Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHubOpenMed工作流初始路由技能，根据目标关键词将请求确定性地分发至摄入、隐私、提取、交换或验证阶段。优先处理敏感数据隐私门控，确保临床或个人数据安全流转。
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，根据目标关键词将请求确定性地分发至摄入、隐私、提取、交换或验证阶段。优先处理敏感数据隐私门控，确保临床或个人数据安全流转。
未指定具体工作流的OpenMed请求
涉及临床数据摄入或隐私处理的初步路由
需要判断数据敏感性并选择下一步处理流程的场景
npx skills add maziyarpanahi/openmed --skill ask-openmed -g -y
用于评估PII模型召回率的基准测试技能，通过合成数据验证精确跨度与字符级召回率，确保在发布前满足隐私召回阈值。
需要比较不同PII模型或量化版本的效果
发布前验证模型是否达到最低召回率要求
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed技能总览，提供临床/NLP任务入口指引、安装方法及核心API示例。用于引导用户选择NER、去标识化等子技能，支持本地部署与隐私保护。
用户询问如何开始使用OpenMed
需要安装或配置OpenMed环境
在临床文本处理中选择合适的NLP能力或模型
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-free聚合摘要。适用于临床数据准备与分享，确保不覆盖源文件且不泄露单元格值。
需要处理包含个人健康信息的临床数据集
准备用于分析或共享的脱敏数据
npx skills add maziyarpanahi/openmed --skill deidentify-a-dataset -g -y
将合成或去标识化文本中的临床实体提取并映射为 FHIR R4 资源。通过 OpenMed 进行 NER，严格过滤置信度，仅使用用户批准的术语代码，确保不编造编码，并将结果组装为 Bundle 以符合合规要求。
需要将临床文本转换为 FHIR 格式
执行临床命名实体识别后的资源映射
npx skills add maziyarpanahi/openmed --skill extract-clinical-entities-to-fhir -g -y
用于加载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，实现离线运行及跨调用复用ModelLoader以避免重复加载。
需要加载OpenMed NER模型
控制模型缓存目录或计算设备
需要在离线环境中运行模型
选择使用Registry键、HF ID还是本地路径
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，从本地注册表中离线选择最合适的 PII 检测模型，并在部署前进行召回验证。
需要为 CPU、Apple Silicon 或移动端选择本地 PII 检测模型
需要在不依赖在线模型发现的情况下确定离线推理模型
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配置草案。通过限定选项规范化管辖、召回率等5项参数，确保本地确定性与人工审批前置，不处理敏感数据。
项目需要明确隐私策略
初始化去标识化流水线
npx skills add maziyarpanahi/openmed --skill setup-openmed -g -y
用于基因组变异注释和HGVS标准化，支持VCF、rsID及HGVS格式。通过Ensembl VEP REST API或离线工具预测变异后果，关联gnomAD频率与OpenMed临床表型上下文。
用户需要预测基因变异的后果（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
用户提供VCF文件、rsID或HGVS描述符
npx skills add maziyarpanahi/openmed --skill annotating-variants -g -y
将多个FHIR R4资源组装为单个有效的事务Bundle，支持确定性URN、自动引用重写及请求块生成，用于向EHR服务器POST数据。
用户需要将多个独立的FHIR资源打包成一个事务Bundle
用户提到构建Bundle、事务处理、POST资源或解决内部引用
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于审计去标识化临床文本，检测残留的PHI/PII信息。通过结构化扫描和模型二次比对生成泄漏报告，任何发现均阻断数据发布，确保合规安全。
验证去标识化结果是否彻底
证明无PHI/PII泄漏以获取发布许可
在数据集共享前运行第二道检测防线
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追踪。通过audit=True获取无PHI的确定性报告，支持签名防篡改、完整性验证及证据留存，确保脱敏决策可追溯且不含明文数据。
需要生成去标识化运行的合规审计证据
要求对脱敏结果进行签名和完整性验证
需要在不暴露明文PHI的情况下审查脱敏决策
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GxP环境下的电子签名、防篡改验证及CSV合规证据生成。
用户需要在受监管环境中生成可归因、时间戳和防篡改的审计记录
需要验证审计追踪未被篡改或生成检查用的CSV证据
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标准的审计技能，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
需要映射检测到的实体到18个类别
检查脱敏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中的性能差异，检测漏报与隐私泄露的不平等现象。
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临床模型生成符合治理规范的Model Card，整合评估指标、公平性分析及免责声明。
model card
intended use
governance
limitations section
datasheet
