Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHub用于评估PII模型的召回率，通过合成数据验证标签感知的精确跨度与字素召回，确保发布前满足召回率底线，防止隐私泄露。
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.
用于评估PII模型的召回率，通过合成数据验证标签感知的精确跨度与字素召回，确保发布前满足召回率底线，防止隐私泄露。
需要比较不同PII模型或阈值的效果
在发布前验证模型是否满足最低召回率要求
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed库的入门指南，提供安装、核心API（NER、PHI脱敏）及子技能映射，用于临床文本处理项目的快速启动与能力选型。
用户提及OpenMed或需要安装该库
构建临床/生物医学NLP管道并需选择入口
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，确保源文件不被覆盖且日志不泄露敏感信息。
需要处理包含PII/PHI的医疗或临床数据
要求在不暴露原始值的情况下准备数据用于分析或共享
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，并映射为确定性的 FHIR R4 资源与 Bundle。支持条件、用药等类型转换，严禁编造术语代码，强调 PHI 安全与审计记录。
需要将非结构化临床文本转换为标准化 FHIR 资源
进行医疗数据提取且需确保不生成虚构的医学术语编码
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重用。
加载OpenMed NER模型
控制模型缓存目录或设备
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
根据语言、运行环境和设备预算从本地注册表选择PII模型，并验证召回率。适用于CPU、Apple Silicon或移动端部署，确保离线安全检测。
需要为本地设备选择PII检测模型
进行移动端或边缘计算部署前的模型选型
需要在离线环境下筛选和验证隐私数据识别模型
npx skills add maziyarpanahi/openmed --skill pick-a-pii-model -g -y
用于基因组变体注释与HGVS标准化，支持VCF/HGVS/rsID输入。通过Ensembl VEP、SnpEff等工具预测后果并获取gnomAD频率，结合OpenMed关联临床表型上下文，适用于生物信息学分析场景。
用户需要预测变体后果（如错义突变）
需要将HGVS标准化为基因组坐标
用户希望获取gnomAD群体等位基因频率
用户请求对VCF文件进行注释或处理rsID
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源组装为有效的交易Bundle，处理确定性URL、内部引用重写及请求块，便于POST至EHR服务器。
构建FHIR Bundle
准备transaction或batch提交
解决Bundle内资源引用
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于验证临床文本去标识化后的残留隐私信息（PHI/PII），通过结构扫描和模型检测发现泄漏并阻止发布，确保数据合规。
验证去标识化结果
检查数据是否泄露敏感信息
在数据分享或发布前进行安全审计
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
用于生成HIPAA/GDPR合规的去标识化审计轨迹，通过签名和哈希验证数据完整性与可追溯性，确保不暴露原始PHI。
需要满足HIPAA或GDPR合规审计要求
验证去标识化决策的准确性和完整性
生成防篡改的可复现审计证据
npx skills add maziyarpanahi/openmed --skill auditing-deidentification-runs -g -y
为OpenMed管道生成符合21 CFR Part 11的审计轨迹，提供电子签名、防篡改及数据完整性验证功能。适用于GxP/GCP受监管环境下的合规性支持，确保操作可追溯且不可抵赖。
需要生成符合FDA Part 11标准的审计记录
执行电子签名或验证数据完整性
在GxP/GMP环境中进行CSV证据准备
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标准，检查18类标识符覆盖情况并报告重识别风险。
确认文本符合HIPAA Safe Harbor合规要求
需要映射检测到的实体到18个类别以检查覆盖缺口
npx skills add maziyarpanahi/openmed --skill auditing-safe-harbor-checklist -g -y
用于审计OpenMed NER或去标识化模型在各人口统计学子群体上的性能差异，检测是否存在保护不足现象。通过计算泄露率、召回率及差距指标，确保临床AI模型的公平性并生成合规报告。
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AI模型生成合规的模型卡片，整合评估指标、子群体性能及免责声明，满足医疗治理与透明度要求。
model card
intended use
model documentation
governance
limitations section
datasheet
FDA/ONC transparency
npx skills add maziyarpanahi/openmed --skill authoring-model-cards -g -y
提供临床文本的大规模批量处理技能，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，适用于本地高效处理大量医疗文档。
需要批量处理多个临床文档或数据集
对数据进行去标识化或PII提取
运行大规模命名实体识别(NER)
构建可恢复的批处理管道
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
对OpenMed临床NER模型进行实体级精度、召回率和F1评分，支持严格与宽松匹配模式，提供按标签的错误分解及混淆矩阵，用于模型评估与错误分析。
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、合并及脱敏流程集成。
需要将Presidio结果转换为OpenMed格式
在spaCy管道中集成PII检测
