一页，表一被追问就站不住。

假设你半年前做过一版，现在要更新。

一般人的做法是重新拉一遍，然后……然后就没有然后了。两版表放在一起，200 行，谁也说不出「到底变了什么」。

这个 skill 的 --baseline 参数会跟上一版逐条对比，把变化单独列成一页：

• 新增
  了哪些研究（这半年新开的）
• 哪些研究状态变了（比如从招募中变成已完成）
• 哪些研究的样本量或终点日期改了
• 上一版里有、这一版没再检出的条目

说句实话，客户真正关心的就是这个——「这半年多了什么、谁推进到 III 期了」，而不是再读一遍早就看过的 200 行。

这是整个 skill 里我认为最见功力的设计。

第一层：同一个药的多个代号要收成一条。

一个药从研发到上市，会有代号、中文名、英文名，甚至中途改过名。这些都写在 --alias 里，最后统一成一个写法。

但有个例外必须守住：

A药 + 化疗、A药联合B药 这类方案，在表里原样保留。你要是把它简化成单药，这张表就错了——它本来考察的就是联合方案。

第二层：注册库自己会把药名写错。

这不是耸人听闻。实测某药在注册库里有四种拼写变体——字母顺序颠倒、l 和 I 混淆这种。你要是只搜标准写法，这四条研究就永远漏在表外。

脚本跑完会打印提示：

看到这个提示，确认后务必补进去重跑一次。

那为什么不干脆让脚本自动合并？因为字符串相似度不可靠。atezolizumab 和 pembrolizumab 的相似度能到 0.72——自动合并的话，两个不同的药直接串一起，这是灾难性的错误。

所以脚本的设计是：只提示、不自动改。这个分寸拿得很准。

这部分是给要拿这张表去做决策的人看的。

① 样本量是「登记值」，不是「入组数」。

那一列里的数字绝大多数标着 ESTIMATED（预计入组）。这是申办方填报的计划值，不代表真实入组进度。所以表里不写「入组」两个字——写了就是误导。

② 疗效数据一律不进主表。

ORR、PFS、OS 这些不该跟注册信息混在一张表里。想放，就另起一页，标明文献出处。混进去的后果是：读者会以为这些数字也是注册库里的官方数据。

③ 地区别用 RoW。

RoW（Rest of World）字面看像「海外」，在中文语境里极易被误读。按国家归并成 China / US / Europe / Canada / Japan / Global 才清楚；没有中心信息但能从上下文推断的，标 China* 并在脚注说明。

④ 非 ClinicalTrials.gov 的注册号，不能装成实时数据。

中国的 ChiCTR 没有公开 API。所以那部分条目只能沿用上一版，并在表里明确标注「未重新核验」。拿旧数据冒充实时拉取，是这张表最容易出的诚信问题。

⑤ 日期按注册库精度写。

注册库可能只精确到月（2024-12），也可能到日。统一写成 MM/YY，不补日——补出来的「日」是编的。

做「全球汇总」时这句话必须交代清楚：

这个 skill 只覆盖 ClinicalTrials.gov。中国的 ChiCTR、欧盟 CTIS、日本 jRCT、澳洲 ANZCTR 都不在内。

而且国内很多未强制注册的 IIT，只有 ChiCTR 号，在 ClinicalTrials.gov 上根本查不到——这类需要人工补录并标注来源。

知道边界在哪，比多查几条数据更重要。

ClinicalTrials.gov 的 API 在国内访问，常遇到两种失败：

① 环境变量里的代理已失效 → 所有请求超时。脚本会自动设 trust_env = False 走直连。

② 网络掐断 TLS 1.3 握手，报 SSLError: UNEXPECTED_EOF → 自动强制降级到 TLS 1.2。

这两个都已经内置，你不用改代码。遇到 429（限速）则按 20 秒、40 秒退避。

最省事的方式，不用手动复制任何目录：

把 skill 安装包（zip 或整个文件夹）直接发给 WorkBuddy，配一句话：「帮我安装这个 skill」。

WorkBuddy 会自动解压、归位、刷新索引。而且安装和调用可以一步到位——你直接说「拉一下这个药的全球临床研究汇总」，它就去做了。

最常用的是这一条：

# 全景表：自动检索全部别名，出 5 个页签 $PY scripts/ct_portfolio.py --drug pembrolizumab \   --alias MSB0010718C --out portfolio.xlsx

要跟上一版对比，加两个参数：

# 版本对比 + 沿用旧版里的 ChiCTR 条目 $PY scripts/ct_portfolio.py --drug pembrolizumab \   --baseline old.xlsx --carry-non-nct --out new.xlsx

--carry-non-nct 就是「把上一版里的 ChiCTR 等非 NCT 条目带过来」——省得你每次手工补。

如果只是想临时查一下，用通用的检索脚本：

# 通用检索自检：检索→详情→翻页→CSV $PY scripts/query_clinicaltrials.py --demo "gastric cancer"

它还提供 search_studies() / get_study_details() / search_with_all_results() / extract_study_summary() / to_csv() 几个函数，按疾病、药物、地点、申办方、状态、分期都能查，自动翻页。

• 第一次跑完一定要看「疑似别名」提示
  ，补进 --alias 重跑。这一步不做，表里就会出现同一个药的多种写法。
• --key-n-min 默认是 300
  ，指「重点研究」页签的样本量门槛。如果你的适应症普遍是小样本（比如罕见病），记得调低，否则这一页会是空的。
• --no-stats / --no-diff / --no-key-trials
   可以关掉不想要的页签。只想要主表时很方便。
• 变更对比需要上一版文件真的存在
  。第一次跑没有 baseline，这一页自然是空的，别以为是报错。
• 提示里的「疑似变体」不要看也不看全加进去
  。要打开那条 NCT 记录确认干预措施里写的确实是这个药——加错就是串药。

这个 skill 真正省掉的，不是「查数据」的时间，而是把数据变成一份别人敢用的表的那几个小时——顺便还给你留了半年前后的可比性。

对天天要出管线表、竞品表、研究者汇报材料的人来说，这是一条能一直用下去的命令。

点击下方↓↓卡片，关注追踪AI在医学中提效及技能