Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHubOpenMed工作流初始路由技能，用于将未指定具体流程的请求根据目标和数据敏感性确定性地分发至摄入、隐私脱敏、提取等下游环节。
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.
OpenMed工作流初始路由技能，用于将未指定具体流程的请求根据目标和数据敏感性确定性地分发至摄入、隐私脱敏、提取等下游环节。
用户请求涉及临床数据处理但未指定具体步骤
需要判断数据敏感性并选择隐私网关
多阶段数据处理流程的初始入口
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素召回，确保满足最低召回阈值且无关键泄露。
需要评估PII模型在特定阈值下的召回性能
在优化F1、大小或延迟前验证隐私安全指标
检查模型是否满足发布前的召回底线要求
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed技能索引，指导用户进行临床/生物医学NLP任务。涵盖NER、PHI去标识化、FHIR导出及本地部署。提供安装指南、核心API调用示例及子技能映射，助力快速构建医疗文本处理管道。
用户询问如何安装或配置OpenMed库
需要执行临床实体识别(NER)或PHI去标识化
寻求将医疗数据导出为FHIR格式
构建基于本地设备的医疗NLP管道
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PHI摘要。适用于临床数据处理与共享，确保源文件不被覆盖且日志不泄露敏感信息。
需要对包含自由文本的本地数据集进行去标识化
准备临床数据用于分析或分享以防止PII泄露
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
将临床文本中的实体提取并映射为 FHIR R4 资源，支持合成或已去标识化数据。通过 OpenMed 进行 NER，严格限制术语编码来源，确保不虚构代码，并遵循 PHI 安全审计规范。
需要提取临床实体如疾病、药物
将非结构化文本转换为 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Hugging Face或本地路径载入，控制缓存与设备，实现离线运行及高效调用。
需要加载OpenMed NER模型
希望复用ModelLoader避免重复加载
需要在离线环境下运行模型
需要指定模型缓存目录或计算设备
npx skills add maziyarpanahi/openmed --skill loading-openmed-models -g -y
用于在设备端根据语言、运行时格式和预算选择本地PII模型，并强制进行召回验证。通过离线注册表筛选候选模型，确保在CPU、Apple Silicon或移动端部署前的数据安全与性能合规。
需要为设备端选择PII检测模型
限制使用本地缓存模型且需验证召回率
npx skills add maziyarpanahi/openmed --skill pick-a-pii-model -g -y
在去标识化流程前收集隐私决策，生成可审查的DEID-POLICY.md配置文件。通过限定选项规范管辖、召回率等参数，确保本地优先且无需网络调用，需人工审核批准后方可生效。
项目需要建立去标识化策略
初始化隐私合规配置
npx skills add maziyarpanahi/openmed --skill setup-openmed -g -y
用于基因变异注释与HGVS标准化，支持VCF、rsID及HGVS格式。调用Ensembl VEP REST API或离线工具预测变异后果，关联gnomAD频率与临床表型上下文，辅助基因组数据分析。
需要预测基因变异的分子后果（如错义、无义）
将HGVS字符串标准化为基因组坐标或反之
获取gnomAD群体等位基因频率以评估罕见性
结合OpenMed提取的临床/肿瘤学背景分析变异
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源打包为单一事务Bundle，支持确定性URL、引用重写及请求块生成，用于向EHR服务器提交数据。
用户需要构建FHIR Bundle
提及transaction或batch类型
需要将多个资源POST到FHIR服务器
需要解析或重写内部资源引用
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
对已去标识化的临床文本进行对抗性扫描，检测残留的 PHI/PII（如 SSN、电话、卡号等），生成泄漏报告并在发现任何标识符时阻止数据发布。
验证去标识化结果是否彻底
证明无 PHI/PII 泄漏
在数据共享或训练前作为发布门禁检查
运行第二遍检测器
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
生成HIPAA/GDPR合规的脱敏审计追踪，记录检测偏移、哈希及签名，确保无明文PHI泄露，支持防篡改验证与监管审查。
需要生成脱敏操作的合规审计证据
验证脱敏决策的可追溯性与完整性
进行HIPAA或GDPR审计检查
