Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHub用于基准测试PII模型的召回率，通过合成数据评估精确跨度与字符召回，确保在发布前满足隐私保护阈值要求。
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模型的召回率，通过合成数据评估精确跨度与字符召回，确保在发布前满足隐私保护阈值要求。
模型发布前的隐私合规检查
对比不同PII模型或量化版本的性能
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed库的项目引导技能，提供安装指南、核心API用法及子技能路由，用于构建本地化临床NLP管道，支持NER、PHI去标识化和FHIR导出。
用户询问如何安装或配置OpenMed
需要初始化基于OpenMed的临床/生物医学文本处理项目
寻找特定的OpenMed功能入口（如NER、去标识化）
npx skills add maziyarpanahi/openmed --skill building-with-openmed -g -y
用于本地脱敏CSV、JSONL或Parquet数据集中的自由文本列，生成去标识化数据集及PHI摘要。适用于临床数据准备与分享，确保不覆盖源文件且不泄露敏感信息。
需要脱敏医疗或含个人信息的文本数据
准备数据集用于分析或共享以符合隐私合规要求
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
利用OpenMed从临床文本中提取实体并映射为FHIR R4资源，确保不编造术语代码。适用于将本地NER输出转换为Conditions、Medications等标准化FHIR Bundle的场景。
需要将非结构化或合成临床文本转换为FHIR资源
要求从NLP结果中构建标准医疗数据模型且禁止自行编码
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。
需要加载OpenMed NER模型
配置模型缓存目录或计算设备
在离线环境中运行模型推理
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，从本地注册表中筛选并选择最适合的端侧 PII 检测模型，强调部署前必须进行召回率验证，确保数据安全。
需要选择本地 PII 检测模型时
进行模型导出或量化前的验证
npx skills add maziyarpanahi/openmed --skill pick-a-pii-model -g -y
用于基因组变异注释与HGVS标准化，支持VCF/HGVS/rsID输入，利用VEP/SnpEff/ANNOVAR等工具预测后果、获取gnomAD频率及临床上下文。
用户需要预测变异后果（如错义突变）
需要将HGVS字符串标准化为基因组坐标
需要查询gnomAD群体等位基因频率
处理VCF文件或rsID进行批量注释
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，支持确定性URL生成、内部引用重写及请求块构建，用于向EHR服务器POST数据。
用户需要将多个独立FHIR资源打包成单个Bundle
用户提及构建Bundle、事务(transaction)或向FHIR服务器发布数据
需要解决资源间的内部引用关系
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于审计去标识化临床文本，通过正则和模型检测残留PHI/PII并生成报告。若发现泄露则阻断发布，确保数据合规。
验证去标识化后的文本是否含有残留标识符
在数据共享或发布前进行安全合规检查
需要证明无PHI泄露的审计场景
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
生成无PHI的可审计脱敏报告，支持签名验证与合规留存。用于HIPAA/GDPR审计、证据留存及脱敏决策复核，确保数据隐私与安全。
需要生成脱敏合规审计报告
验证脱敏结果完整性或进行监管审计
保留脱敏操作的可追溯证据
npx skills add maziyarpanahi/openmed --skill auditing-deidentification-runs -g -y
为OpenMed管道生成符合21 CFR Part 11的审计追踪，支持GxP环境。通过电子签名和防篡改哈希确保数据完整性、可归因性及合规性，适用于临床试验等受监管场景。
用户需要在受监管环境中生成审计记录
涉及21 CFR Part 11或GxP合规性需求
需要验证电子签名或防篡改证据
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。
用户需确认文本满足HIPAA Safe Harbor合规要求
需要映射检测到的实体到18个HIPAA类别以评估覆盖度
询问去标识化是否完整或存在遗漏
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上的性能差异，检测潜在的保护不足与数据缺失，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
基于OpenMed评估输出自动生成临床NER或去标识化模型的模型卡片，涵盖用途、指标、子群表现及免责声明，满足临床AI治理与透明度要求。
生成模型卡片
更新模型文档
编写治理文档
将评估报告转化为模型说明
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功能，支持NER、PII提取及去标识化。具备分片、断点续传、流式输出及内存优化特性，适用于本地批量处理大量医疗文档数据。
需要批量处理多个临床文档或数据集
执行大规模实体识别(NER)或PII提取任务
对医疗数据进行去标识化处理
构建可恢复的批处理流水线
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
用于评估OpenMed临床NER模型性能，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，提供按标签的错误分解、混淆矩阵及误报漏报示例，辅助模型调试与错误分析。
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、合并及脱敏集成。
需要将Presidio识别结果与OpenMed PII实体进行转换或合并
需要在spaCy管道中集成OpenMed的PII检测功能
需要在LangChain链执行前对文本进行PHI脱敏处理
