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与字符级召回，确保在发布前满足召回率阈值，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与字符级召回，确保在发布前满足召回率阈值，防止隐私泄露。
评估PII模型性能
发布前合规性检查
比较不同模型或量化版本
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调用及功能映射，用于临床和生物医学NLP任务如NER、PHI去标识化和FHIR导出。
用户提及OpenMed
需要安装OpenMed
询问OpenMed能力或模型选择
开始构建临床/医疗文本处理流水线
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脱敏处理，生成去标识化数据集及摘要。适用于临床数据处理与共享，确保不覆盖源文件且不泄露敏感信息。
需要对数据集进行脱敏处理
准备临床数据用于分析或分享
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
将合成或去标识化临床文本中的实体提取并映射为 FHIR R4 资源，确保不发明术语代码。
从非结构化文本中提取临床信息
生成符合 FHIR 标准的 Bundle
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下载或本地路径加载。提供缓存管理、离线运行及高效复用机制，避免重复加载权重，提升多次调用性能。
需要加载OpenMed NER模型
希望控制模型缓存目录或设备
npx skills add maziyarpanahi/openmed --skill loading-openmed-models -g -y
用于在端侧离线环境中，根据语言、运行时格式和预算筛选 PII 检测模型。通过注册表构建候选列表，并在部署前进行召回验证，支持 CPU、Apple Silicon 及移动端导出场景。
选择端侧 PII 检测模型
本地设备上的模型格式转换与量化验证
npx skills add maziyarpanahi/openmed --skill pick-a-pii-model -g -y
用于基因变异注释与HGVS标准化，支持VCF/HGVS/rsID输入，调用VEP等工具预测后果并关联gnomAD频率及OpenMed临床表型上下文。
用户需要预测变异后果
需要规范化HGVS到基因组坐标
希望获取gnomAD群体等位基因频率
将分子发现与OpenMed提取的表型/肿瘤学背景配对
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源组装为符合规范的Transaction 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。
用户需要将多个独立的FHIR资源打包为一个完整的Bundle
用户提及构建Transaction或Batch Bundle
用户需要解决Bundle内部的资源引用关系
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于在临床文本去标识化后，通过结构化模式匹配和模型二次扫描检测残留的PHI/PII泄露。提供严重性评分，并在发现任何泄露时阻断发布，确保数据合规。
验证去标识化输出是否包含残留标识符
在数据共享或发布前进行合规性检查
运行CI构建门禁以阻止含泄露数据的部署
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
生成HIPAA/GDPR合规的去标识化审计追踪，提供无PHI的防篡改证据。支持签名、验证及合规审查，确保数据脱敏过程可追溯且安全。
需要HIPAA或GDPR合规审计证据
验证去标识化决策的完整性与可复现性
审查脱敏操作记录而不暴露原始敏感文本
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环境下的电子签名、防篡改及数据完整性合规需求。
需要满足FDA 21 CFR Part 11合规要求
生成电子签名或审计追踪记录
在GxP/GCP环境中进行CSV验证
npx skills add maziyarpanahi/openmed --skill auditing-part11-trails -g -y
用于验证 OpenMed 脱敏输出是否符合 HIPAA Safe Harbor 标准，检查 18 类标识符覆盖情况并报告重识别风险。
确认文本是否满足 HIPAA Safe Harbor 脱敏要求
需要映射检测到的实体到 18 类 HIPAA 标识符
标记脱敏遗漏或风险点如年龄大于 89 岁
npx skills add maziyarpanahi/openmed --skill auditing-safe-harbor-checklist -g -y
用于审计OpenMed NER或去标识化模型在人口统计子组上的公平性。通过评估各组的召回率、泄露率及差异，识别模型对特定群体的保护不足问题，并生成可文档化的公平性报告。
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模型生成符合治理规范的模型卡片，整合评估报告数据以记录用途、指标、子群表现及免责声明。
生成或更新模型卡片
整理公平性与错误报告
编写合规性文档
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、可恢复性及流式JSONL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笔记或数据集
需要对数据进行去标识化或PII提取
需要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临床或生物医学NER模型进行基准测试，生成实体级精确率、召回率和F1分数。支持严格与宽松匹配模式，提供按标签的错误分解及混淆矩阵，辅助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 和 LangChain 的互操作适配器，实现 PII 检测结果的转换、合并及脱敏功能。
需要将 OpenMed PII 检测结果与 Microsoft Presidio 结合使用
需要在 spaCy 管道中集成 OpenMed 实体识别
需要在 LangChain 链执行前对文本进行 PHI 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，支持 OpenMed NER 和去标识化模型评估。提供标签模式、标注指南及工具配置，确保生成符合规范且无数据泄露的训练/验证/测试集。
