Agent Skills
› maziyarpanahi/openmed
maziyarpanahi/openmed
GitHubOpenMed工作流的首层路由技能，根据用户目标确定性选择 intake、隐私、提取等下游子技能。不处理数据或做临床决策，仅输出路由结果，确保敏感数据先经隐私门控。
安装全部 Skills
npx skills add maziyarpanahi/openmed --all -g -y
集合内 Skills (74)
按质量分展示前 50 个（共 74 个），完整列表请用安装命令预览或逐个打开详情。
OpenMed工作流的首层路由技能，根据用户目标确定性选择 intake、隐私、提取等下游子技能。不处理数据或做临床决策，仅输出路由结果，确保敏感数据先经隐私门控。
需要启动OpenMed工作流但未指定具体步骤
请求涉及临床或个人数据的初步路由
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，通过合成数据验证精确跨度召回率和字符召回率。确保满足召回率阈值，防止隐私泄露，支持对比不同模型、阈值或量化版本的效果。
需要评估PII模型召回率性能时
发布前检查隐私合规性指标时
npx skills add maziyarpanahi/openmed --skill benchmark-pii-recall -g -y
OpenMed技能概览，用于引导用户初始化基于OpenMed的临床NLP项目。涵盖NER、PHI去标识化、FHIR导出等核心功能的选择与安装指引，并链接至具体API实现技能。
询问如何安装或配置OpenMed库
需要构建临床文本处理流水线
寻找适合特定任务的OpenMed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PHI摘要。适用于临床数据准备与共享场景，确保源数据不被覆盖且日志不泄露敏感信息。
需要清洗包含PII/PHI的临床或医疗数据
准备数据用于分享或分析但需保留隐私
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，支持Conditions等类型。强调仅使用已批准术语，禁止编造代码，确保数据隐私与合规性。
需要将非结构化临床文本转换为FHIR格式
需要提取医疗实体（如疾病、药物）但不生成编码
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。
需要加载OpenMed NER模型
希望控制模型缓存或设备设置
需要在离线环境下运行模型
需复用ModelLoader以避免重复加载
npx skills add maziyarpanahi/openmed --skill loading-openmed-models -g -y
根据语言、运行环境和设备预算，从本地注册表离线选择PII检测模型。支持PyTorch和Apple Silicon，强调召回率验证与量化测试，确保部署安全。
需要为CPU或移动端选择本地PII模型
需要在Apple Silicon设备上选择MLX格式PII模型
进行模型选型前的离线清单构建
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决策，生成可审查的DEID-POLICY.md配置文件。仅处理策略选择，不接触敏感数据，需人工审批后生效。
项目需要建立去标识化策略
生成DEID-POLICY.md文件
配置隐私合规参数
npx skills add maziyarpanahi/openmed --skill setup-openmed -g -y
用于基因组变异注释与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等位基因频率，并结合OpenMed提取临床表型上下文，辅助遗传分析与精准医疗研究。
需要预测基因变异的分子后果（如错义、无义突变）
需要将HGVS字符串标准化为基因组坐标或反之
需要查询群体遗传学数据如gnomAD等位基因频率
需要将分子变异信息与患者表型或肿瘤学背景结合
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URL生成、内部引用重写及请求块构建，便于POST至EHR服务器。
用户需要将多个FHIR资源打包成事务Bundle
提到Bundle、transaction或向FHIR服务器发布数据
npx skills add maziyarpanahi/openmed --skill assembling-fhir-bundles -g -y
用于审计去标识化临床文本残留标识符，通过结构扫描与模型比对检测PHI/PII泄漏并生成报告，发现任何泄露即阻断发布。适用于数据共享前的验证、合规检查及CI门禁。
验证去标识化结果是否完整
证明无敏感信息泄露
数据集发布前的安全门禁
运行第二遍检测器
npx skills add maziyarpanahi/openmed --skill auditing-deid-leakage -g -y
为OpenMed去标识化运行生成无患者隐私信息的可签名审计追踪。提供合规证据，记录脱敏决策、偏移量及哈希值，支持HIPAA/GDPR审计与完整性验证，全程不暴露明文数据。
需要合规审计证据
验证去标识化决策
保留HIPAA/GDPR审计证明
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的审计轨迹，支持GxP/GCP环境下的数据完整性、电子签名及防篡改记录。
需要满足FDA合规要求
生成电子签名或审计日志
验证数据完整性与防篡改
npx skills add maziyarpanahi/openmed --skill auditing-part11-trails -g -y
用于验证OpenMed去标识化输出是否覆盖HIPAA Safe Harbor全部18类标识符，检测重识别风险及遗漏项。
验证去标识化合规性
检查标识符覆盖缺口