npx skills add maziyarpanahi/openmed --skill authoring-model-cards -g -y
用于在本地对大量临床文本进行批量 NER、PII 提取或去标识化。支持分片、断点续传和流式输出，适用于数据集处理、隐私保护及大规模文档分析任务。
批量处理临床笔记
数据脱敏
NER 实体识别
构建可恢复的批处理管道
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及混淆矩阵，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 检测集成、实体转换合并及 LLM 前文本脱敏，实现临床 NLP 与主流生态的高效对接。
需要集成 Microsoft Presidio 进行 PII 识别
在 spaCy 管道中嵌入 OpenMed 脱敏组件
使用 LangChain 构建 LLM 前的文本脱敏链
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，生成标注规范、工具配置及无泄漏的划分数据，用于评估基准测试。
创建评估夹具
设置标注项目
定义标签模式
编写标注指南
配置 BRAT/Label Studio
构建训练/开发/测试集
npx skills add maziyarpanahi/openmed --skill building-gold-corpus -g -y
从临床文本中提取事件并基于锚点日期归一化绝对/相对时间，生成按时间排序的患者纵向病史时间线，支持FHIR导出。
构建患者时间线
对临床事件进行时间排序
将分析结果转换为带日期的就诊记录
npx skills add maziyarpanahi/openmed --skill building-patient-timelines -g -y
用于在部署处理受保护健康信息(PHI)的管道前，运行HIPAA隐私与安全规则检查清单，生成差距报告以评估行政、物理及技术安全措施合规性。
用户即将部署涉及PHI的数据管道
需要进行部署前的合规性审查
需要确定适用的安全控制措施
正在规划商业伙伴协议(BAA)
必须记录最低必要性和去标识化控制
npx skills add maziyarpanahi/openmed --skill checking-hipaa-compliance -g -y
指导在临床或生物医学任务中选择合适的OpenMed模型。支持按类别、语言、大小搜索模型，查看元数据与PII信息，避免硬编码，确保运行时动态适配最新模型注册表。
询问特定任务或领域的推荐模型
需要获取特定语言的PII模型
根据大小或任务筛选模型
加载前检查模型标签和元数据
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，支持疑似HCC发现、MEAT文档检查及层级应用。作为编码辅助决策工具供人工审核，非自动编码。
用户希望从病历笔记中发现可风险调整的诊断（疑似HCC）
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评分以供复核
需要检查诊断在文档中是否有MEAT支持
npx skills add maziyarpanahi/openmed --skill coding-hcc-risk-adjustment -g -y
辅助医疗编码员将OpenMed提取的诊疗实体映射为ICD-10-CM/PCS标准代码，提供候选码及依据。支持本地CMS数据查询与FHIR接口搜索，用于预填病历、章节路由及ICD-9转换，最终由人工审核确认。
用户需要将诊断描述转换为ICD-10代码
需要查找特定疾病对应的可计费编码
进行ICD-9到ICD-10的代码转换(GEMs)
为编码员审查队列预填充诊断信息
npx skills add maziyarpanahi/openmed --skill coding-icd10 -g -y
利用OpenMed从临床笔记中提取事实，补充结构化数据以改进电子临床质量指标(eCQM)的分子和排除项捕获。
计算eCQM指标
评估CMS/ECQI质量指标
构建CQL/QDM指标逻辑
从临床笔记中提升分子捕获率
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
用于配置医疗数据去标识化隐私策略，支持选择HIPAA、GDPR等预设Profile或自定义生成器，确保合规并平衡研究可用性。
询问哪种隐私策略适合特定法规（如HIPAA、GDPR）
需要配置deidentify()的policy参数
需保留准标识符用于研究分析
注册自定义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中定义可计算表型与患者队列，支持复用OHDSI/PheKB逻辑，并结合OpenMed NLP特征增强结构化代码缺失的临床信息。
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特征增强表型
npx skills add maziyarpanahi/openmed --skill defining-cohort-phenotypes -g -y
提供临床文本的本地脱敏能力，支持移除、掩码、替换等五种方式处理PHI/PII，保障数据隐私合规。
需要脱敏医疗记录或患者信息
在共享或分析前清除敏感标识
npx skills add maziyarpanahi/openmed --skill deidentifying-clinical-text -g -y
用于在本地对多语种临床文本进行PII去标识化。支持多种语言及特定国家ID格式，通过lang和locale参数自动选择模型、正则模式及本地化假名替换，确保数据隐私合规。
处理非英语医疗记录
需要本地化格式的假名替换
识别多国特定国家ID
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
部署OpenMed MCP服务器，为Claude Code等编程代理提供临床文本NER、PII提取及去标识化工具。支持本地运行、stdio/HTTP传输及容器化配置。
需要为AI代理添加OpenMed工具
配置MCP服务端点
实现临床数据隐私保护
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，检测药物不良反应信号。
药物不良反应信号检测
disproportionality analysis
OpenFDA数据挖掘
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
