Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHub作为OpenMed工作流的初始路由节点，根据用户目标确定性选择后续技能标识。优先处理数据摄入与隐私合规检查，确保临床或个人敏感数据在提取或交换前经过去标识化网关，保障数据安全流转。
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工作流的初始路由节点，根据用户目标确定性选择后续技能标识。优先处理数据摄入与隐私合规检查，确保临床或个人敏感数据在提取或交换前经过去标识化网关，保障数据安全流转。
用户请求涉及临床数据处理但未指定具体工作流
需要判断数据敏感性并选择隐私保护路径
多阶段数据处理任务的初始入口
npx skills add maziyarpanahi/openmed --skill ask-openmed -g -y
用于在模型发布前基准测试PII识别模型的召回率，通过合成数据评估精确跨度与字符级召回，确保满足隐私安全阈值。
需要验证PII模型召回率是否达标
模型发布前的隐私安全检查
对比不同模型或量化版本的性能
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed本地临床NLP库的引导技能，提供NER、PHI去标识化及FHIR导出等能力的入口指引与安装配置说明。
用户询问如何安装或启动OpenMed项目
需要选择适合临床/生物医学文本处理任务的OpenMed模型或API
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处理，生成脱敏数据集及聚合摘要。适用于临床数据共享前的隐私保护，支持严格策略且确保源文件不被覆盖或泄露。
需要脱敏处理包含个人健康信息的临床数据集
准备数据用于分享或分析需去除PII/PHI
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
利用OpenMed从文本中提取临床实体并映射为FHIR R4资源，确保不编造术语代码。适用于将NER输出转化为Condition、Observation等标准FHIR资源的场景。
需要从非结构化或脱敏文本中提取临床信息
需要将提取结果转换为FHIR Bundle格式
npx skills add maziyarpanahi/openmed --skill extract-clinical-entities-to-fhir -g -y
用于加载和复用 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，实现离线运行及高效复用。
需要加载 OpenMed NER 模型
控制模型缓存目录或设备类型
在离线环境中运行模型
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
根据语言、运行时格式和设备预算，从本地注册表选择适合端侧部署的PII检测模型，并进行召回验证。
需要为CPU或Apple Silicon选择本地PII模型
在部署前进行离线PII模型筛选与基准测试
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，生成可审查的DEID-POLICY.md配置草案。仅处理策略选择，不接触敏感数据，需人工审批后生效。
项目需要明确隐私合规策略时
初始化去标识化流水线前的政策设定
npx skills add maziyarpanahi/openmed --skill setup-openmed -g -y
用于基因组变异注释，支持VCF处理、HGVS标准化及后果预测。整合Ensembl VEP、gnomAD频率等开源数据，辅助科研与临床语境分析。
VCF variant annotation
HGVS normalization
gnomAD allele frequency lookup
VEP/SnpEff/ANNOVAR usage
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源组装为有效的Transaction Bundle，处理确定性URL、内部引用重写及请求块，用于向EHR服务器提交数据。
构建Bundle
事务性发布
POST资源到FHIR服务器
解决内部引用
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于审计去标识化临床文本，检测残留的PHI/PII泄露。通过正则和模型双重扫描生成报告，发现任何标识符即阻止发布，确保数据合规安全。
验证去标识化结果是否彻底
在数据共享或发布前进行安全门禁检查
证明无敏感信息泄露
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
生成脱敏运行的合规审计轨迹，提供防篡改、无敏感信息的证据记录，支持HIPAA/GDPR审计与完整性验证。
需要生成脱敏操作的合规审计证据
验证脱敏决策的完整性与可追溯性
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，确保GxP环境下的数据完整性、电子签名及防篡改。
用户需要在受监管环境中验证数据处理记录的合规性
需要生成或验证带有电子签名的审计追踪以应对检查
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 Safe Harbor 18类标识符要求，检测覆盖盲区并报告重识别风险。
确认文本符合HIPAA安全港标准
检查去标识化覆盖率及缺失类别
评估重识别风险
npx skills add maziyarpanahi/openmed --skill auditing-safe-harbor-checklist -g -y
用于审计OpenMed NER或去标识化模型在不同人口统计学子组上的性能差异，检测潜在的保护不足和泄露风险。
fairness
subgroup
bias audit
disparity
equalized odds
under-protected group
per-group recall
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、子群表现及免责声明，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
用于在本地高效批量处理大量临床文本，支持NER、PII提取和去标识化。具备分片、检查点、断点续传及流式输出功能，适用于数据集脱敏或大规模文档分析任务。
需要批量处理临床笔记或数据集
