| name | trial-landscape |
| description | 用于临床试验管线 / 竞争情报 / landscape analysis / KOL 识别 / 试验设计 benchmark。触发：临床试验 landscape、pipeline analysis、compete intelligence、竞争管线、这个靶点有谁在做临床、这个适应症的三期试验有哪些、找 KOL、principal investigator、endpoint benchmark、试验设计参考、market landscape、我要写一份 landscape 报告、这药在哪几个国家在做临床、投资人问 X 有哪些在跑的临床。禁用于：查单个 NCT 的方案——那用 ctgov_detail 直答。 |
临床试验 landscape（trial-landscape）
面向两类用户：药企 / 投资人的竞争情报，学者的试验设计参考。共用一个流程，报告角度不同。
触发后先明确
- 视角：药企 pipeline / 投资人 landscape / 学者 benchmark / 患者 recruitment。
- 范围：单个化合物？单个靶点？单个适应症？还是 X drug × Y indication 组合？
- 时间窗：只看 recruiting / active，还是也含 completed 3 年内？
工作流
Step 1：靶点 / 药物规范化
- 药物 →
chembl_compound_search 拿 ChEMBL ID → ot_drug_details 拿 tradeNames / synonyms
- 靶点 →
hgnc_lookup_symbol 拿 symbol + alias（alias 一定要一起搜，同一靶点在不同厂商标签里名字不同）
- 疾病 →
ols_search ontology=mondo 拿 MONDO ID + synonyms
搜索时用 synonym 集合并集，不是只用规范名。
Step 2：拉试验
药物视角：ctgov_search intervention=<drug + synonyms>
靶点视角：先 ot_target_associated_diseases 拿疾病列表 → 逐疾病 ctgov_search intervention=（这个覆盖率会不完美，要在报告里明说）
竞争情报：ctgov_by_sponsor 按公司名拉全 pipeline
Step 3：分层表格
按 phase 分四行（Phase 1 / 2 / 3 / 4）× 按 status 分三列（recruiting / active / completed）。每格里放 NCT 数量 + 展开链接。
recruiting active completed
Phase 1 3 2 5
Phase 2 4 3 12
Phase 3 1 2 8
Phase 4 0 0 3
Step 4：endpoint 归一化
优先调用 ctgov_analyze_endpoints（基础 bio-trials pack）按 condition / intervention / phase 聚合 primary 与 secondary outcomes；如果只接入了 MCP shim，也可以用同等语义的 analyze_endpoints。不要再逐个 ctgov_detail 手工抽 endpoint，除非需要核对某个 NCT 的完整方案。产出"这个适应症里被用过的主要终点"清单：
- overall survival (OS)
- progression-free survival (PFS)
- objective response rate (ORR)
- disease-free survival (DFS)
- 具体量表（EDSS、HAM-D 等）
按被用次数排序 —— 用户设计新试验时可参考惯例。
Step 5：KOL / 站点
对 top-5 recruiting 的试验：
ctgov_detail 拿 locations 列表- 提取 principal investigator（如果 API 返回）+ 机构
- 出现频次高的 = 该领域 KOL
警告：不要仅凭出现次数评级"影响力"——用户可能拿去做 KOL 邀请，凭 CT.gov 挂名判断影响力风险很高。至多说"XX 教授在 5 个 recruiting 试验中挂 PI，可作为 KOL 候选"。
Step 6：产出报告
三段结构：
- Landscape overview：数量表 + 3 个关键发现（如"过去 24 个月新启动的 3 期试验都聚焦 second-line"）
- Endpoint benchmark：主要终点频率表，按 phase 分
- Competitive gaps：哪些患者亚组 / geography / phase 没有 active trial（=机会窗口 or 未满足需求）
- 数据局限：CT.gov 覆盖以美国为主，欧洲 EudraCT / 中国 CDE / 日本 JAPIC 没打通——报告里明说。
反例
编 NCT ID = 死罪。CT.gov 的 NCT ID 特别容易被 LLM 幻觉，因为格式很规律（8 位数字）。任何 NCT ID 都必须从 ctgov_* 工具的输出里来，不能自己写。同理不允许伪造 PI 名字。
边界
- 只覆盖 ClinicalTrials.gov（美国 NIH 注册库）。EudraCT / CHiCTR / ANZCTR 不在。
- Sponsor 名字规范化很粗（大公司会有几十个法律实体名），需要用户手工核对。
收尾强制项：不确定性面板（uncertainty-first）
本工作流的结论一律不得省略五段面板：Known knowns / Known unknowns / Conflicts / Missing data / Next experiment。做法见 uncertainty-first skill —— 优先把结论拆成 claim 走 evidence_graph（每条 claim 自动绑证据等级 / 物种 / 样本量 / 疾病阶段 / 适用边界 / 反证），再把 claims 喂给 uncertainty_ledger 自动生成五段，补上工具挖不到的领域先验（extra 参数）后原样贴出。缺这五段，回答视为未完成——研究者要的正是被暴露的盲区。
