Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHub作为OpenMed工作流的首要路由技能，根据用户目标确定性的选择数据摄入、隐私脱敏、提取、交换或验证等下游子技能，确保敏感临床数据安全流转。
Install All Skills
npx skills add maziyarpanahi/openmed --all -g -y
Skills in Collection (74)
Showing top 50 of 74 by quality score. Use the install list command or open individual skills for the rest.
作为OpenMed工作流的首要路由技能，根据用户目标确定性的选择数据摄入、隐私脱敏、提取、交换或验证等下游子技能，确保敏感临床数据安全流转。
请求涉及临床数据处理的多个阶段
用户未指定具体工作流步骤
数据敏感性状态不明确需优先处理
npx skills add maziyarpanahi/openmed --skill ask-openmed -g -y
用于在发布前基准测试PII模型召回率，通过合成数据验证标签感知精确跨度及字符级召回，确保满足隐私合规的召回底线要求。
需要评估或比较PII模型性能时
发布前需验证召回率是否达标时
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed 临床 NLP 库的入门指南，提供安装、核心 API 及子技能映射，用于本地化实体识别、PHI 去标识化和 FHIR 导出等医疗文本处理任务。
用户询问如何安装 OpenMed
需要构建临床或生物医学 NLP 管道
查询 OpenMed 的功能模型或能力
npx skills add maziyarpanahi/openmed --skill building-with-openmed -g -y
对本地CSV、JSONL或Parquet数据集中的自由文本列进行去标识化，生成脱敏数据集及聚合摘要。支持严格策略，确保不覆盖源文件且日志中不暴露敏感内容，适用于临床数据安全处理场景。
需要脱敏处理包含PII或PHI的文本数据
准备临床数据用于共享或分析
执行数据隐私合规检查
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
从合成或去标识化文本中提取临床实体，并将其映射为符合FHIR R4标准的资源（如Condition、MedicationStatement等），严禁虚构术语代码。
需要将非结构化临床文本转换为结构化FHIR资源
执行临床命名实体识别(NER)并构建FHIR Bundle
npx skills add maziyarpanahi/openmed --skill extract-clinical-entities-to-fhir -g -y
加载并复用OpenMed临床NER模型，支持从HuggingFace或本地路径获取，控制缓存与设备，实现离线运行及高效复用。
需要加载OpenMed NER模型
控制模型缓存目录或设备
需要在离线环境下运行模型
选择模型来源（注册表、HF ID或本地路径）
npx skills add maziyarpanahi/openmed --skill loading-openmed-models -g -y
用于在端侧根据语言、运行环境和资源预算离线筛选并验证PII检测模型，确保部署前的召回率与安全合规。
需要选择本地PII检测模型
进行端侧模型导出或量化
npx skills add maziyarpanahi/openmed --skill pick-a-pii-model -g -y
用于在去标识化流程前收集隐私决策并生成可审查的DEID-POLICY.md配置文件。它通过限定选项收集管辖权、召回率等五项策略，确保本地化、确定性设置，需人工审批后方可生效，不涉及实际数据处理。
项目需要建立去标识化隐私策略
初始化数据脱敏前的配置合同
npx skills add maziyarpanahi/openmed --skill setup-openmed -g -y
用于基因组变异注释与HGVS标准化，支持VCF/HGVS/rsID，调用VEP/SnpEff/ANNOVAR预测后果及gnomAD频率，并结合OpenMed提取表型临床上下文。
需要预测变异后果（如错义、无义）
将HGVS标准化为基因组坐标或反向映射
查询gnomAD群体等位基因频率
结合OpenMed分析文本中的表型与肿瘤学背景
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源组装为单个有效的事务Bundle，支持确定性URL生成、内部引用重写及请求块配置，用于向EHR服务器提交数据。
用户需要构建FHIR Bundle
需要将多个资源打包为transaction或batch类型
提及向FHIR服务器POST数据
需要解析或重写Bundle内部引用
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于在临床文本去标识化后，通过结构扫描和模型复核检测残留的PHI/PII泄露，确保数据安全发布。
验证去标识化输出是否包含残留标识符
数据集分享前的安全审计
CI/CD流水线中的合规性检查
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
为OpenMed去标识化运行生成可审计、防篡改且不含PHI的证据链，支持签名与验证，满足HIPAA/GDPR合规要求。
需要生成去标识化的合规审计证据
需验证去标识化决策的完整性与不可篡改性
npx skills add maziyarpanahi/openmed --skill auditing-deidentification-runs -g -y
为OpenMed管道生成符合21 CFR Part 11的审计追踪，支持GxP/GCP合规场景。通过封装AuditReport实现操作溯源、时间戳记录及电子签名验证，确保数据完整性与防篡改，适用于受监管环境下的数据处理审计需求。