确认HIPAA Safe Harbor达标
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，检测隐私泄露不平等。通过fairness_report计算召回率、泄露率及差距指标，识别弱势群体保护不足问题，支持临床AI治理合规审查。
用户要求按子群体查看模型召回率和隐私泄露情况
检查去标识化是否对特定群体存在保护不足风险
需要生成公平性审计报告或文档以记录数据缺失
请求计算均衡几率等差异指标用于临床模型评估
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Model Card，涵盖预期用途、定量指标、子群体表现及医疗免责声明，满足临床AI治理与透明度要求。
生成模型卡
更新模型文档
合规性审查
FDA/ONC透明度报告
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、检查点、断点续传及流式输出，适用于大规模数据集处理。
需要批量处理临床笔记或文档集合
需要对数据集进行去标识化或 PII 提取
需要构建支持断点续传的批处理流水线
npx skills add maziyarpanahi/openmed --skill batch-processing-clinical-text -g -y
用于评估OpenMed临床NER模型性能，基于用户提供的金标准语料计算实体级精确率、召回率和F1分数。支持严格与宽松匹配模式，提供按标签划分的混淆矩阵及错误分析（如假阴性/假阳性），帮助诊断模型漏检或误标问题。
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及LangChain的互操作适配器，支持PII实体转换、合并检测及脱敏集成。
需要结合临床NLP与现有PII/NLP工具
在spaCy或LangChain中集成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黄金标准标注项目，包括标签schema、指南及工具配置，生成无数据泄露的train/dev/test集供评估使用。
创建评估基准测试套件
设置数据标注流程
定义实体识别标签体系
编写人工标注操作指南
配置BRAT或Label Studio工具
构建用于CI门禁的合成黄金数据集
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，支持日期标准化、相对时间解析及FHIR格式导出。
构建患者纵向病史
整理疾病发展过程
将提取的临床实体排序为时间序列
准备FHIR数据导出
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，生成差距报告。辅助识别行政、物理及技术安全措施缺口，评估去标识化方法，确保满足隐私与安全规则要求。
即将处理或部署受保护健康信息(PHI)
需要进行前置合规审查或差距分析
需要记录最小必要原则及去标识化控制措施
正在规划商业伙伴协议(BAA)
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 NER 模型。支持按类别、语言、大小搜索模型，查看元数据及 PII 配置，避免硬编码，确保运行时动态获取正确模型。
询问特定任务的 OpenMed 模型选择
查找特定语言的 PII 模型
按类别或大小筛选模型
检查模型的标签和元数据
npx skills add maziyarpanahi/openmed --skill choosing-openmed-models -g -y
将OpenMed提取的慢性病史映射至CMS-HCC V28类别，估算RAF风险调整因子，支持疑似HCC发现、层级规则应用及MEAT文档核查。作为编码员决策辅助工具，非自动编码。
用户希望从病历中识别可风险调整的诊断或疑似HCC
需要将ICD-10-CM代码映射到V28 HCC类别并计算RAF分数
需要检查诊断在文档中的MEAT支持情况
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编码建议及依据，辅助认证编码员完成病案首页填写。支持基于OpenMed NER提取实体的自动匹配、章节路由、ICD-9到ICD-10的GEMs转换以及账单代码查找。
ICD-10-CM
ICD-10-PCS
diagnosis coding
billable code
GEMs
problem list coding
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)，提升分子和排除项的捕获率。
计算eCQM指标
评估CMS/ECQI质量指标
构建CQL/QDM逻辑
改善结构化代码遗漏的临床文档
npx skills add maziyarpanahi/openmed --skill computing-ecqms -g -y
用于配置OpenMed隐私去标识策略，选择合规配置文件（如HIPAA、GDPR），自定义代理生成器及精细控制去标识行为。
选择适合HIPAA或GDPR的隐私策略
配置去标识化参数以保留准标识符
注册自定义 surrogate 生成器
npx skills add maziyarpanahi/openmed --skill configuring-privacy-policies -g -y
用于在OHDSI ATLAS/CIRCE中定义患者队列和可计算表型，结合OMOP CDM概念集与OpenMed NLP特征。适用于构建、复用或增强基于结构化代码的表型定义。
定义患者队列
编写可计算表型
复用OHDSI/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
用于在本地对临床自由文本进行去标识化，移除或替换PHI/PII信息。支持脱敏、哈希等多种方法，适用于医疗笔记匿名化及合规处理，确保数据隐私安全。
需要对医疗记录进行去标识化处理