对大量文档运行命名实体识别
执行数据去标识化或PII提取
构建可恢复的批处理流水线
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
用于对OpenMed临床NER模型进行基准测试，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分数。支持严格与宽松匹配模式，提供按标签的混淆矩阵及错误分析（假阳性/假阴性），辅助模型评估与调试。
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、LangChain 的互操作适配器，实现 PII 检测、实体转换及隐私脱敏功能的集成。
需要结合 Microsoft Presidio 进行临床 PII 识别
在 spaCy 管道中嵌入 OpenMed PII 检测
在 LangChain 链中实现 PHI 文本脱敏
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数据集，包括标签schema、指南及工具配置。确保训练/验证/测试集隔离且仅提交合成数据，用于评估基准测试。
创建评估固定数据
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
将临床事件按时间排序构建患者时间线，支持日期归一化及相对时间解析。
构建患者时间线
按时间排序临床事件
npx skills add maziyarpanahi/openmed --skill building-patient-timelines -g -y
在部署涉及受保护健康信息(PHI)的数据管道前，运行HIPAA合规检查清单，生成包含管理、物理和技术控制措施的差距报告，辅助完成去标识化策略选择及审计记录。
即将处理或部署涉及PHI的数据管道
需要进行前置合规审查或安全评估
需要确定BAA范围或最小必要原则
需要文档化去标识化控制措施
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 NER 模型。支持按类别、语言（PII）、大小和任务搜索模型，并检查元数据，避免硬编码模型列表。
询问特定任务或语言的 OpenMed 模型选择
列出模型类别或根据条件过滤模型
检查模型的标签、参数和许可证等元数据
npx skills add maziyarpanahi/openmed --skill choosing-openmed-models -g -y
将提取的慢性病映射至CMS-HCC V28类别并估算RAF评分，支持疑似HCC发现、层级应用及MEAT文档核查。作为编码员决策辅助工具，非自动编码，需人工验证结果。
用户希望从病历中找出可风险调整的诊断
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评分用于审核
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编码建议及依据，辅助认证编码员完成病历编码、章节路由、ICD-9转换及预填充工作，支持本地CMS文件或FHIR服务器查询。
用户需要将临床诊断映射到可计费ICD-10-CM代码
用户需要为入院手术分配ICD-10-PCS编码
用户需要将遗留ICD-9代码转换为ICD-10 (GEMs)
用户希望根据症状快速定位ICD-10章节范围
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，以准确计算电子临床质量指标(eCQM)的分子和排除项。
计算eCQM质量指标
评估CMS/ECQI措施
改进临床笔记中的分子捕获
构建CQL/QDM逻辑
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
指导用户配置OpenMed隐私策略，选择HIPAA/GDPR等合规配置文件，自定义去标识化行为及代理生成器。
选择符合HIPAA或GDPR的隐私策略
配置去标识化参数如policy字段
注册自定义模拟数据生成器
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OMOP CDM上定义可计算表型和患者队列，支持复用OHDSI/PheKB逻辑并整合OpenMed NLP特征以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
用于在本地对临床自由文本进行 PHI/PII 检测与脱敏，支持掩码、移除、替换等多种方法，保障医疗数据隐私合规。
需要脱敏医疗笔记或出院摘要
在分享或分析前去除患者标识符
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
用于在端侧对多语言临床文本进行去标识化，支持多种语言的特定PII模型、正则模式及本地化假名生成。
需要处理非英语医疗笔记的去隐私化
要求生成符合特定地区格式的假名或身份证号
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
部署OpenMed MCP服务器，为Claude Code等编码代理提供临床NER、PII提取及去标识化工具。支持stdio和Streamable HTTP传输，实现本地化模型调用与配置集成。
需要为AI代理添加OpenMed工具
运行MCP服务器以暴露临床NLP功能
配置Agent连接OpenMed MCP端点
npx skills add maziyarpanahi/openmed --skill deploying-openmed-mcp -g -y
基于FAERS/OpenFDA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，用于药物警戒筛查。
分析FAERS或OpenFDA自发报告数据以发现潜在药物安全性信号
计算PRR、ROR、EBGM或IC等 disproportionality 统计指标
筛选特定药物与MedDRA反应术语的过度报告关联
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
提供Python日志过滤器和遥测组件，在记录发出前自动清洗或屏蔽PHI（受保护的健康信息），防止患者数据泄露至日志、追踪及错误报告中。
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提取的NLP临床实体映射到OMOP CDM标准表，支持条件、药物和测量数据的标准化加载。
将NLP提取的临床事实加载到OMOP数据库
构建OHDSI ETL流程