需要生成21 CFR Part 11合规审计日志
执行电子签名或验签以确保证据链完整
在GxP/GMP环境中进行CSV合规性检查
npx skills add maziyarpanahi/openmed --skill auditing-part11-trails -g -y
验证OpenMed去标识化输出是否符合HIPAA安全港18类标识符要求，检查覆盖情况并报告重识别风险。
确认文本符合HIPAA安全港标准
检查去标识化覆盖的完整性
npx skills add maziyarpanahi/openmed --skill auditing-safe-harbor-checklist -g -y
审计 OpenMed NER 或去标识化模型在各人口统计子群体中的性能差异，检测 PHI 泄露不均及保护不足问题。通过 fairness_report 计算召回率、泄露率及差异指标，生成合规报告。
fairness
subgroup
bias audit
disparity
equalized odds
under-protected group
per-group recall
STANDING Together
npx skills add maziyarpanahi/openmed --skill auditing-subgroup-fairness -g -y
为OpenMed临床模型生成合规的模型卡片，整合评估指标、公平性分析及限制说明，满足医疗AI治理与透明度要求。
model card
intended use
model documentation
governance
limitations section
datasheet
FDA/ONC transparency
npx skills add maziyarpanahi/openmed --skill authoring-model-cards -g -y
提供临床文本的大批量处理技能，支持NER、PII提取及去标识化。具备分片、检查点、断点续传及流式JSONL输出功能，适用于在本地高效处理大量病历数据。
需要批量处理大量临床笔记或数据集
对数据集进行去标识化或PII提取
构建可恢复的批处理管道以处理数千份文档
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
用于评估 OpenMed 临床 NER 模型性能，基于用户提供的金标准语料计算实体级精确率、召回率和 F1。支持严格与宽松匹配模式，提供按标签的错误分解、混淆矩阵及误报/漏报示例分析，辅助调试模型偏差。
evaluate NER
entity-level F1
seqeval
precision recall F1
confusion matrix
error analysis
strict vs partial match
score against gold
npx skills add maziyarpanahi/openmed --skill benchmarking-clinical-ner -g -y
提供OpenMed与Presidio、spaCy及LangChain的互操作适配器，支持PII实体转换、合并及脱敏，实现临床NLP与主流生态集成。
需要将OpenMed PII检测集成到现有Presidio流程
希望在spaCy管道中添加OpenMed去标识化组件
需要在LangChain链中调用文本脱 runnable
npx skills add maziyarpanahi/openmed --skill bridging-presidio-and-spacy -g -y
为 OpenMed NER 和去标识化模型构建合成金标准标注项目，包括标签模式、指南、工具配置及无泄漏的 train/dev/test 拆分，用于评估基准测试。
创建评估夹具
设置标注项目
定义标签集
编写标注指南
配置标注工具
构建保留金标准集
npx skills add maziyarpanahi/openmed --skill building-gold-corpus -g -y
将临床事件按时间顺序组装为患者时间轴，处理日期归一化及相对时间解析，生成排序后的就诊、诊断等记录，支持FHIR导出。
构建患者纵向病史
整理临床事件时间线
解析相对时间表达式
npx skills add maziyarpanahi/openmed --skill building-patient-timelines -g -y
用于在部署涉及受保护健康信息(PHI)的数据管道前，执行HIPAA隐私与安全规则合规性检查。通过对比控制清单生成差距报告，验证去标识化及审计控制措施，辅助完成合规审查与BAA准备。
处理PHI前的合规审查
HIPAA合规性评估
去标识化策略选择
BAA准备
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
指导在临床或生物医学任务中选择合适的 OpenMed 模型。支持按类别、语言、大小筛选，查看元数据及 PII 模型信息，辅助确定最佳模型键值以供加载。
询问特定任务的推荐模型
查找特定语言的 PII 模型
按大小或任务筛选模型
检查模型标签和元数据
npx skills add maziyarpanahi/openmed --skill choosing-openmed-models -g -y
将OpenMed提取的慢性病映射至CMS-HCC V28类别并估算RAF评分，辅助临床编码员识别疑似HCC、验证MEAT文档支持及面板风险调整，提供决策支持而非自主编码。
用户希望从病历中发现可风险调整的潜在诊断（疑似HCC）
需要将ICD-10-CM代码映射到V28 HCC类别并应用层级规则
需要为患者或群体估算RAF评分以供审核
检查特定诊断在文档中是否有MEAT支持
npx skills add maziyarpanahi/openmed --skill coding-hcc-risk-adjustment -g -y
基于OpenMed提取的诊疗实体，辅助推荐ICD-10-CM/PCS编码及依据，支持章节路由、ICD-9转换及账单预填，供认证编码员审核决策。
诊断编码建议
ICD-10映射
ICD-9转ICD-10
病历编码预填