npx skills add maziyarpanahi/openmed --skill bridging-presidio-and-spacy -g -y
为OpenMed模型评估构建合成金标准标注项目，包含标签定义、指南及工具配置。生成无数据泄露的独立训练/开发/测试集，确保提交内容均为合成数据以符合合规要求。
创建评估用的合成数据集
设置标注项目及标签体系
编写标注指南或配置Label Studio/BRAT
构建用于CI门禁的隔离测试集
npx skills add maziyarpanahi/openmed --skill building-gold-corpus -g -y
将OpenMed提取的临床事件按时间排序，构建患者纵向时间线。支持绝对/相对日期归一化、锚点解析及PHI脱敏，输出FHIR兼容的有序事件列表，适用于病历整理与病程分析。
构建患者时间线
对临床事件进行时间排序
还原疾病发展过程
生成FHIR导出前的数据准备
npx skills add maziyarpanahi/openmed --skill building-patient-timelines -g -y
在部署处理受保护健康信息(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，确定去标识化方法，辅助BAA协商及审计文档准备。
即将部署涉及PHI的OpenMed或数据管道
需要进行HIPAA隐私和安全规则合规性审查
需要记录最小必要原则和去标识化控制措施
正在制定商业伙伴协议(BAA)
需要向隐私/安全官提交可复现的差距报告
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、语言及实体类型，从OpenMed注册中心动态查询并选择最合适的NER模型，支持按类别、PII、大小等筛选及元数据检查。
询问特定任务（如疾病检测）的推荐模型
需要获取特定语言的PII模型
按大小或任务筛选模型列表
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未记录的风险调整诊断、验证MEAT支持及层级应用，作为决策支持工具供人工复核。
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
基于OpenMed提取的实体，推荐ICD-10-CM/PCS编码及依据，辅助认证编码员审核。支持本地CMS数据或FHIR接口查询，涵盖章节路由、ICD-9到ICD-10转换（GEMs）及病历预填充，旨在提升医疗编码效率与准确性。
用户需要将诊断描述映射为可计费的ICD-10-CM代码
用户需要处理ICD-9到ICD-10的交叉对照（GEMs）
用户希望根据临床主题将实体路由到特定编码章节
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，辅助计算电子临床质量指标(eCQM)，提高 numerator 和排除项的捕获率。
用户希望计算 eCQM
评估 CMS/ECQI 质量指标
改善临床笔记中的 numerator 捕获
构建 CQL/QDM 指标逻辑
填补结构化代码遗漏的文档缺口
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
指导如何为医疗文本去标识化选择合规隐私策略（如HIPAA、GDPR），配置内置七种策略或注册自定义代理生成器，平衡数据可用性与隐私保护。
需要选择符合特定法规的去标识化策略
询问不同隐私配置文件的作用与区别
需要保留准标识符用于研究分析
需要注册自定义的MRN或姓名替换提供者
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，结合OHDSI标准概念集与OpenMed NLP提取的文本特征，增强结构化数据的不足。
定义患者队列
编写可计算表型
复用PheKB或OHDSI逻辑
构建概念集
结合NLP特征增强代码逻辑
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隐私去标识化，自动检测并替换、掩码或移除PHI/PII实体。支持多种脱敏策略与HIPAA合规配置，保障医疗数据安全。
需要去除病历中的患者身份信息
准备共享或分析包含敏感数据的医疗文本
执行HIPAA合规的隐私脱敏操作
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
用于在本地对多语言临床文本进行去标识化，支持多种语言的PII检测及符合当地习惯的假名替换。
处理非英语医疗记录的去标识化
需要生成符合特定地区格式的虚假个人信息
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
指导部署OpenMed MCP服务器，使AI代理（如Claude Code）能调用临床NER、PII提取等工具。涵盖安装、stdio/HTTP传输配置及7个核心工具的集成方法。
配置AI代理的MCP服务
部署本地NLP推理服务器
集成PII去标识化工具
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、IC等指标，自动检测药物不良反应信号，辅助药监数据挖掘与安全性筛查。
用户希望分析特定药物在自发报告数据库中的不良反应关联
需要计算 disproportionality 指标（如 PRR, ROR, EBGM）以识别异常报告信号
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
提供日志和遥测数据的PHI脱敏机制，通过Python Filter或OTel处理器在记录发出前自动清除患者隐私信息，防止敏感数据泄露至日志存储或错误追踪系统。
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提取并编码的临床实体映射至OMOP CDM标准表，支持条件、药物和检验数据的标准化加载。
用户需要将NLP提取的文本事实转换为OMOP数据库记录
构建OHDSI ETL流程以填充condition_occurrence或drug_exposure表
执行源概念到标准概念的映射
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
用于评估OpenMed去标识化模型是否可发布，通过G1a-G8检查残留PHI泄漏、召回率阈值及性能指标，决定模型状态为RELEASABLE或QUARANTINED。