从文本标准化填充condition_occurrence或drug_exposure
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
评估OpenMed去标识化模型，基于G1a-G8泄漏门控检查PHI残留和召回率，判定模型可发布或隔离。
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 $export异步任务，轮询状态并下载NDJSON文件，将群体规模临床数据流式传输至OpenMed进行批量去标识化和NER处理。
需要进行群体或批量患者数据的导出
提及bulk export、$export、NDJSON或Flat FHIR
需要将EHR数据喂给OpenMed进行去标识化
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等），支持标准编码映射与互操作，适用于对接EHR或数据湖场景。
用户要求导出为FHIR格式
提及构建Condition、Observation等资源
需要RxNorm/LOINC等标准编码
进行医疗系统互操作性处理
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
利用 OpenMed 对临床文本执行生物医学命名实体识别，提取疾病、药物等实体及置信度，支持多种输出格式与过滤聚合。
从医疗笔记中提取疾病、药物或解剖结构
需要获取实体的字符跨度、置信度或结构化数据
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
从DICOM文件头及结构化报告中提取元数据和临床报告文本，识别并标记PII信息。用于医学影像数据处理前的脱敏与NLP分析准备。
处理DICOM文件元数据
提取DICOM-SR报告文本
识别患者隐私信息(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表格，进行OCR识别、PHI脱敏及列分类，输出结构化数据供后续LOINC编码和FHIR转换使用。
用户需要将扫描的化验单转换为结构化数据
需要对CSV/TSV格式的实验室数据进行列分类和脱敏
npx skills add maziyarpanahi/openmed --skill extracting-lab-tables -g -y
用于在临床文本中检测PHI/PII实体（如姓名、电话等）及其位置，不修改原文。适用于审计、预览脱敏内容或路由至自定义脱敏工具的场景。
需要识别文本中的个人身份信息
查看脱敏前可能移除的内容
将检测结果路由到自定义脱敏器
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）实体，并将其映射为ICD-10-CM Z编码。用于补充结构化数据、支持健康公平分析及编码差距识别，确保隐私合规。
用户需要提取自由文本中的住房、食物不安全等SDOH信息
需要将SDOH映射到ICD-10-CM Z代码进行数据分析
构建健康公平仪表板或风险分层模型
发现未编码的SDOH并建议Z代码
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
用于从FHIR R4服务器拉取临床资源，分页处理Bundle，解码base64附件提取文本，并配合OpenMed进行去标识化和NLP分析。
需要获取EHR中的临床笔记或报告文本
处理FHIR Bundle分页及Base64附件解码
准备数据以进行HIPAA去标识化或NLP分析
npx skills add maziyarpanahi/openmed --skill fetching-fhir-resources -g -y
在CI中集成门禁，当去标识化模型召回率低于阈值或关键隐私信息泄露时阻断构建。支持pytest测试和CLI检查，确保合并请求符合安全标准。
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 管道开发、CI 测试固定装置及去标识化泄漏门评估，替代真实临床数据。
需要安全的测试数据
生成 FHIR bundle
创建 CI 固定装置
模拟患者记录
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伪造值，保持文本可读性和NLP解析能力。支持一致性映射、种子复现及自定义生成器注册。
需要将脱敏后的临床文本保持自然可读
需要下游NLP模型能正常解析文本
需要跨文档或多次调用保持一致的假身份
需要注册自定义的伪造数据生成规则
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将扫描传真、图像及CSV/CDA等临床文档转换为清洗后的文本，支持本地OCR与结构化处理，为去标识化和NER提供输入。
需要OCR识别扫描件或图像中的临床笔记
处理CSV/TSV患者导出数据的列感知操作
将C-CDA XML扁平化为文本
构建喂给去标识化模块的数据摄入阶段
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS Metathesaurus CUIs，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，通过REST API进行在线解析，不缓存数据。
UMLS概念链接
CUI标准化
跨词表映射
同义词归一化
语义类型过滤
npx skills add maziyarpanahi/openmed --skill linking-umls-concepts -g -y
将临床检验和观察名称映射为LOINC代码，支持通过FHIR术语API进行代码查询、验证及UCUM单位关联，适用于构建US Core实验室结果。
需要为实验室检测或生命体征分配稳定的LOINC代码
需要根据样本类型或检测方法区分不同的LOINC部分模型代码
需要将自然语言描述的观测值转换为标准化的LOINC编码以生成FHIR Observation资源
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床概念映射到SNOMED CT标准术语。支持通过用户提供的FHIR术语服务器进行代码查找、翻译及ECL查询，严格遵循许可协议，不捆绑任何词汇数据。
SNOMED CT
SNOMED concept id
ECL
ConceptMap
$translate
$lookup
Ontoserver
Snowstorm
SCTID
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