npx skills add maziyarpanahi/openmed --skill coding-icd10 -g -y
利用OpenMed从临床笔记中提取事实，补充结构化数据不足，计算电子临床质量指标(eCQM)。涵盖CQL/QDM逻辑、去标识化及实体映射，提升 numerator 和 exclusion 捕获率。
计算 eCQM 或评估 CMS/ECQI 质量指标
从临床笔记中改善 numerator 捕获
构建 CQL/QDM 测量逻辑
弥补结构化代码遗漏的文档缺口
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
指导用户为OpenMed选择合规的隐私去标识化策略（如HIPAA、GDPR），配置数据保留规则及自定义代理生成器，确保医疗数据脱敏符合法规要求。
询问适合特定法规的去标识化策略
需要配置自定义代理生成器
希望保留准标识符用于研究
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OMOP CDM中定义可计算表型和患者队列，结合OHDSI/CIRCE标准与OpenMed NLP特征增强结构化数据不足的场景。
定义患者队列
编写可计算表型
复用OHDSI或PheKB逻辑
构建概念集
结合NLP特征增强代码标准
npx skills add maziyarpanahi/openmed --skill defining-cohort-phenotypes -g -y
提供临床文本脱敏技能，支持在端侧对PHI/PII进行掩码、移除或替换。适用于医疗笔记匿名化及合规处理，确保数据隐私安全。
需要去除或隐藏医疗记录中的患者身份信息
准备共享或分析包含敏感数据的临床文本前
执行HIPAA或GDPR合规的文本匿名化处理
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
用于在设备端对多语言临床文本进行PII脱敏，支持按语言和区域自动选择模型、正则及仿真数据，确保本地化合规。
需要脱敏非英语医疗记录
要求生成符合特定国家/地区格式的仿真数据
查询OpenMed支持的多语言列表
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
部署OpenMed MCP服务器，使编码代理和聊天客户端能调用临床NER、PII提取及去标识化工具。支持stdio和Streamable HTTP传输，覆盖工具配置、资源管理及模型加载卸载。
需要为Claude Code或Codex等编码代理添加MCP配置
希望以MCP工具形式暴露临床文本分析和去标识化能力
需要在本地运行MCP服务端以提供脱敏和NER服务
npx skills add maziyarpanahi/openmed --skill deploying-openmed-mcp -g -y
基于FAERS/OpenFDA数据计算PRR、ROR、EBGM等指标，挖掘药物-事件关联信号。适用于自发报告数据的 disproportionality 分析、2x2列联表构建及安全性信号筛查。
disproportionality analysis
signal detection
PRR calculation
ROR calculation
EBGM/EB05 computation
IC BCPNN analysis
FAERS data mining
OpenFDA query
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
提供日志和遥测数据的 PHI 脱敏方案，通过自定义 Filter 和 OTel 处理器在记录发出前清除敏感健康信息，防止患者数据泄露至日志存储或错误追踪器。
scrub logs
redact PHI from logs
no-PHI logging
logging filter
telemetry redaction
logs leaking patient data
OpenTelemetry redaction
npx skills add maziyarpanahi/openmed --skill enforcing-nophi-logging -g -y
将OpenMed提取并编码的临床实体映射至OMOP CDM标准表，支持条件、药物和检验数据的标准化加载，用于OHDSI/ATLAS分析。
将NLP提取的临床事实加载到OMOP数据库
构建基于临床笔记的OHDSI ETL流程
从文本标准化生成condition_occurrence或drug_exposure记录
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
评估去标识化模型是否可发布，基于泄漏门控而非F1分数。检查PHI残留、召回率底线及关键泄漏为零，输出可发布或隔离决定。
release gate
leakage
is this model safe to ship
G1a
quarantine
npx skills add maziyarpanahi/openmed --skill evaluating-with-leakage-gates -g -y
用于发起FHIR Bulk Data异步导出任务并下载NDJSON文件，将群体规模临床数据流式传输至OpenMed进行批量去标识化和NER处理。适用于EHR或数据仓库的大规模患者注记提取场景。
用户需要群体规模的临床文本提取
提及bulk export、$export、NDJSON或cohort de-identification
npx skills add maziyarpanahi/openmed --skill exporting-bulk-fhir -g -y
将 OpenMed NER 提取的临床实体转换为 FHIR R4 资源（Condition、Observation 等），支持标准化编码和 EHR 互操作。
需要导出为 FHIR JSON
提及 FHIR 或 Condition/Observation
涉及 RxNorm/LOINC 等标准编码
EHR 数据互操作需求