npx skills add maziyarpanahi/openmed --skill auditing-deidentification-runs -g -y
为OpenMed管道生成并验证符合21 CFR Part 11的审计追踪，支持GxP/GCP环境。提供谁/何时/何事记录、电子签名及防篡改证明，确保数据完整性与合规性，辅助CSV验证。
用户需要在受监管环境中运行OpenMed并生成可归因、时间戳和防篡改的记录
需要验证审计追踪未被篡改或生成CSV检查证据
涉及21 CFR Part 11、电子签名、GxP、GMP、ALCOA等关键词
npx skills add maziyarpanahi/openmed --skill auditing-part11-trails -g -y
用于验证OpenMed去标识化输出是否覆盖HIPAA Safe Harbor规定的18类标识符，检测残留重识别风险并报告缺失项。
确认文本符合HIPAA Safe Harbor标准
检查去标识化覆盖率与完整性
评估重识别风险
npx skills add maziyarpanahi/openmed --skill auditing-safe-harbor-checklist -g -y
审计OpenMed NER或去标识化模型在各人口统计子群体中的性能差异，检测PHI泄露不均导致的保护不足。通过计算召回率、泄露率及差距指标，识别最弱势群体并生成合规报告，确保临床AI公平性。
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NER或去标识化模型生成合规的模型卡片，整合评估指标、子群体性能及局限性，满足医疗AI治理与透明度要求。
生成或更新模型卡片
撰写模型文档或README
整理治理文件
基于评估报告生成指标和局限性说明
npx skills add maziyarpanahi/openmed --skill authoring-model-cards -g -y
提供大规模临床文本批量处理技能，支持NER、PII提取及去标识化。具备分片、检查点、断点续传及流式输出能力，确保数据本地化处理与隐私安全。
需要批量处理大量临床笔记或数据集
需要对数据进行脱敏或PII提取
需要构建可恢复的大规模数据处理流水线
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
对OpenMed临床NER模型基于用户提供的金标准语料进行实体级评估，计算严格与宽松匹配的精确率、召回率和F1，并生成按标签划分的混淆矩阵及错误分析，辅助调试模型缺陷。
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。
需要结合Presidio进行PII检测
在spaCy管道中嵌入OpenMed脱敏功能
在LangChain链中实现PHI前置脱敏
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项目，生成标签模式、指南及训练/验证/测试集，用于评估夹具。
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
构建预留金标准集
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线，处理日期标准化及相对时间解析。适用于从病历中提取并排序诊断、用药等事件，生成纵向病史或FHIR数据。
构建患者时间线
对临床事件进行时间排序
解析相对时间表达式
生成纵向病史视图
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隐私与安全规则检查清单，生成差距报告。评估行政、物理及技术安全措施，验证去标识化及审计控制合规性，辅助业务伙伴协议(BAA)范围界定与最小必要原则文档化。
用户即将处理PHI或部署OpenMed
需要部署前的合规性审查
确定适用的安全保护措施
规划业务伙伴协议(BAA)
记录最小必要和去标识化控制
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
辅助用户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，确保运行时动态获取最新模型信息。
询问特定任务或领域的最佳 OpenMed 模型
需要针对特定语言的 PII 检测模型
根据模型大小、任务类型或层级过滤候选模型
加载前检查模型的标签、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诊断、验证MEAT支持及复核风险调整因子，作为决策支持工具而非自动编码。
用户希望从病历笔记中挖掘可风险调整的潜在诊断（suspect HCCs）
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评分以供人工复核
需要检查特定诊断在文档中的MEAT（监测、评估、治疗）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，辅助认证编码员进行合规审核。支持本地CMS文件查询或FHIR术语服务搜索，涵盖章节路由、GEMs映射及账单代码预填场景。
需要为诊断文本推荐ICD-10-CM代码
将疾病实体映射到可计费代码
执行ICD-9到ICD-10的GEMs交叉对照
为编码员审查队列预填就诊诊断
