Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHubOpenMed工作流的首层路由技能，用于将未指定具体流程的请求确定性地分发至采集、隐私脱敏、提取等下游环节，确保敏感数据合规处理。
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工作流的首层路由技能，用于将未指定具体流程的请求确定性地分发至采集、隐私脱敏、提取等下游环节，确保敏感数据合规处理。
请求目标宽泛且跨越多个临床数据处理阶段
数据敏感性状态不明确或涉及原始临床/个人内容
npx skills add maziyarpanahi/openmed --skill ask-openmed -g -y
用于在发布前对PII模型进行基准测试，通过合成数据评估精确跨度召回率和字符召回率，确保满足隐私召回阈值要求。
需要验证PII模型在发布前的召回率是否达标
比较不同模型、阈值或量化版本的隐私保护能力
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed 技能指南，用于引导项目启动、安装配置及选择 NER、去标识化、FHIR 导出等临床数据处理入口。
用户提及 OpenMed
询问如何安装或初始化 OpenMed 项目
需要选择适合临床文本处理任务的模型或能力
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，生成脱敏数据集及汇总摘要。适用于临床数据准备与分享场景，确保源数据不被覆盖且日志不泄露敏感信息。
需要对包含个人健康信息的文本数据进行脱敏处理
准备临床数据集用于分析或共享但不希望暴露原始内容
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，利用 OpenMed 进行 NER 处理，严格遵循脱敏规范，仅使用用户批准的术语代码，确保数据合规与准确性。
需要将非结构化临床文本转换为标准 FHIR 资源
要求从本地 NER 输出构建 Conditions 或 MedicationStatements
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或本地路径获取，控制缓存与设备，实现离线运行及跨调用复用ModelLoader以避免重复加载。
需要加载OpenMed NER模型
希望复用ModelLoader避免重复加载
配置模型缓存目录或设备
在离线环境中运行模型
npx skills add maziyarpanahi/openmed --skill loading-openmed-models -g -y
根据语言、运行环境和设备预算，从本地注册表筛选并选择最合适的 PII（个人身份信息）检测模型。该技能支持离线操作，涵盖 CPU、Apple Silicon 及移动端导出场景，并强调部署前需进行召回率验证以确保数据安全。
需要为特定设备选择本地 PII 检测模型
在离线环境下构建模型短列表
准备模型部署前的性能与召回基准测试
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策略决策，生成可审查的 DEID-POLICY.md 配置文件。通过限定选项引导用户确认管辖权、召回率等关键参数，确保策略明确且无需网络调用，为后续隐私工作提供基础配置。
项目需要建立去标识化隐私策略
初始化 DEID 流程前的配置准备
npx skills add maziyarpanahi/openmed --skill setup-openmed -g -y
该技能用于基因变异注释与HGVS标准化，支持VCF、rsID及HGVS字符串。通过Ensembl VEP REST或离线工具预测变异后果，关联gnomAD频率及OpenMed临床表型，辅助基因组学与肿瘤学分析。
需要预测基因变异的分子后果（如错义、无义突变）
将HGVS格式转换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提取的临床表型进行变异上下文分析
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源组装为有效的事务Bundle，处理确定性URN、内部引用重写及请求块，便于POST至EHR服务器。
用户需要将多个独立FHIR资源打包成单个Bundle
需要构建事务或批量请求以提交至FHIR服务器
提及Bundle组装、事务处理或引用解析
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
对去标识化后的临床文本进行对抗性扫描，检测残留的PHI/PII标识符并生成泄露报告。若发现任何泄露则阻断发布，用于验证脱敏效果、满足合规要求及作为CI门禁检查。
用户要求验证脱敏结果或证明无PHI泄露
数据集分享前需运行二次检测
需要构建CI检查以失败阻断包含残留标识符的构建
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
生成去标识化运行的合规审计追踪，提供防篡改记录以验证HIPAA/GDPR合规性。
需要HIPAA或GDPR审计证据
验证去标识化决策的完整性
审查脱敏过程而不暴露原始文本
npx skills add maziyarpanahi/openmed --skill auditing-deidentification-runs -g -y
为OpenMed流水线生成符合21 CFR Part 11的审计追踪，支持电子签名、防篡改验证及CSV合规证据。适用于GxP/GCP等受监管环境，确保数据完整性与可追溯性。
用户运行OpenMed并需生成审计记录
需要验证数据未被篡改或提供CSV证据
涉及21 CFR Part 11、GxP、电子签名或ALCOA+合规场景
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。
确认文本满足HIPAA Safe Harbor合规要求
检查去标识化覆盖率及缺失类别
评估剩余重识别风险
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子组上的性能差异，检测隐私泄露的不平等现象。通过公平性报告工具计算各组的召回率和泄露率，识别保护不足群体，确保临床AI模型的公平性与合规性。
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AI模型生成合规的模型卡片，整合评估指标、子群性能及免责声明，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