创建评估用金标准数据集
设置标注项目及指南
定义标签模式 (label schema)
配置 BRAT 或 Label Studio
构建用于评估的合成数据集
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，支持日期归一化、相对时间解析及去标识化，适用于构建纵向病史或FHIR导出。
构建患者时间线
对临床事件进行时间排序
重建纵向病史
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，运行HIPAA合规检查清单并生成差距报告。辅助用户确认行政、物理及技术安全措施，支持去标识化决策及BAA范围界定，确保满足隐私与安全规则要求。
处理受保护健康信息前的预部署合规审查
需要文档化最小必要原则和去标识化控制措施
进行安全差距分析或准备业务伙伴协议(BAA)
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
帮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、大小筛选，并检查模型元数据如标签和许可证，确保正确选型后加载。
询问特定任务（如疾病检测）应使用哪个 OpenMed 模型
需要查找特定语言的 PII/PHI 检测模型
希望根据模型大小、任务类型或类别浏览和过滤模型列表
在加载前检查模型的详细元数据、标签或许可证信息
npx skills add maziyarpanahi/openmed --skill choosing-openmed-models -g -y
将OpenMed提取的慢性病症映射至CMS-HCC V28类别并估算RAF评分，辅助医保风险调整。用于发现可调整诊断、映射ICD-10、评估RAF及检查MEAT文档支持，为编码员提供决策支持而非自动编码。
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OpenMed提取的诊断和手术提供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、FHIR术语服务器搜索、章节路由及ICD-9到GEM的交叉映射。
需要为诊断或手术列表推荐ICD-10编码
将临床发现映射到特定ICD-10章节
执行ICD-9到ICD-10的GEMs交叉转换
预填充待审核的就诊诊断记录
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指标
评估CMS/ECQI质量指标
从临床笔记中改善分子捕获
构建CQL/QDM指标逻辑
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
指导配置 OpenMed 隐私策略，选择合规的去标识化配置文件（如 HIPAA、GDPR），处理准标识符保留及注册自定义替代生成器，确保数据脱敏符合法规要求。
需要为特定法规（如 HIPAA Safe Harbor, GDPR）选择去标识化策略
需要自定义 MRN 或姓名等实体的替代生成逻辑
需要在保持数据可用性的同时满足研究数据集的合规要求
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。结合标准概念集与OpenMed NLP提取的文本特征，支持复用PheKB/OHDSI库逻辑，增强结构化代码无法捕捉的临床信息。
定义患者队列
编写可计算表型
复用PheKB或OHDSI Phenotype Library逻辑
构建概念集
使用NLP特征增强基于代码的标准
npx skills add maziyarpanahi/openmed --skill defining-cohort-phenotypes -g -y
用于在本地对临床文本进行 PHI/PII 脱敏，支持掩码、移除、替换等策略，保障医疗数据隐私合规。
需要脱敏医疗笔记或出院摘要
共享或分析前需去除患者标识符
选择特定脱敏方法（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去标识化，支持自动选择语言特定PII模型、正则模式及本地化假名生成，涵盖多种语言的国家ID处理。
需要处理非英语临床文本的去标识化
要求生成符合特定语言/地区格式的虚假替代数据
询问OpenMed支持的语言列表或PII检测能力
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
部署OpenMed MCP服务器，使编程代理（如Claude Code）能通过工具调用临床NER、PII提取和去标识化功能。支持stdio和HTTP传输，覆盖安装、配置及7个核心工具的集成指南。
配置编码代理的MCP连接
启动本地MCP服务以暴露临床NLP工具
将OpenMed集成到Agent工作流中
npx skills add maziyarpanahi/openmed --skill deploying-openmed-mcp -g -y
基于FAERS/OpenFDA数据，利用2x2列联表计算PRR、ROR、EBGM及IC等指标，自动检测药物与不良反应之间的异常关联信号，辅助药物警戒筛查。
用户希望挖掘自发报告数据以发现药物-反应关联
需要构建2x2列联表并计算比例报告比或贝叶斯收缩指标
对特定药物进行过度报告反应的筛选
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
为OpenMed部署提供日志和遥测PII脱敏方案，通过logging.Filter或OTel处理器在记录发出前自动清洗患者健康信息（PHI），防止数据泄露。
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提取并编码的临床事实映射到OMOP CDM v5.4标准表，支持条件、药物和测量数据的标准化加载与ETL处理。
将NLP提取的实体转换为OMOP行
构建OHDSI ETL流程
从文本标准化临床发现
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
用于评估OpenMed去标识化或临床NER模型是否满足G1a-G8发布门控标准，基于残留PHI泄露而非F1分数，决定模型可发布或隔离。
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