npx skills add maziyarpanahi/openmed --skill coding-icd10 -g -y
利用OpenMed从临床笔记中提取事实，补充结构化数据以计算电子临床质量指标(eCQM)，提升分子和排除项捕获率。
计算eCQM
评估CMS/ECQI质量指标
构建CQL/QDM逻辑
从临床笔记中改进分子捕获
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
指导用户选择并配置OpenMed的隐私政策配置文件以进行文本去标识化，支持HIPAA、GDPR等合规场景及自定义代理生成器注册。
询问哪种隐私策略适合特定合规要求
需要配置 deidentify() 函数的 policy 参数
希望保留准标识符用于研究分析
需注册自定义 MRN 或姓名代理提供者
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OMOP CDM中定义可计算表型与患者队列。支持复用OHDSI/PheKB逻辑，结合OpenMed NLP特征增强结构化代码的不足，生成CIRCE JSON或ATLAS定义。
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 PHI/PII 去标识化，支持脱敏、移除、替换等策略，保障医疗数据隐私合规。
需要去除医疗记录中的患者身份信息
准备共享或分析敏感病历数据前
执行 HIPAA/GDPR 合规匿名化处理
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
在本地对多语种临床文本进行PII去标识化，支持自动选择语言模型、正则及本土化假名替换。适用于需处理特定国家ID或要求代用数据符合本地格式的多语言医疗场景。
需要去标识化非英语医疗文本
要求生成符合特定地区格式的虚假身份信息
询问OpenMed支持的语言列表
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与HTTP传输，提供本地化隐私保护及配置指引。
需要为Claude Code或Codex等代理配置MCP工具
运行OpenMed MCP服务端以暴露临床NLP能力
将OpenMed集成到AI应用的工具链中
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，自动检测药物不良事件信号，辅助药理学安全筛查。
检测药物不良反应信号
计算PRR或ROR比率
运行EBGM或IC统计筛查
分析OpenFDA自发报告数据
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
为OpenMed部署提供日志和遥测数据的PHI脱敏防护。通过Python logging.Filter或OTel处理器，在记录发出前自动清洗患者隐私信息，防止数据泄露至集中式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提取的NLP临床实体映射至OMOP CDM标准表。用于把已编码的条件、药物和测量数据转换为OHDSI兼容格式，支持ATLAS分析，涵盖源概念到标准概念的转换及必填字段填充。
加载NLP衍生事实到OMOP数据库
构建从临床文本到OMOP的ETL流程
标准化笔记衍生的发现为标准概念
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
评估OpenMed去标识化或临床NER模型，基于G1a-G8泄漏门控检查PHI残留。用于决定模型发布或隔离，确保关键泄露为零并满足召回率阈值，生成合规报告。
release gate
leakage
is this model safe to ship
G1a
G3
quarantine
recall floor
calibration thresholds
npx skills add maziyarpanahi/openmed --skill evaluating-with-leakage-gates -g -y
用于触发并获取FHIR Bulk Data异步导出作业，轮询状态后下载NDJSON文件。旨在为大规模临床文本提供数据源，以便后续接入OpenMed进行批量去标识化和NER处理。
bulk export
$export
NDJSON
Flat FHIR
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、MedicationStatement、Observation），利用内置工具构建CodeableConcept及生成Bundle，实现与EHR等系统的互操作性。
用户要求导出为FHIR格式
提及FHIR、Condition、Observation或MedicationStatement
需要构建CodeableConcept
涉及RxNorm/LOINC/ICD-10/SNOMED编码映射
需与电子健康记录系统互操作
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
用于从医疗文本中提取疾病、药物等生物医学实体的技能。支持多种输出格式及置信度过滤，是临床NLP流水线中的实体抽取环节。
从病历或医学笔记中提取疾病、药物、解剖结构等实体
