用途：在编写任何代码前结构化地设计医疗与生命科学机器学习研究，或评审已有管线、判断模型能否进入下一阶段。适用于临床/生物医学预测问题、数据集建模选型、切分与交叉验证、指标、校准、公平性与报告规范，以及研究方案或稿件的严谨性与合规性评审。
主要能力：给出处方式建议（设计、切分方式、指标、报告清单），要求先明确索引时间、队列定义、决策点与站点结构再推荐模型。内置推理链条：临床问题→目标人群→决策点→结局定义→数据生成过程→与部署一致的评估；并覆盖小样本高维（嵌套交叉验证、正则化、稳定性选择）、类别不平衡（先调阈值、决策曲线，必要时仅在训练折重采样并重新校准）、时间泄漏（索引时间、观察窗、预测间隔、预测期，前向链式交叉验证）。提供按模态的默认模型选择与切分选择（患者级分组、站点留出、时间留出、分子骨架切分），三层评估（区分度、校准、临床效用），亚组公平性分析，以及报告标准（TRIPOD+AI、PROBAST+AI、CLAIM 2024 等）与美国 FDA 相关考量（SaMD、PCCP、GMLP）。
使用方式：由用户以自然语言提出研究设计、建模、评估或评审请求触发；输出应先给结论，再给理由与注意事项，比较用表格、准则用列表，通常 200-400 词；内部决策树不直接复述。
限制：不负责生产部署与工程评审、实时推理优化、数据管线与 MLOps 建设；SaMD 提交 FDA 前、公平性审计发现差异、需前瞻性临床试验设计时应升级给人类专家。资料未提供具体安装命令、价格与平台信息。