使用LangChain进行文本脱敏
npx skills add maziyarpanahi/openmed --skill bridging-presidio-and-spacy -g -y
用于搭建合成黄金标准标注项目，以评估OpenMed NER和去标识化模型。提供标签体系、标注指南及工具配置，生成可提交且无数据泄露的train/dev/test拆分集。
创建评估测试集
设置标注项目
定义标签体系
编写标注指南
配置BRAT或Label Studio
构建保留测试集
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。用于生成纵向病史、疾病进程视图或FHIR导出准备。
构建患者时间线
对临床事件进行时间排序
将分析结果转为带日期的就诊序列
npx skills add maziyarpanahi/openmed --skill building-patient-timelines -g -y
在部署涉及受保护健康信息(PHI)的数据管道前，运行HIPAA合规检查清单并生成差距报告。用于评估行政、物理和技术安全措施，确认去标识化方法（安全港或专家判定）及审计日志控制，辅助业务伙伴协议(BAA)准备与隐私官签署。
即将处理PHI前的合规审查
需要生成安全控制差距报告
确定去标识化策略(安全港/专家判定)
准备BAA或安全问卷文档
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
辅助在临床或生物医学任务中选择和发现合适的 OpenMed NER 模型。支持按类别、语言（PII）、大小搜索模型，并检查元数据以匹配需求。
用户询问应使用哪个 OpenMed 模型
需要根据疾病、肿瘤或隐私类型查找模型
需要获取特定语言的 PII 检测模型
按大小或任务搜索模型
加载前检查模型的标签和元数据
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，辅助识别潜在诊断、验证MEAT文档支持及进行风险调整决策。
HCC, CMS-HCC, V28, RAF score, risk adjustment, Medicare Advantage, hierarchical condition category, MEAT, recapture, suspect HCC, RADV
npx skills add maziyarpanahi/openmed --skill coding-hcc-risk-adjustment -g -y
为医疗诊断和手术提供ICD-10-CM/PCS编码建议及理由，辅助认证编码员完成病案编码、章节路由及ICD-9到GEMs的转换，支持本地文件与FHIR查询。
需要为提取的诊断或手术生成ICD-10编码候选项
需要将临床术语映射到正确的ICD-10章节
需要进行ICD-9到ICD-10的GEMs交叉转换
需要预填充就诊诊断供编码员审核
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，用于计算电子临床质量指标(eCQM)，提升分子和排除项的捕获率。
计算eCQM或评估CMS质量指标
从临床笔记中提取缺失的测量证据
构建或优化CQL/QDM逻辑
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
用于配置OpenMed隐私去标识化策略，选择内置合规配置文件（如HIPAA、GDPR）或注册自定义代理生成器，平衡数据可用性与法规遵从性。
需要符合HIPAA/GDPR等法规的去标识化
为研究目的保留准标识符
注册自定义MRN或姓名代理生成器
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OMOP CDM上定义患者队列和可计算表型，支持复用OHDSI/PheKB逻辑并整合OpenMed NLP特征以增强结构化数据缺失的临床信息。
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，在本地使用 OpenMed 移除或替换 PHI/PII。支持多种脱敏方法、策略配置及结果审计，确保医疗数据隐私合规与安全共享。
需要脱敏医疗笔记或患者标识符
在分享或分析前匿名化出院小结
选择脱敏方法（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言临床文本进行隐私去标识化，支持自动选择特定语言的PII模型和正则模式，生成符合本地习惯的假名替换，并处理各国特有身份证号格式。
需要脱敏非英语医疗记录
要求生成符合特定地区格式的虚假个人身份信息
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，涵盖配置、工具列表及Agent集成指南。
配置MCP服务器以暴露临床NLP工具
为Claude Code或Codex添加OpenMed访问权限
运行本地MCP服务进行文本分析或隐私处理
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，检测药物-不良反应关联信号。适用于构建2x2列联表、统计筛选及挖掘自发报告数据中的潜在安全风险。
用户希望从自发报告数据中挖掘药物-反应关联
需要计算PRR、ROR、EBGM或IC以识别异常报告信号
对特定药物进行不良反应过度报告的筛查
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
提供Python日志过滤器和OTel处理器，在OpenMed部署中自动脱敏或阻止PHI进入日志、追踪和错误报告，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提取的NLP临床实体映射到OMOP CDM标准表，用于OHDSI分析。
加载NLP事实到OMOP数据库
构建OHDSI ETL流程
从文本标准化发现
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
评估OpenMed去标识化或临床NER模型是否满足G1a-G8发布门控，重点检查残留PHI泄漏而非F1。用于决定模型可发布或隔离，强制执行召回率下限、零关键泄漏及校准阈值，并生成合规报告。
release gate
leakage
is this model safe to ship
quarantine
recall floor
calibration thresholds
npx skills add maziyarpanahi/openmed --skill evaluating-with-leakage-gates -g -y