为OpenMed部署提供日志和遥测防护，通过Python过滤器或OTel处理器在记录发出前自动清洗或屏蔽PHI（受保护的健康信息），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临床实体映射至OMOP CDM标准表，支持条件、药物和测量数据标准化。适用于OHDSI分析场景，需先完成术语编码，再执行源概念到标准概念的转换及ETL加载。
将NLP提取的临床事实加载到OMOP数据库
从文本构建OHDSI ETL流程
标准化笔记衍生的发现为OMOP标准概念
npx skills add maziyarpanahi/openmed --skill etl-to-omop-cdm -g -y
评估去标识化模型是否满足泄露门禁标准，基于合成数据检测PHI残留，判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
用于执行FHIR批量数据导出，通过异步作业获取NDJSON文件并流式传输至OpenMed进行批量去标识化和命名实体识别，适用于群体规模临床文本提取。
用户需要批量导出FHIR数据
提及bulk export、$export或NDJSON
需要从EHR提取群体级临床文本
npx skills add maziyarpanahi/openmed --skill exporting-bulk-fhir -g -y
将 OpenMed NER 输出的临床实体转换为 FHIR R4 资源（Condition、MedicationStatement 等），支持标准化编码和 EHR 互操作。
用户要求导出为 FHIR 格式
涉及 Condition/Observation/MedicationStatement 构建
需要 RxNorm/LOINC/ICD-10/SNOMED 编码映射
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NER技能，支持多种输出格式及置信度过滤。
从病历或医学笔记中提取实体
需要结构化NER结果如JSON或CSV
构建临床NLP流水线中的实体提取阶段
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，标记敏感信息供去标识化。
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，识别测试名称、值、单位及异常标志，支持脱敏并输出结构化数据供下游映射与FHIR使用。
用户需要将扫描的化验单转换为结构化行数据
需要对CSV/TSV格式的检验数据进行列分类和PHI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PHI/PII实体（如姓名、电话、地址等）及其位置和标签，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的场景。
需要查看被识别的敏感信息但不进行脱敏
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
从临床文本中提取社会健康决定因素（SDOH）并映射至ICD-10-CM Z编码。用于将非结构化记录转化为结构化信号，支持健康公平分析及编码缺口识别。
提取SDOH数据
生成Z代码建议
健康公平分析
恢复未编码的社会风险
npx skills add maziyarpanahi/openmed --skill extracting-sdoh -g -y
从FHIR R4服务器分页获取临床资源，解码base64附件提取文本，并对接OpenMed进行脱敏与NLP分析。适用于EHR数据拉取及病历内容处理场景。
需要拉取EHR FHIR API中的Patient或DocumentReference等资源
需要对base64编码的临床文档附件进行解码和文本提取
需要将获取的病历文本交给OpenMed进行脱敏或分析
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。通过pytest或CLI实现构建失败阻断，防止隐私回归问题合并。
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（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测试，避免使用真实临床数据。
需要安全的测试数据
生成 CI 夹具
创建去标识化测试集
Synthea
synthetic data
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
将临床文本中的敏感信息替换为逼真的假值，保持可读性和NLP兼容性。支持一致性替换、种子复现及自定义生成器注册，适用于脱敏后的数据利用场景。
需要保留脱敏后文本的可读性
下游NLP模型需要自然分布的输入数据
演示或QA环境需要真实感的假数据
需要跨文档保持一致的身份映射
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纯净文本，支持脱敏与实体识别前的数据摄入。
需要处理扫描或拍照的临床笔记进行OCR
处理CSV/TSV患者导出表格
解析C-CDA XML文件
构建用于脱敏和NER的数据摄入流程
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，通过REST API调用NLM服务，支持SNOMED CT、ICD-10等标准互查。
需要跨词表概念归一化
使用UMLS或CUI进行实体解析
基于语义类型过滤医疗实体
在RxNorm或SNOMED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到LOINC标准代码，支持通过FHIR术语API进行代码查询、验证及UCUM单位关联，适用于构建US Core实验室结果观察。
用户需要将化验单或报告中的自由文本检验名称转换为稳定的LOINC代码
需要根据标本类型（如血清vs尿液）或检测方法区分同一检验的不同LOINC编码
需要为观测值附加UCUM单位或生成符合US Core标准的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，支持通过用户提供的术语服务器进行代码查询、翻译和ECL层级搜索，严禁内置数据。
临床实体编码
SNOMED CT映射
ECL查询
FHIR术语服务调用
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
