Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHub用于基准测试PII模型召回率，通过合成数据验证标签感知精确跨度及字素召回率，确保在发布前满足召回阈值且无敏感信息泄露。
Install All Skills
npx skills add maziyarpanahi/openmed --all -g -y
Skills in Collection (72)
Showing top 50 of 72 by quality score. Use the install list command or open individual skills for the rest.
用于基准测试PII模型召回率，通过合成数据验证标签感知精确跨度及字素召回率，确保在发布前满足召回阈值且无敏感信息泄露。
需要评估PII模型性能时
模型发布前的质量门禁检查
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed库的入门与引导技能，用于项目初始化、安装配置及功能选型。涵盖NER、PHI去标识化、FHIR导出等临床NLP任务，并指引至具体API或子技能。
用户提到OpenMed
询问如何安装OpenMed
选择适合任务的OpenMed能力或模型
开始构建临床/医疗文本管道
npx skills add maziyarpanahi/openmed --skill building-with-openmed -g -y
对本地CSV/JSONL/Parquet数据集的指定文本列进行脱敏处理，生成不含PHI的新文件及摘要统计。适用于临床数据准备、分享或分析场景，确保源数据不被覆盖且日志不泄露敏感信息。
需要对数据集进行PII/PHI脱敏
准备临床数据用于共享或分析
防止敏感信息在日志中暴露
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
利用OpenMed从临床文本中提取实体，并映射为符合FHIR R4标准的资源与Bundle。该技能确保不虚构术语代码，严格遵循脱敏与安全规范，将NER输出转化为结构化医疗数据。
需要将非结构化或已脱敏的临床文本转换为FHIR资源
执行临床命名实体识别后的数据结构化任务
npx skills add maziyarpanahi/openmed --skill extract-clinical-entities-to-fhir -g -y
用于高效加载和复用 OpenMed 临床 NER 模型，支持从 Hugging Face Hub 或本地路径获取，控制缓存与设备，实现离线运行及多次调用无重复加载。
需要加载 OpenMed 模型
希望控制模型缓存目录或设备
需要在离线环境中运行模型
需复用 ModelLoader 避免重复加载
npx skills add maziyarpanahi/openmed --skill loading-openmed-models -g -y
根据语言、运行时格式和设备预算，从本地注册表选择 PII 检测模型并验证召回率。用于在 CPU、Apple Silicon 或移动端部署时离线选择安全基线模型，确保数据隐私合规。
需要为特定设备选择本地 PII 模型
进行模型导出前的召回率基准测试
受限环境下的离线模型筛选
npx skills add maziyarpanahi/openmed --skill pick-a-pii-model -g -y
用于基因组变异注释与HGVS标准化，支持VCF、rsID及HGVS输入。通过Ensembl VEP REST API或离线工具预测变异后果，关联gnomAD频率及OpenMed临床表型上下文，适用于精准医疗数据分析场景。
用户需要预测基因变异的分子后果（如错义突变）
需要将HGVS字符串标准化为基因组坐标或反向映射
需要查询gnomAD群体等位基因频率以评估罕见性
需要将分子发现与OpenMed提取的临床/肿瘤学表型上下文结合
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个 FHIR R4 资源打包为有效的交易 Bundle，支持确定性 ID、引用重写及请求块生成，用于向 EHR 服务器提交数据。
构建 FHIR Bundle
执行事务性 POST
解决内部资源引用
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于审计去标识化临床文本，通过结构和模型双重扫描检测残留的PHI/PII泄露，并生成报告以阻止数据发布。
验证去标识化结果是否彻底
证明无PHI泄露
在数据集共享前进行安全门禁检查
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
生成脱敏运行审计轨迹，提供合规证据与防篡改记录。支持HIPAA/GDPR审计，验证标识符处理情况且不暴露明文PHI，涵盖签名、验证及报告结构。
需要HIPAA或GDPR合规审计证据
验证脱敏决策的完整性与可复现性
审查脱敏结果而不接触明文数据
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，支持电子签名、防篡改及GxP环境下的数据完整性验证。
用户需要满足FDA合规要求
涉及21 CFR Part 11或GxP标准
需生成电子签名或审计日志
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 Safe Harbor 18类标识符要求，检测覆盖盲区与重识别风险。
确认文本满足HIPAA合规性
检查去标识化覆盖率及缺失项
