Claude Code做科研：半小时搞定影像组学特征提取与机器学习建模

现在是2026年2月，很多人还在把Claude Code当成一个听起来很厉害、但价格昂贵且国内无法正常使用的观望工具。实际上，我每周80%以上的工作都是用Claude Code来完成的——写代码做项目开发、做科研数据分析和模型实验、做PPT汇报、做AI视频、日常写作等等。

理工科的科研大量工作都是通过代码来完成的，所以AI编程和AI科研、Vibe Coding与Vibe Researching本身就是密不可分的。

说个上周我个人的例子。一位来自医院的主任团队，想要对标注好的CTA脑部血栓病灶提取影像组学特征并训练机器学习模型来预测术后预后。问题主要有两个：一是影像数据是直接在放射科拷的，没做序列区分和整理，一个病例下有十几个影像序列，他们没有能力自动化提取其中的CTA序列；二是不懂影像组学，也不知道如何提取，下游的机器学习二分类建模自然也不会做。

这个需求在我们看来毫无技术难度，但放在前几年，可能确实有一些工作量。现在借助Claude Code，我只花了几分钟看下影像目录结构，稍微抽样看了几例CTA影像和血栓标注，然后用几分钟给Claude Code描述需求，大概半个小时后，所有工作就完成了。

我只需要验收最终的结果，以及适当review一下流程代码即可。虽说影像组学是无用且过时的技术，但在医学影像领域，用它发论文仍然屡试不爽。

上面这个活，如果用传统方式，怎么也得搞个一两天，但现在用Claude Code的Vibe Researching方式，时间可以缩短到半小时以内。人工只需要做好项目规划、需求描述、结果验收和适当的代码review即可。

如果你是一个国内院校的非CS相关专业的硕博在读，导师既没有AI sense和课题经费，个人也无能力和财力使用Claude Code，那么你也可以用国内工具和模型做平替。比如Claude Code + 各种国产模型API（DeepSeek V3.2、GLM-4.7、MiniMax M2.1），以及Kimi Code + Kimi 2.5、Qwen Code + Qwen3 Coder、Qoder CLI等等。

Vibe Coding和Vibe Researching是大势所趋，已经在深刻改变当前软件工程和学术科研范式。

如果你也在用AI加速科研实践，欢迎到云栈社区分享你的经验和思路。