用于发起FHIR Bulk Data $export异步任务，轮询状态并下载NDJSON文件，将临床文本流式传输至OpenMed进行批量去标识化和NER处理。适用于群体规模数据提取。
需要批量导出EHR或FHIR仓库中的患者注释
提及bulk export、$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等），支持标准化编码映射与互操作性，用于对接EHR或数据湖。
用户要求导出为FHIR格式
提及构建Condition/Observation/MedicationStatement资源
涉及RxNorm/LOINC/ICD-10/SNOMED编码映射
需要与电子健康记录系统(EHR)进行数据交互
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
基于OpenMed库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。
从临床笔记中提取疾病、药物、解剖结构或基因等实体
需要结构化NER结果（如JSON/CSV）并过滤置信度
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
读取DICOM文件头及结构化报告，提取元数据与临床文本，识别并标记PII信息，为OpenMed处理提供去标识化支持。
DICOM
pydicom
DICOM-SR
structured report
PatientName
study metadata
PACS
radiology report
PS3
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去标识化及列分类，输出结构化数据以支持LOINC编码和FHIR生成。
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，返回原始文本中的实体跨度、标签及置信度，支持多语言和标签规范化，适用于审计、预览脱敏效果或路由至自定义脱敏工具。
需要识别临床文本中的敏感信息（如姓名、MRN、电话等）
在脱敏前预览将被处理的实体范围
将检测到的实体路由到自定义脱敏器
npx skills add maziyarpanahi/openmed --skill extracting-pii-entities -g -y
从临床自由文本中提取健康社会决定因素（SDOH）实体，并映射至ICD-10-CM Z代码。用于揭示未编码的社会风险数据，支持健康公平分析、风险评估及闭环转诊，辅助医疗人员发现编码遗漏。
需要提取文档中的住房、食物不安全等社会风险
生成或建议 ICD-10 Z-codes
进行健康公平性数据分析
识别临床笔记中未被结构化编码的 SDOH
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，供OpenMed进行去标识化和NLP分析。适用于EHR API数据集成场景。
需要拉取EHR FHIR API的临床文档或报告
处理FHIR Bundle分页及base64附件解码
为OpenMed准备去标识化输入
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召回率阈值及关键标识符泄漏情况，确保构建失败以阻止有缺陷的合并。
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 测试固定装置及去标识化泄漏门测试，避免使用真实临床数据。
需要安全的测试数据
构建 FHIR 或 C-CDA 摄入管道
创建 CI 测试固定装置
生成去标识化泄漏门测试集
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
用于将临床文本中的真实身份信息替换为逼真的合成假值，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，适用于数据脱敏和模型训练场景。
需要将PHI替换为自然合成的假值而非简单掩码
需要保持文本对下游NLP模型的可用性
需要跨文档或多次调用中身份标识的一致性
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将临床文档（图像、CSV、C-CDA）通过本地OCR和结构化处理转换为纯净文本，为去标识化和NER做准备。支持多种格式输入与引擎选择，确保数据不出设备。
需要扫描图像的OCR识别
处理CSV/TSV表格数据
解析C-CDA XML文件
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，实现跨词表归一化、同义词解析及语义类型过滤。需用户自备UTS API密钥，调用NLM UTS REST API完成概念映射。
UMLS概念归一化
CID解析
跨词表映射
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进行代码查找、验证及UCUM单位关联，用于构建符合US Core标准的实验室结果观测。
需要将文本形式的检验项目名称转换为标准LOINC编码
需要根据标本类型或检测方法精确匹配LOINC部分模型代码
需要获取与检验结果值配对的UCUM单位
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床实体映射到SNOMED CT概念，支持术语服务器查询、代码翻译及概念解析。
临床实体映射至SNOMED CT
执行ECL查询
代码翻译与解析
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
通过NCBI E-utilities检索PubMed和PMC文献，支持ESearch、EFetch及ESummary操作，用于获取生物医学证据、摘要及构建NER语料库。
用户需要特定疾病或药物的引用列表
需要提取摘要进行总结或构建NLP语料库
执行基于MeSH主题词的文献搜索
npx skills add maziyarpanahi/openmed --skill mining-pubmed-literature -g -y
将药物名称标准化为RxNorm RxCUI，支持去重、成分/商品名区分及NDC关联。利用免费RxNav API实现药物实体编码，适用于临床数据存储与分析。
药物名称标准化
RxCUI映射
品牌与通用名解析
药品去重
NDC代码获取
npx skills add maziyarpanahi/openmed --skill normalizing-rxnorm -g -y