需要获取实体的精确字符跨度（起止位置）和置信度分数
构建临床自然语言处理流水线中的实体识别阶段
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
解析DICOM文件头及结构化报告，提取元数据与临床文本，识别并标记PHI隐私字段。结合pydicom读取数据，配合OpenMed进行去标识化和NLP分析，适用于医学影像数据处理流程。
处理DICOM或DICOM-SR文件
需要从影像中提取结构化报告文本
需要扫描和标记患者隐私信息(PHI)
使用pydicom库解析医学影像
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，通过OCR解析并脱敏PHI，输出包含测试名称、值、单位及异常标记的结构化行数据，供下游映射与FHIR使用。
lab table extraction
lab panel
OCR labs
table detection
layout analysis
npx skills add maziyarpanahi/openmed --skill extracting-lab-tables -g -y
从临床文本中检测并提取 PHI/PII 实体信息，返回原文中的实体跨度、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。
需要查看被识别的标识符（如姓名、日期）及其位置偏移量
在正式脱敏前预览可能被处理的内容
将检测到的实体路由给下游自定义脱敏工具
npx skills add maziyarpanahi/openmed --skill extracting-pii-entities -g -y
从临床文本中提取社会健康决定因素（SDOH）并映射至ICD-10-CM Z编码，支持健康公平分析与决策支持。
提取社会健康决定因素
生成Z编码建议
健康公平分析
恢复未编码的文本信息
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
从FHIR R4服务器拉取患者临床资源，解码附件并提取文本，配合OpenMed进行去标识化和NLP分析。
需要获取EHR FAPI中的临床文档或报告
处理FHIR Bundle分页及base64附件解码
准备数据用于HIPAA合规的去标识化与NLP
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召回率及关键信息泄露情况，确保构建失败以阻断低质量合并。
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 测试夹具、演示及去标识化泄漏门控测试，避免触碰真实临床数据。
需要合成患者数据进行开发或演示
创建 CI/CD 确定性测试夹具
生成去标识化泄漏门控测试集
无需数据使用协议的教学场景
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
将临床文本中的真实身份信息替换为类型匹配且自然的伪造值，保持文本可读性并支持下游NLP处理。提供一致性替换、自定义生成器及多语言本地化支持，适用于数据脱敏与模型训练。
需要将PII替换为自然文本而非占位符
需要保持实体一致性以便下游NLP解析
需要注册自定义伪数据生成逻辑
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将扫描传真、图像及CSV/CDA等临床文档通过本地OCR或结构化解析转为干净文本，支持脱敏与实体抽取，为后续隐私处理提供输入。
需要OCR识别扫描图片或传真
处理CSV/TSV表格数据
解析C-CDA XML文件
构建临床文档摄入管道
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS概念，实现跨词表标准化、同义词归一及语义类型过滤。需用户自备UTS API密钥，通过REST API实时查询，不缓存数据。
需要将不同医学术语系统（如SNOMED, ICD-10）的概念统一为单一CUI
需要进行术语同义词归一化或按语义类型过滤实体
需要基于CUI进行跨词表映射（Cross-walking）
npx skills add maziyarpanahi/openmed --skill linking-umls-concepts -g -y
将临床检验和观察名称映射到LOINC标准代码，支持通过FHIR术语API解析六轴模型、关联UCUM单位及构建US Core实验室结果。
用户需要将实验室检测或生命体征名称转换为LOINC代码
需要根据标本类型和方法消歧义以获取正确的LOINC部分模型代码
需要为测量值附加UCUM单位或构建符合US Core标准的实验室观察记录
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床概念映射到SNOMED CT。通过用户提供的术语服务器执行代码查找、翻译及ECL查询，支持临床编码与决策支持，严禁捆绑分发受版权保护的术语数据。
需要为临床发现或程序分配SNOMED CT代码
使用ECL进行概念层级查询
通过ConceptMap或$translate转换现有代码
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