用于发起并处理FHIR批量数据导出任务，支持系统、组或患者级别。通过异步轮询获取NDJSON文件，并将其流式传输至OpenMed进行批量去标识化和NER，适用于群体级临床文本提取场景。
需要批量导出EHR数据
提及$export或Bulk Data Access
处理NDJSON格式的FHIR数据
群体级去标识化需求
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标准资源（Condition等），支持CodeableConcept构建、标准化术语映射及Bundle组装，实现医疗数据互操作性。
用户要求导出或转换FHIR格式
需要生成Condition、Observation等FHIR资源
涉及RxNorm/LOINC等医学术语编码
EHR系统数据对接需求
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。
提取临床文本中的实体
获取带字符偏移的NER结果
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，识别并标记敏感信息（PHI），为后续脱敏和NLP分析做准备。
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识别、PHI去标识化及列分类，输出结构化数据供LOINC编码和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
用于在临床文本中检测并提取 PHI/PII 实体信息，返回包含偏移量和标签的结果而不修改原文。适用于审计、自定义脱敏路由及预检场景。
需要查看或审计文本中的个人身份信息（如姓名、电话、MRN）
在执行脱敏前预览将被处理的实体
将检测到的实体路由到下游自定义红黑器
需要将模型标签规范化为统一分类体系
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、风险分层及Z码缺失检测。
用户需要提取文本中的住房、食物不安全等社会风险因素
需要将非结构化临床笔记转换为结构化的ICD-10 Z代码
构建健康公平仪表盘或闭环转介系统
检查病历中已记录但未编码的社会决定因素
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
用于从FHIR R4服务器拉取并分页临床资源，解码base64附件以提取文本，为OpenMed进行去标识化和NLP分析做准备。
需要获取EHR中的临床文档或报告内容
处理FHIR Bundle的分页逻辑
解码FHIR Attachment中的base64数据
npx skills add maziyarpanahi/openmed --skill fetching-fhir-resources -g -y
在CI中集成门禁以拦截去标识化模型退化，确保召回率达标且无关键隐私泄露，通过pytest或CLI阻断不合格合并。
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
利用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管道测试、CI固定装置构建、去标识化泄漏门评估及演示，确保开发安全与可复现性。
Synthea
synthetic data
fake patients
test fixtures
demo data
FHIR bundle generator
synthetic EHR
no PHI
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
用于将临床文本中的敏感信息替换为逼真的合成值，保持文本可读性并支持下游NLP处理。提供一致性替换、自定义生成器注册及配置功能，适用于脱敏后的数据训练与演示场景。
需要将PII替换为真实感假值而非掩码
需要保持文本连贯性以用于NLP训练或演示
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将扫描图像、CSV/CDA等临床文档通过本地OCR转换为标准化文本，支持表格处理与脱敏，为下游去标识化和实体抽取做准备。
需要将扫描件或照片转换为文本
处理CSV/TSV表格数据
解析C-CDA XML文件
构建临床文档摄入流水线
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS CUI，实现跨词汇表标准化、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实时查询，不缓存数据。
UMLS概念标准化
CUI解析与同义词归一化
跨词汇表映射（如SNOMED到ICD-10）
基于语义类型的实体过滤
npx skills add maziyarpanahi/openmed --skill linking-umls-concepts -g -y
将实验室和临床观察名称映射到LOINC代码，支持UCUM单位及FHIR Observation构建。适用于医疗数据标准化、检验结果编码及与OpenMed NER实体对接的场景。
需要将自然语言描述的检验项目转换为标准LOINC码
需要解析标本类型或检测方法以精确匹配LOINC组件
需要获取UCUM单位用于医学数值标准化
需要生成符合US Core标准的实验室结果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术语。通过用户提供的FHIR术语服务器执行SCTID解析、ECL查询及代码翻译，严格遵循许可证要求，不捆绑任何词汇数据。
SNOMED CT mapping
ECL query
$lookup/$translate
Ontoserver/Snowstorm integration
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/ESummary。用于获取疾病药物证据、摘要总结及构建NER语料，常与OpenMed配合使用。
需要查找特定条件或药物的文献引用
获取摘要以进行总结或生物医学NER分析
执行MeSH锚定的可重复搜索
npx skills add maziyarpanahi/openmed --skill mining-pubmed-literature -g -y
利用RxNav免费API将OpenMed提取的药物名称标准化为RxNorm RxCUI，支持精确与模糊匹配、去重及NDC链接，用于临床数据存储与分析。
药物名称标准化
RxCUI映射
品牌与通用名去重
药品编码
npx skills add maziyarpanahi/openmed --skill normalizing-rxnorm -g -y