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
对医疗文本进行命名实体识别，提取疾病、药物等生物医学实体，支持多种输出格式及置信度过滤。
从临床笔记中提取疾病、药物或解剖学实体
需要获取实体的字符偏移量和置信度分数
构建临床NLP管道中的实体抽取阶段
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
从DICOM文件头及结构化报告(SR)中提取元数据与报告文本，识别并标记PII/PHI字段，为OpenMed去标识化和NLP分析做准备。
读取DICOM文件元数据
提取DICOM-SR报告文本
扫描头部标签中的患者隐私信息(PII)
npx skills add maziyarpanahi/openmed --skill extracting-dicom-metadata -g -y
从PDF、扫描件或图像中提取实验室检验面板表格，进行OCR识别、PHI脱敏及结构化处理，为后续LOINC映射和FHIR生成提供干净数据行。
lab table extraction
lab panel
OCR labs
table detection
npx skills add maziyarpanahi/openmed --skill extracting-lab-tables -g -y
用于在临床文本中检测并提取 PHI/PII 实体信息（如姓名、日期等），返回原始文本中的实体跨度、标签及置信度，不修改原文。适用于审计、预览脱敏效果或路由至自定义脱敏器。
需要获取敏感信息的位置和类型
在执行脱敏前预览识别结果
将检测结果路由给下游处理流程
对实体标签进行规范化映射
npx skills add maziyarpanahi/openmed --skill extracting-pii-entities -g -y
从临床文本中提取健康社会决定因素(SDOH)并映射为ICD-10-CM Z代码，支持健康公平分析与编码补全。
提取SDOH信息
生成Z-codes建议
健康公平分析
恢复未编码的社会风险
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
从FHIR R4服务器获取并分页拉取临床资源，解码Base64附件提取文本，配合OpenMed进行去标识化和NLP分析。适用于EHR数据集成与医疗文本处理场景。
需要从EHR FHIR API拉取患者病历数据
需要处理DocumentReference或DiagnosticReport中的base64编码临床文本
需要对未结构化临床叙事进行去标识化和NLP分析
npx skills add maziyarpanahi/openmed --skill fetching-fhir-resources -g -y
在CI中集成OpenMed去标识化模型的质量门禁，通过pytest或CLI检查PHI召回率阈值及关键信息泄漏情况，防止模型退化导致的数据泄露。
CI gate
fail the build
regression test
de-id recall threshold
block the merge
exit nonzero
leakage check in CI
npx skills add maziyarpanahi/openmed --skill gating-deid-leakage -g -y
使用MITRE Synthea生成零PHI风险的合成患者数据，支持FHIR、C-CDA及CSV格式。用于OpenMed流水线开发、CI测试夹具构建及去标识化泄漏检测，确保测试安全与可复现性。
需要合成患者数据
构建CI测试夹具
演示OpenMed流水线
测试去标识化效果
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
将临床文本中的真实隐私信息替换为逼真的合成假值，保持文本可读性和NLP兼容性。支持一致性映射、自定义生成器及种子控制，适用于训练数据准备和演示场景。
需要将脱敏后的临床文本保持自然可读性
需要下游NLP模型能正常解析脱敏内容
要求同一实体在文档中保持一致的虚假标识
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将临床文档（图像、扫描件、CSV/CDA）通过本地OCR和结构化处理转换为纯净文本，支持脱敏与NER前的数据摄入。
需要扫描图像或传真OCR转文本
处理CSV/TSV表格数据
解析C-CDA XML格式
构建数据摄入流水线
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS CUI，实现跨词表标准化、同义词归一化及语义类型过滤。需用户自备UTS API密钥调用REST API，严禁缓存本体数据。
需要跨词表统一标识符
同义词规范化
基于语义类型过滤
代码交叉映射
npx skills add maziyarpanahi/openmed --skill linking-umls-concepts -g -y
将实验室和临床观察名称映射为LOINC代码，支持通过FHIR术语API解析组件、属性、时间、系统、量表和方法。适用于构建US Core实验室结果、关联UCUM单位及处理面板与分析仪映射。
lab coding
observation code
UCUM units
specimen
method
US Core lab
FHIR Observation
lab result mapping
panel vs analyte
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床概念映射到SNOMED CT，支持术语查询、翻译和验证。需使用用户提供的FHIR术语服务器，不捆绑任何数据。
SNOMED CT
SNOMED concept id
ECL
ConceptMap
$translate
$lookup
Ontoserver
Snowstorm
SCTID
post-coordination
terminology server
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
