consult

name	consult
description	Multi-disciplinary team consultation (MDT) coordinator for analyzing medical data and generating comprehensive reports
argument-hint	<数据范围，如：all/recent 5/date 2025-12-31>
allowed-tools	Read, Write
schema	consult/schema.json

Multi-Disciplinary Team Consultation Skill

Coordinate MDT specialist team to analyze patient medical data and generate comprehensive diagnostic reports. |

核心流程

用户输入 -> 读取数据索引 -> 确定分析范围 -> 识别专科需求 -> 并行启动专科分析 -> 整合报告 -> 展示结果

步骤 1: 解析用户输入

数据范围识别

Input	Analysis Range
all	All available data
recent N	Last N records
date YYYY-MM-DD	Specified date data
date YYYY-MM-DD to YYYY-MM-DD	Date range data
no parameters	Last 3 records

步骤 2: 读取数据索引

从 data/index.json 读取患者检查记录索引。

数据文件类型

• 检查报告: data/检查报告/YYYY-MM/YYYY-MM-DD_检查名称.json
• 症状记录: data/health-feeling-logs.json
• 慢性病管理: data/*-tracker.json

步骤 3: 确定会诊专科

自动识别规则

根据检查数据和异常指标，确定需要邀请的专科专家：

异常指标	专科
血脂异常、心肌酶异常、BNP异常	心内科
血糖异常、甲状腺功能异常	内分泌科
肝功能异常、腹部超声异常	消化科
肾功能异常、尿常规异常	肾内科
血常规异常、凝血异常	血液科
胸部CT异常、感染指标异常	呼吸科
头颅影像异常	神经内科
肿瘤标志物异常	肿瘤科
多系统异常	全科 (协调员)

专科列表

专科代码	专科名称	Skill文件
cardio	心内科	.claude/specialists/cardiology.md
endo	内分泌科	.claude/specialists/endocrinology.md
gastro	消化科	.claude/specialists/gastroenterology.md
nephro	肾内科	.claude/specialists/nephrology.md
heme	血液科	.claude/specialists/hematology.md
resp	呼吸科	.claude/specialists/respiratory.md
neuro	神经内科	.claude/specialists/neurology.md
onco	肿瘤科	.claude/specialists/oncology.md
general	全科	.claude/specialists/general.md

步骤 4: 并行启动专科分析

使用 Task 工具并行启动相关专科的 subagent。

Subagent Prompt 模板

您是{{专科名称}}专家。请按照以下 Skill 定义进行医疗数据分析：

## Skill 定义
{{读取对应的专科 skill 定义文件}}

## 患者医疗数据
{{加载相关的检查数据}}

## 分析要求
1. 严格按照 Skill 定义的格式输出分析报告
2. **优先分析慢性病管理情况**（如存在）
3. 结合检查报告数据综合分析
4. 严格遵守以下安全红线：
   - 不给出具体用药剂量
   - 不直接开具处方药名
   - 不判断生死预后
   - 不替代医生诊断
5. 提供具体可行的建议

步骤 5: 整合会诊报告

报告格式

## 多学科会诊(MDT)报告

会诊日期: YYYY-MM-DD

━━━━━━━━━━━━━━━━━━━━━━━━━━

### 各专科分析

#### 1. {{专科名称}}
[专科分析内容...]

#### 2. {{专科名称}}
[专科分析内容...]

━━━━━━━━━━━━━━━━━━━━━━━━━━

### 综合评估

[综合分析...]

━━━━━━━━━━━━━━━━━━━━━━━━━━

### 优先级排序

1. [高优先级问题]
2. [中优先级问题]
3. [低优先级问题]

━━━━━━━━━━━━━━━━━━━━━━━━━━

### 综合建议

#### 生活方式调整
[具体建议...]

#### 就医建议
[具体建议...]

#### 随访计划
[具体计划...]

━━━━━━━━━━━━━━━━━━━━━━━━━━

### 重要声明

本报告仅供健康参考，不能替代专业医疗诊断和治疗。
所有医疗决策请遵从医生指导。

安全红线（严格遵守）

1. 不给出具体用药剂量

   • 错误示例："服用阿托伐他汀 20mg 每日1次"
   • 正确做法："建议咨询医生调整降脂药物方案"

2. 不直接开具处方药名

   • 错误示例："开具阿司匹林肠溶片"
   • 正确做法："建议咨询医生是否需要抗血小板治疗"

3. 不判断生死预后

   • 错误示例："预后差，生存期不超过6个月"
   • 正确做法："建议积极治疗，定期复查评估疗效"

4. 不替代医生诊断

   • 错误示例："确诊为冠心病"
   • 正确做法："提示可能存在冠心病风险，建议心内科进一步检查明确诊断"

执行指令

1. 识别数据范围参数
2. 读取 data/index.json 获取记录列表
3. 根据数据类型确定需要的专科
4. 并行启动相关专科 subagent 分析
5. 收集各专科分析报告
6. 整合生成综合会诊报告
7. 向用户展示完整报告

示例交互

示例 1: 分析所有数据

用户: /consult all
AI: 📊 正在启动多学科专家会诊...

    读取数据中...
    发现异常指标:
    • 血脂异常 → 心内科
    • 血糖偏高 → 内分泌科
    • 肝功能异常 → 消化科

    并行启动专科分析...

    [生成完整会诊报告...]

示例 2: 分析最近5条记录

用户: /consult recent 5
AI: 📊 分析最近5条检查记录...

    涉及专科: 心内科、内分泌科

    [生成会诊报告...]

示例 3: 分析指定日期数据

用户: /consult date 2025-12-31
AI: 📊 分析2025年12月31日的检查数据...

    [生成会诊报告...]

重要提示

• 本系统仅供健康参考，不能替代专业医疗诊断和治疗
• 所有医疗决策请遵从医生指导
• 会诊报告基于提供的检查数据，可能存在局限性
• 紧急情况请立即就医