提供大规模临床文本批量处理技能，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，确保数据不出本地且内存高效，适用于海量病历文档的自动化批处理任务。
需要批量处理大量临床笔记或数据集
需要对数据集进行去标识化或 PII 提取
需要构建可恢复、不占用大量内存的批处理流水线
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
用于评估 OpenMed 临床 NER 模型性能，提供实体级精确率、召回率和 F1 分数。支持严格与宽松匹配模式，生成按标签划分的混淆矩阵及错误分析（如假阴性/假阳性），帮助调试模型漏检或误判问题。
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 检测结果的转换、合并及脱敏集成。
需要将 OpenMed PII 结果集成到现有 NLP 框架
希望在 spaCy 或 LangChain 中使用 OpenMed 脱敏功能
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语料库，包括标注指南、工具配置及数据集划分。
创建评估用的合成数据
设置标注项目或定义标签体系
编写标注指南
配置BRAT或Label Studio
构建用于评估的固定测试集
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、相对时间解析及FHIR导出。
构建患者时间线
对临床事件进行时间排序
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，执行HIPAA隐私与安全规则合规性检查。通过对比控制清单生成差距报告，验证去标识化及审计等安全措施是否到位。
处理 PHI 前的合规审查
需要记录行政、物理和技术保障措施
确定去标识化方法（Safe Harbor 或 Expert Determination）
生成可复现的差距报告供隐私官签署
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
指导用户根据临床或生物医学任务、领域及语言，通过 OpenMed 注册表动态查询和选择最合适的 NER 模型。涵盖分类浏览、PII 模型匹配及元数据检查，避免硬编码。
询问特定任务或领域的推荐模型
查找支持特定语言的 PII 模型
按大小、任务或类别筛选模型
检查模型的标签、参数和许可证信息
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，提供决策支持以辅助编码人员验证疑似HCC及MEAT文档完整性。
用户希望从病历中找出可风险调整的确诊疾病
需要将ICD-10-CM代码映射到V28 HCC类别
需要为患者或群体估算RAF评分
检查诊断是否有MEAT文档支持
npx skills add maziyarpanahi/openmed --skill coding-hcc-risk-adjustment -g -y
为OpenMed提取的诊疗实体推荐ICD-10-CM/PCS编码，提供依据并辅助认证编码员审核。支持本地CMS文件查询或FHIR术语服务搜索，涵盖疾病路由、ICD-9到GEMs转换及预填充病历，确保数据合规且无版权限制。
用户需要为诊断或操作建议候选ICD-10-CM/PCS编码
需要将临床发现映射到正确的ICD章节
需要进行ICD-9到ICD-10的GEMs交叉对照
需要预填充待编码员审核的就诊诊断
npx skills add maziyarpanahi/openmed --skill coding-icd10 -g -y
基于CQL/QDM逻辑，利用OpenMed从临床笔记中提取事实以补充结构化数据，计算电子临床质量指标(eCQM)，提升 numerator 捕获率。
用户希望计算eCQM或评估CMS质量指标
需要从临床笔记中改进分子/排除项捕获
构建CQL/QDM测量逻辑
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
用于配置 OpenMed 隐私政策，选择 HIPAA/GDPR 等合规去标识化方案，定制代理生成器及保留研究数据字段。
选择合规去标识化策略
配置自定义代理提供者
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OMOP CDM中定义可计算表型和患者队列。结合OHDSI ATLAS/CIRCE标准概念集与OpenMed NLP提取的文本特征，增强结构化代码无法捕捉的临床信息，支持复用PheKB等库逻辑。
定义患者队列
编写可计算表型
使用OHDSI或ATLAS工具
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
用于在设备端对临床自由文本进行 PHI/PII 去标识化。支持脱敏、移除、替换、哈希及日期偏移等多种方法，配合 HIPAA 等策略配置文件，确保医疗数据隐私安全并符合合规要求。
需要去除或掩盖临床笔记中的患者身份信息
在共享或分析前对出院摘要进行匿名化处理
选择特定的去标识方法如掩码或哈希以保护隐私
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
针对多语言临床文本的本地化PII去标识化工具，支持自动选择模型、正则及本地化假名生成。
处理非英语医疗文本
需要符合特定国家/地区格式的假名替换
查询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（如Claude Code）和聊天客户端能通过MCP协议调用临床NLP工具，实现本地化的文本分析、PII提取及数据去标识化功能。
需要为AI代理配置OpenMed MCP服务
通过stdio或HTTP运行MCP服务器以暴露NLP工具
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，挖掘药物-不良反应的异常报告信号，用于药物警戒中的安全性筛查与假设生成。
检测 disproportionality 信号
查询 PRR, ROR, EBGM, IC 指标
分析 FAERS / OpenFDA 数据
识别药物不良反应关联
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
提供日志和遥测数据的 PHI（受保护健康信息）脱敏方案，通过 Python logging.Filter 或 OTel 处理器在记录发出前自动清洗敏感数据，防止患者隐私泄露。
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，完成从源概念到标准概念的转换。
加载NLP事实到OMOP数据库