评估重识别风险
npx skills add maziyarpanahi/openmed --skill auditing-safe-harbor-checklist -g -y
审计OpenMed NER或去标识化模型在不同人口统计学子组（性别、年龄、种族）上的性能差异，检测是否存在对特定群体的保护不足（泄露），生成公平性报告以支持临床AI治理审查。
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AI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，满足医疗监管与透明度要求。
model card
intended use
model documentation
governance
limitations section
datasheet
FDA/ONC transparency
npx skills add maziyarpanahi/openmed --skill authoring-model-cards -g -y
用于在本地对大量临床文本进行批量处理，支持NER、PII提取及去标识化。具备分片、断点续传、流式输出及PHI安全日志功能，适用于大规模数据集的高效离线处理与结果生成。
需要批量处理大量临床笔记或文档
需要对数据集进行去标识化或PII提取
构建可恢复的批量处理流水线
将处理结果流式输出为JSONL文件
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
用于评估OpenMed临床或生物医学NER模型，提供基于实体级严格与宽松匹配的精确率、召回率和F1分数，支持按标签分解错误及生成混淆矩阵。
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，实现临床 PII 检测集成、管道扩展及 LLM 前脱敏。
需要结合 Microsoft Presidio 提升临床 PII 召回率
希望在 spaCy 管道中嵌入 OpenMed PII 检测
需要在 LangChain 链中对 PHI 进行脱敏
npx skills add maziyarpanahi/openmed --skill bridging-presidio-and-spacy -g -y
用于构建合成金标准标注项目，生成 NER 和去标识化模型的评估夹具。涵盖标签定义、标注指南编写及工具配置，确保数据合规并支持无泄漏的划分。
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
从临床事件构建按时间排序的患者时间线，处理日期标准化、相对时间解析及脱敏，输出可用于FHIR导出的结构化数据。
需要构建患者纵向病史或疾病发展过程视图
将提取的临床实体转换为带日期的排序序列
npx skills add maziyarpanahi/openmed --skill building-patient-timelines -g -y
在部署涉及受保护健康信息(PHI)的流水线前，运行HIPAA合规检查清单生成差距报告。辅助评估行政、物理及技术安全措施，确认去标识化方法及审计控制是否满足隐私与安全规则要求。
处理 PHI 前的合规审查
部署 OpenMed 前的安全检查
需要生成 HIPAA 差距分析报告
确定去标识化策略（Safe Harbor/Expert Determination）
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
用于在临床或生物医学任务中发现并选择正确的OpenMed模型。支持按类别、语言、大小搜索模型，查看元数据及PII信息，辅助加载前决策。
询问使用哪个OpenMed模型
需要特定语言的PII模型
按任务或大小筛选模型
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，辅助临床编码员发现潜在HCC、验证MEAT支持及复核风险调整数据。
用户需要查找病历中可风险调整的未记录诊断
需要将ICD-10-CM代码映射到V28 HCC类别
需要估算患者或群体的RAF评分
需要检查诊断在文档中的MEAT支持情况
npx skills add maziyarpanahi/openmed --skill coding-hcc-risk-adjustment -g -y
为OpenMed提取的医疗诊断和手术提供ICD-10-CM/PCS编码建议及理由，辅助认证编码员进行决策支持。支持本地CMS文件查询或FHIR术语服务器检索，涵盖章节路由、ICD-9到GEMs映射及预填充就诊记录等功能。
用户希望将问题列表或诊断片段映射到可计费的ICD-10-CM代码
需要将发现项路由到正确的ICD-10章节
需要执行ICD-9到GEMs的交叉对照
需要为编码员审核队列预填充就诊诊断
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，提升eCQM的分子和排除项捕获率。支持CQL/QDM逻辑、去标识化及实体编码映射。
计算电子临床质量指标(eCQM)
评估CMS/ECQI质量指标
改进临床笔记中的分子捕获
构建CQL/QDM测量逻辑
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
用于配置OpenMed隐私策略，选择合规的去标识化配置文件（如HIPAA、GDPR），自定义代理生成器，平衡数据可用性与法规遵从性。
询问适合特定法规的隐私策略
需要配置去标识化参数
注册自定义代理提供者
