複数のバイオマーカーの統合を使用して、免疫チェックポイント阻害剤 (ICI) に対する患者の反応を予測します。がんの種類、体細胞変異、およびオプションのバイオマーカー (TMB、PD-L1、MSI ステータス) を考慮して、TMB 分類、ネオアンチゲン負荷推定、MSI/MMR 評価、PD-L1 評価、免疫微小環境プロファイリング、変異ベースの耐性/感受性予測、臨床証拠の検索、および複数のバイオマーカー スコアの統合を含む 11 フェーズにわたる体系的な分析を実行します。定量的な ICI 反応スコア (0 ～ 100)、反応可能性層、証拠を伴う特定の ICI 薬剤推奨、耐性危険因子、およびモニタリング計画を生成します。腫瘍学者が免疫療法の適格性、チェックポイント阻害剤の選択、またはバイオマーカーに基づいた ICI 治療の決定について尋ねる場合に使用します。
コマンドラインで tooluniverse-immunotherapy-response-prediction AI スキルを開発環境にすばやくインストール
ソース: mims-harvard/tooluniverse。
Predict patient response to immune checkpoint inhibitors (ICIs) using multi-biomarker integration. Transforms a patient tumor profile (cancer type + mutations + biomarkers) into a quantitative ICI Response Score with drug-specific recommendations, resistance risk assessment, and monitoring plan.
Required: Cancer type + at least one of: mutation list OR TMB value Optional: PD-L1 expression, MSI status, immune infiltration data, HLA type, prior treatments, intended ICI
| Cancer + mutations | "Melanoma, BRAF V600E, TP53 R273H" | cancer=melanoma, mutations=[BRAF V600E, TP53 R273H] | | Cancer + TMB | "NSCLC, TMB 25 mut/Mb" | cancer=NSCLC, tmb=25 | | Cancer + full profile | "Melanoma, BRAF V600E, TMB 15, PD-L1 50%, MSS" | cancer=melanoma, mutations=[BRAF V600E], tmb=15, pdl1=50, msi=MSS |
複数のバイオマーカーの統合を使用して、免疫チェックポイント阻害剤 (ICI) に対する患者の反応を予測します。がんの種類、体細胞変異、およびオプションのバイオマーカー (TMB、PD-L1、MSI ステータス) を考慮して、TMB 分類、ネオアンチゲン負荷推定、MSI/MMR 評価、PD-L1 評価、免疫微小環境プロファイリング、変異ベースの耐性/感受性予測、臨床証拠の検索、および複数のバイオマーカー スコアの統合を含む 11 フェーズにわたる体系的な分析を実行します。定量的な ICI 反応スコア (0 ～ 100)、反応可能性層、証拠を伴う特定の ICI 薬剤推奨、耐性危険因子、およびモニタリング計画を生成します。腫瘍学者が免疫療法の適格性、チェックポイント阻害剤の選択、またはバイオマーカーに基づいた ICI 治療の決定について尋ねる場合に使用します。 ソース: mims-harvard/tooluniverse。
AI/検索での引用用の安定したフィールドとコマンド。
npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-immunotherapy-response-prediction複数のバイオマーカーの統合を使用して、免疫チェックポイント阻害剤 (ICI) に対する患者の反応を予測します。がんの種類、体細胞変異、およびオプションのバイオマーカー (TMB、PD-L1、MSI ステータス) を考慮して、TMB 分類、ネオアンチゲン負荷推定、MSI/MMR 評価、PD-L1 評価、免疫微小環境プロファイリング、変異ベースの耐性/感受性予測、臨床証拠の検索、および複数のバイオマーカー スコアの統合を含む 11 フェーズにわたる体系的な分析を実行します。定量的な ICI 反応スコア (0 ～ 100)、反応可能性層、証拠を伴う特定の ICI 薬剤推奨、耐性危険因子、およびモニタリング計画を生成します。腫瘍学者が免疫療法の適格性、チェックポイント阻害剤の選択、またはバイオマーカーに基づいた ICI 治療の決定について尋ねる場合に使用します。 ソース: mims-harvard/tooluniverse。
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-immunotherapy-response-prediction インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code、Cursor、OpenClaw で使用できるようになります
https://github.com/mims-harvard/tooluniverse