构建OHDSI ETL流程
标准化文本发现为OMOP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泄漏门禁标准判断是否可发布。强制零关键泄露并满足召回率阈值，生成合规报告。
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
处理FHIR Bulk Data $export异步导出，通过轮询状态并下载NDJSON文件，将群体规模的临床文本流式传输至OpenMed进行批量去标识化和NER。
需要进行群体规模或大批量的FHIR数据导出
提到bulk export、$export、NDJSON或cohort de-identification
需要将EHR数据批量导入OpenMed管道
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，支持Condition、Observation等类型及多种医学术语编码。
用户要求导出为FHIR格式
提及构建Condition/Observation/MedicationStatement资源
需要CodeableConcept或RxNorm/LOINC/ICD-10/SNOMED编码
与EHR系统进行互操作性对接
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
对医疗文本进行命名实体识别，提取疾病、药物等实体及置信度，支持多种输出格式。
从临床笔记中提取实体
需要结构化NER输出
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
读取DICOM文件头及结构化报告，提取元数据与报告文本，识别并标记患者隐私信息。用于影像数据摄入前的去标识化准备和NLP分析。
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、扫描件或图像中检测并提取实验室检验面板表格，转换为结构化数据行。支持OCR解析、PHI去标识化及列分类，为后续LOINC编码和FHIR数据准备提供干净的结构化输入。
lab table extraction
lab panel
OCR labs
table detection
layout analysis
npx skills add maziyarpanahi/openmed --skill extracting-lab-tables -g -y
在临床文本中检测并提取 PHI/PII 实体信息，返回实体跨度、标签及置信度，不修改原文。用于审计、预览脱敏效果或路由至自定义脱敏工具。
需要查看被识别出的敏感实体（如姓名、MRN、电话）及其位置偏移量
在正式脱敏前预览可能被移除的内容
将检测到的实体路由到下游自定义脱敏器
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
从临床自由文本中提取健康社会决定因素（SDOH），并将其映射为ICD-10-CM Z代码，用于支持健康公平分析和编码补全。
需要提取健康社会决定因素
建议Z代码
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服务器拉取临床资源，分页处理Bundle并解码Base64附件提取文本，供OpenMed进行去标识化和NLP分析。适用于EHR API数据获取与预处理。
需要从EHR FHIR API拉取Patient或DocumentReference等资源
需要解析base64编码的临床文档或报告内容
涉及FHIR Bundle的分页遍历与数据重组
npx skills add maziyarpanahi/openmed --skill fetching-fhir-resources -g -y
在CI中集成OpenMed去标识化模型的门控检查，确保PHI召回率不低于阈值且无关键信息泄露。若回归则构建失败，用于阻止削弱隐私保护的代码合并。
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生成零真实PHI风险的合成患者数据（FHIR/C-CDA/CSV），用于开发测试、CI固定数据、演示及去标识化漏测评估，避免触碰真实临床数据。
需要安全的测试数据
构建CI固定夹具
进行去标识化泄漏门测试
无需隐私协议的教学演示
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
将临床文本中的真实PHI替换为类型匹配的合成值，保持可读性和NLP解析能力。支持一致性替换、种子复现及自定义生成器注册，适用于脱敏后需保留语义的场景。
需要将PHI替换为逼真假值而非掩码
需要跨文档或文档内保持一致的身份映射
需要为下游NLP模型保留自然语言分布
需要注册自定义的模拟数据生成规则
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将扫描传真、图像及CSV/CDA等临床文档通过本地OCR和结构化处理转换为干净文本，为去标识化和NER做准备。支持多格式输入与本地引擎。
需要OCR识别扫描件或图像
处理CSV/TSV表格数据
解析C-CDA XML文件
构建文档摄入流水线
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS元词典CUI，实现跨词汇表标准化、同义词归一化及语义类型过滤。需用户自有UTS API密钥，通过REST API实时查询，不缓存数据。
需要跨词汇表（如SNOMED CT、ICD-10）统一概念ID
进行医学术语同义词归一化
基于语义类型筛选实体
在不同医学术语系统间进行映射
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解析标本、方法及UCUM单位，构建US Core实验室结果。
需要将化验单或报告中的文本指标转换为标准LOINC代码
需要区分不同标本或检测方法的同一指标并获取对应代码
需要为观测值附加UCUM单位或生成FHIR Observation资源
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床实体映射至SNOMED CT术语系统，支持概念查询、代码转换及层级推理。通过用户提供的FHIR术语服务器实现，不内置任何受版权保护的术语数据，确保合规性。
SNOMED CT mapping
ECL query
$lookup or $translate
Ontoserver/Snowstorm integration
clinical concept coding
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