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OHDSI/OMOP CDM环境中定义可计算表型和患者队列。支持复用PheKB/OHDSI逻辑，结合OpenMed NLP提取文本特征以增强结构化代码的不足。
定义患者队列
编写可计算表型
复用OHDSI/PheKB逻辑
构建概念集
结合NLP特征增强表型
npx skills add maziyarpanahi/openmed --skill defining-cohort-phenotypes -g -y
在本地对临床文本进行脱敏，移除或替换 PHI/PII。支持掩码、删除、替换、哈希及日期偏移五种方法，提供 HIPAA/GDPR 策略配置与可逆映射功能，确保数据隐私合规且无需联网。
需要脱敏医疗笔记或患者记录
分享前需匿名化出院摘要
选择特定的脱敏方法（如掩码、哈希）
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
用于在设备端对多语种临床文本进行PII去标识化。支持自动识别语言并加载对应模型、正则及本地化假名，处理各国特有ID格式，确保数据隐私合规。
需要对非英语医疗文本进行去标识化
需要生成符合特定地区格式的虚假个人信息
询问OpenMed支持的语言或PII模型
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
用于部署OpenMed MCP服务器，使编程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，涵盖安装、配置及7个核心工具的集成指南。
需要为Claude Code或Codex等编码代理添加OpenMed工具访问权限
希望在本机或团队中运行MCP端点以暴露去标识化和NER功能
需要将OpenMed集成到Agent的MCP配置中
npx skills add maziyarpanahi/openmed --skill deploying-openmed-mcp -g -y
用于挖掘FAERS/OpenFDA自发报告数据，通过构建2x2列联表计算PRR、ROR、EBGM及IC等指标，检测药物与不良反应之间的非成比例信号，辅助药物警戒筛查。
检测药物警戒信号
计算PRR或ROR
运行EBGM/EB05分析
查询OpenFDA药物事件数据
筛查过度报告的不良反应
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
提供日志和遥测数据的PHI脱敏功能，通过Python logging.Filter或OpenTelemetry处理器在记录发出前自动清除受保护的健康信息，防止患者数据泄露。
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OHDSI分析。适用于NLP事实入库、ETL构建及术语标准化场景。
加载NLP衍生数据到OMOP数据库
从临床文本构建OHDSI ETL流程
将笔记衍生的发现标准化为OMOP标准概念
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
用于评估去标识化或临床NER模型的发布门禁技能，基于残留PHI泄露而非F1分数。通过G1a-G8门禁检查直接/准标识符召回率、关键泄露为零等条件，决定模型可发布或隔离，生成治理报告。
release gate
leakage
is this model safe to ship
G1a
quarantine
recall floor
calibration thresholds
npx skills add maziyarpanahi/openmed --skill evaluating-with-leakage-gates -g -y
用于发起并获取FHIR批量数据导出任务，将NDJSON流式传输至OpenMed进行批量去标识化和命名实体识别。适用于EHR或数据仓库的大规模群体级临床文本提取场景。
需要批量导出FHIR数据
$export操作
处理NDJSON格式文件
群体级去标识化
从EHR提取大规模临床笔记
npx skills add maziyarpanahi/openmed --skill exporting-bulk-fhir -g -y
将OpenMed NER提取的临床实体转换为符合FHIR R4标准的JSON资源（如Condition、Observation），支持多种医学术语编码及EHR互操作。
用户要求导出为FHIR格式
需要构建CodeableConcept或映射RxNorm/LOINC等术语
提及与电子病历系统互操作
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
对医疗文本执行命名实体识别，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，适用于临床NLP流水线。
从医疗笔记中提取疾病、药物或解剖学实体
需要对文本进行结构化NER处理并获取JSON/CSV输出
构建临床NLP流水线中的实体抽取阶段
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
读取DICOM文件头及结构化报告，提取元数据和临床文本，标记患者隐私信息供脱敏处理。适用于影像数据摄入前的预处理与分析准备。
需要提取DICOM元数据
分析DICOM-SR报告文本
识别并标记PHI隐私信息
npx skills add maziyarpanahi/openmed --skill extracting-dicom-metadata -g -y