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批量数据导出，将NDJSON流式传输至OpenMed进行批量去标识化和命名实体识别。适用于群体级临床文本提取场景。
用户需要批量导出FHIR数据
提及$export、NDJSON或群体去标识化
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（如Condition、Observation）。提供CodeableConcept构建及Bundle组装辅助，支持RxNorm等标准编码，用于实现医疗数据互操作性。
用户要求导出为FHIR格式
需要生成Condition或Observation资源
提及FHIR、CodeableConcept或EHR互操作
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
基于OpenMed库对临床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，适用于隐私优先的NLP流水线。
从病历中提取疾病或药物实体
需要结构化NER结果如JSON或CSV
构建临床自然语言处理流水线
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
读取DICOM文件头及结构化报告(SR)内容，提取元数据与临床报告文本，并识别需脱敏的PHI标签。配合OpenMed进行NLP分析前处理，用于影像数据摄入时的信息抽取与隐私合规检查。
需要提取DICOM元数据或SR报告文本
影像数据摄入前的PHI标识与脱敏准备
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，输出结构化数据以支持LOINC编码和FHIR观测值生成。
用户需要从扫描的化验单或PDF中提取结构化检验数据
需要对CSV/TSV格式的检验报告进行列分类和PII脱敏
npx skills add maziyarpanahi/openmed --skill extracting-lab-tables -g -y
用于在临床文本中检测并提取PII/PHI实体，返回偏移量和标签而不修改原文。适用于审计、预览脱敏内容或路由至自定义脱敏工具，支持多语言和置信度过滤。
需要获取敏感信息的位置和类型但不希望修改原始文本
在执行正式脱敏前预览可能匹配的实体
将检测到的实体路由到下游自定义处理流程
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），映射至ICD-10-CM Z编码，支持健康公平分析与决策辅助。
用户需要提取非结构化病历中的住房、食物不安全等社会风险
需要将自然语言描述映射为标准Z代码以进行数据分析或合规审查
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
用于从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，为OpenMed去标识化和NLP分析准备数据。
需要解析EHR FHIR API返回的Bundle
处理DocumentReference或DiagnosticReport中的base64编码附件
进行医疗文本的去标识化前数据处理
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召回率阈值及关键信息泄漏情况。若检测到回归或泄漏则构建失败，防止弱化的去标识化代码合并。
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 PHI 风险的逼真合成患者数据（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检测，替代真实临床数据。
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
用于在OpenMed中将检测到的PHI替换为逼真的合成替代值，保持文本可读性和NLP兼容性。支持一致性替换、自定义生成器及本地化配置，适用于临床数据脱敏与模型训练。
需要将PII替换为自然语言假数据而非掩码
需要保持实体一致性以维持文档逻辑连贯
注册自定义的PHI生成规则或Faker提供者
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转换为纯净文本，支持结构化摄入与脱敏，为后续实体识别做准备。
用户需要将扫描图片或传真转换为文本
询问OCR引擎或表格处理
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，不缓存本体数据。
需要统一不同医学术语（如SNOMED CT, ICD-10）的概念ID
进行同义词规范化或语义类型过滤
在RxNorm或SNOMED之间进行代码交叉映射
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标准代码。支持通过FHIR术语API进行代码查找、验证及UCUM单位关联，适用于构建US Core实验室结果观测，解决标本和方法歧义问题。
用户需要将自由文本的检验项目名称转换为标准的LOINC代码
需要基于标本类型或检测方法解析具体的LOINC部分模型代码
构建符合US Core规范的实验室结果Observation资源
npx skills add maziyarpanahi/openmed --skill mapping-loinc -g -y
将OpenMed提取的临床实体映射到SNOMED CT标准术语。通过用户提供的FHIR术语服务器执行概念查找、翻译和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
通过NCBI E-utilities搜索PubMed和PMC文献，获取引文、摘要及元数据。支持MeSH检索、批量下载及与OpenMed配合进行生物医学NER分析，适用于构建语料库或证据收集。
需要查找特定疾病或药物的PubMed引文和摘要
希望基于MeSH主题词进行可复现的文献检索
需要获取文献元数据以构建生物医学命名实体识别(NER)语料库
OpenMed提取实体后需寻找支持性文献
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、品牌/通用名映射及NDC关联。基于免费RxNav API，适用于临床文本的药物编码与互操作性处理。
药物名称标准化
RxCUI查询
药品去重
NDC代码获取
npx skills add maziyarpanahi/openmed --skill normalizing-rxnorm -g -y
