Skill /papers: Papers de IA em Medicina da Última Semana

Visão geral

Recebe um tópico do usuário, varre arXiv + PubMed + medRxiv nos últimos 7 dias, filtra pelos que tratam de metodologia de IA aplicada à medicina, deduplica e entrega uma lista estruturada inline, pronta para triagem. O fluxo natural depois é rodar /abstract [link] ou /paper-review [link] nos papers que valerem a pena ler.

Passo 1: Obter o tópico

A skill pode ser acionada de duas formas:

IMPORTANTE, tradução PT→EN: As bases (arXiv, PubMed, medRxiv) indexam em inglês. Se o tópico vier em português, traduza para inglês técnico antes de passar para o script. Exemplos:

• "LLMs para extração de EHR" → "LLM EHR extraction"
• "predição de sepse" → "sepsis prediction"
• "fairness em radiologia" → "fairness radiology"
• "modelos fundacionais para imagem médica" → "foundation models medical imaging"

Mantenha o tópico curto (2-5 palavras-chave), sem conectores. Se o usuário já deu em inglês, passe direto.

Passo 2: Rodar o script de varredura

O script bundlado em "${CLAUDE_SKILL_DIR}/scripts/fetch_papers.py" faz todo o trabalho: bate nas 3 APIs em paralelo, parseia XML/JSON, filtra por data + relevância de IA, deduplica por DOI e devolve markdown pronto.

Como invocar:

python3 "${CLAUDE_SKILL_DIR}/scripts/fetch_papers.py" --topic "TOPICO AQUI" --days 7

Parâmetros:

• --topic (obrigatório): o tópico fornecido pelo usuário, entre aspas
• --days (opcional, padrão 7): janela em dias
• --max-per-source (opcional, padrão 25): limite por fonte antes do merge
• --no-pubmed / --no-arxiv / --no-medrxiv: desabilitar fontes específicas se o usuário pedir

O script só usa a biblioteca padrão do Python (sem pip install).

Passo 3: Receber e apresentar o resultado

O script imprime markdown já formatado no stdout. Sua tarefa é repassar o output direto pro usuário, com um cabeçalho curto e um rodapé com próximo passo.

Cabeçalho (antes do output do script):

🔎 Varredura de papers, **[tópico]**
Janela: [data_inicio] → [data_fim] (últimos 7 dias)

Corpo: output literal do script (não reformate, não resuma).

Rodapé (depois do output): oferecer /abstract [link] para o resumo estruturado de qualquer item da lista.

Passo 4: Casos especiais

Passo 5: Comportamento esperado

• Sempre perguntar o tópico se não foi fornecido, não chute.
• Nunca invente papers. Se o script não achou, não preencha com "papers similares que você pode gostar". Seja honesto com 0 resultados.
• Não resuma nem reformate o output do script. Ele já foi projetado pra ficar legível, repasse cru.
• Não traduza títulos nem autores. Mantenha no idioma original (inglês).
• Priorize papers com DOI, o script já faz isso na ordenação, mas se for listar só um subset, DOI primeiro.
• Não cite pra usuário os URLs internos das APIs (arXiv API, E-utilities), só os links finais dos papers.

Passo 6: Formato de saída esperado (referência)

O script produz algo assim pra cada paper:

### 1. [Título completo do paper]
**Autores:** Smith J, Kumar R, Tanaka Y, et al.
**Fonte:** arXiv · cs.CL · 2026-04-15
**DOI/ID:** [10.48550/arXiv.2604.12345](https://arxiv.org/abs/2604.12345)
**Abstract (destaque):** Propõe um framework de LLM fine-tunado em notas clínicas do MIMIC-IV para extração de comorbidades, atingindo F1 de 0.89 vs 0.74 do baseline BERT-clinical...

Papers separados por linha em branco. Numeração sequencial. Ordenação por data decrescente (mais recente primeiro).

Exemplos de acionamento

Nota técnica sobre as fontes

• arXiv: varre categorias cs.AI, cs.LG, cs.CL, cs.CV, stat.ML, q-bio.QM. Filtra client-side por data de submissão e keywords médicas (health, clinical, medical, patient, hospital, EHR, diagnosis, etc.) no título ou abstract.
• PubMed: usa E-utilities (esearch + efetch). Query combina o tópico com filtros MeSH de IA (artificial intelligence, machine learning, deep learning, neural networks, computer) + faixa de PDAT (publication date) dos últimos N dias.
• medRxiv: usa API oficial, baixa todos os preprints no intervalo de datas e filtra client-side por keywords do tópico + menção metodológica de IA.

Dedup: por DOI primeiro, depois por título normalizado (lowercase, sem pontuação, primeiros 80 chars).