从PDF、扫描件或图片中提取实验室检验面板表格，进行OCR解析、PHI脱敏及结构化，输出包含测试名称、值、单位等字段的标准行数据。
lab table extraction
lab panel
OCR labs
table detection
layout analysis
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（如姓名、日期等），返回实体位置与标签而不修改原文。适用于审计、预览脱敏效果或路由至自定义红actor，支持置信度过滤与标签规范化。
需要检测临床文本中的个人身份信息
查看脱敏前可能影响的实体范围
将检测到的实体路由给下游处理工具
对模型输出的标签进行规范化处理
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）并映射至ICD-10-CM Z代码，支持健康公平分析。
提取健康社会决定因素
生成Z代码建议
健康公平性分析
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
从FHIR R4服务器分页获取临床资源，解码Base64附件提取文本，并集成OpenMed进行去标识化和NLP分析。适用于EHR数据拉取与处理。
需要拉取EHR FHIR API中的患者病历或临床笔记
需要解析和提取DocumentReference或DiagnosticReport中的非结构化文本
涉及FHIR Bundle分页、_revinclude关联查询及base64附件解码
npx skills add maziyarpanahi/openmed --skill fetching-fhir-resources -g -y
在CI中集成隐私去标识化泄漏门禁，通过pytest或CLI自动验证PHI召回率及零泄漏，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（FHIR/C-CDA/CSV），用于 OpenMed 管道测试、CI 固定装置及去标识化泄漏检测，避免接触真实临床数据。
需要安全可分享的测试数据
构建 FHIR 或 C-CDA 摄入管道
创建确定性 CI 固定装置
生成去标识化泄漏门控测试集
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
将临床文本中的真实敏感信息替换为逼真的假值，保持文本可读性和NLP解析能力。支持一致性替换、自定义生成器及本地化配置，适用于训练数据、演示和QA场景。
需要将脱敏后的文本保持自然可读
需要下游NLP模型能正常解析文本
要求同一实体在不同位置使用相同的假名
需要注册自定义的标识符生成规则
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将临床文档（扫描件、图像、CSV/CDA）通过本地OCR转换为干净文本，支持表格处理与脱敏，为后续去标识化和实体抽取做准备。
用户有扫描传真或照片需要OCR提取文字
需要将CSV/TSV或C-CDA XML转为结构化文本
询问多模态摄入、OCR引擎选择或布局阅读顺序
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS元词库CUI，实现跨词典归一化、同义词解析及语义类型过滤。需用户自备UTS API密钥，通过REST API实时调用，不缓存数据。
需要跨词汇统一概念ID
进行同义词标准化
按语义类型过滤实体
在RxNorm或SNOMED间交叉映射
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标准代码，支持通过FHIR术语API查询、验证及获取UCUM单位，用于构建符合US Core标准的检验结果观察记录。
需要为化验单或临床报告中的检测项目分配稳定的LOINC代码
需要根据标本类型或检测方法消除歧义并匹配正确的LOINC部分模型代码
需要为测量值配对UCUM单位或生成US Core Laboratory Result Observation
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床概念映射到SNOMED CT，支持通过用户提供的术语服务器进行编码、ECL查询及代码转换，严禁内置数据。
临床概念编码为SNOMED CT
执行ECL查询
使用$lookup/$translate解析SCTID
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
通过NCBI E-utilities检索PubMed/PMC文献，支持ESearch、EFetch及ESummary。用于获取特定疾病或药物的引文、摘要，构建生物医学语料库以支持NER分析或生成证据综述。
需要查找特定条件或药物的引用和摘要
希望基于MeSH术语进行可复现的文献搜索
需要构建文本语料库以运行命名实体识别(NER)
OpenMed提取诊断后需寻找支持性文献
npx skills add maziyarpanahi/openmed --skill mining-pubmed-literature -g -y
将OpenMed提取的药物名称标准化为RxNorm RxCUI，支持去重、品牌/通用名映射及NDC关联。基于免费公开的RxNav API，无需密钥，适用于临床数据存储与分析。
药物名称标准化
RxCUI编码
药品去重
NDC代码获取
US Core Medication构建
npx skills add maziyarpanahi/openmed --skill normalizing-rxnorm -g -y