用户要求从文本中移除或隐藏患者身份信息
准备分享或分析包含敏感个人健康信息的文本
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。支持西班牙语、德语等，自动选择特定语言的PII模型和正则模式（如各国身份证号），生成符合本地习惯的假名替代值。
处理非英语医疗文本
需要本地化格式的虚假数据替代
识别多国特有个人身份信息
npx skills add maziyarpanahi/openmed --skill deidentifying-multilingual-text -g -y
部署OpenMed MCP服务器，为Claude Code等编码代理提供临床文本NER、PII提取及去标识化工具。支持stdio与HTTP传输，实现本地模型调用，确保数据隐私。
需要为AI代理添加OpenMed工具配置
运行MCP服务器以暴露临床NLP功能
配置Agent访问PII提取或去标识化服务
npx skills add maziyarpanahi/openmed --skill deploying-openmed-mcp -g -y
用于从FAERS/OpenFDA自发报告数据中挖掘药物-反应关联信号。通过构建2x2列联表，计算PRR、ROR、EBGM或IC等指标，识别过报道的不良事件组合，辅助药物安全性筛查与假设生成。
用户希望分析特定药物的不良反应报告频率
需要计算PRR、ROR、EBGM或IC等 disproportionality 指标
请求对OpenFDA或FAERS数据进行信号检测
npx skills add maziyarpanahi/openmed --skill detecting-pv-signals -g -y
为OpenMed部署提供日志和遥测数据中的PHI（受保护健康信息）自动清理与屏蔽功能。通过Python logging.Filter或OTel处理器，在记录发出前对敏感数据进行脱敏，防止患者隐私泄露至日志、追踪系统或错误跟踪器中。
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、药物和检验数据的标准化加载与OHDSI分析。
需要构建从非结构化文本到OMOP数据模型的ETL流程
需要将已编码的临床事实转换为OMOP标准概念行
需要填充condition_occurrence或drug_exposure等临床事件表
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 模型是否可发布。通过 G1a-G8 泄漏门控检查，基于合成黄金集验证 PHI 残留泄漏、召回率阈值及性能指标，输出 RELEASABLE 或 QUARANTINED 决策报告。
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
用于发起并获取FHIR Bulk Data $export异步任务，将生成的NDJSON流式传输至OpenMed进行批量去标识化和NER处理。适用于群体级临床文本提取场景。
需要群体级临床文本提取
提及bulk export或$export
需要将EHR数据导入OpenMed进行去标识化
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），利用内置API构建CodeableConcept及Bundle，支持标准编码体系对接EHR。
用户要求导出或转换为FHIR格式
需要生成Condition、Observation等临床资源
涉及RxNorm、LOINC、ICD-10、SNOMED等术语编码映射
提及与电子健康记录系统互操作性
npx skills add maziyarpanahi/openmed --skill exporting-to-fhir -g -y
用于对医疗文本执行临床和生物医学命名实体识别，提取疾病、药物等实体并返回结构化结果。支持多种输出格式及置信度过滤，是临床NLP流水线中的关键步骤。
从医疗笔记中提取疾病、药物、解剖结构或基因等实体
需要对文本进行命名实体识别（NER）并获取带置信度的结构化数据
npx skills add maziyarpanahi/openmed --skill extracting-clinical-entities -g -y
从DICOM文件头及结构化报告中提取元数据和临床报告文本，识别并标记个人健康信息（PHI），以便进行去标识化和NLP分析。
DICOM文件解析
医学影像元数据提取
PHI隐私信息检测
DICOM-SR报告文本读取
npx skills add maziyarpanahi/openmed --skill extracting-dicom-metadata -g -y
从PDF、扫描件或图像中提取实验室检验面板表格，识别测试名称、值、单位及参考范围，并进行PII去标识化，输出结构化数据以支持后续LOINC映射和FHIR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 PHI/PII 实体（如姓名、日期、MRN 等），返回原始文本中的位置偏移和标签，不修改原文。适用于审计、预览脱敏效果及路由至自定义脱敏工具。
需要查看或审计文本中的敏感实体信息
在执行脱敏前预览将被处理的实体
需要将检测到的实体路由到下游脱敏器
需要规范化实体标签以符合标准分类
npx skills add maziyarpanahi/openmed --skill extracting-pii-entities -g -y
从临床文本中提取健康社会决定因素（SDOH）并映射至ICD-10-CM Z代码，支持健康公平分析与编码补全。
提取健康社会决定因素
生成Z代码建议
健康公平分析
恢复未编码的文本记录
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附件并提取文本，用于OpenMed去标识化和NLP分析。支持EHR API交互及Bundle链接遍历。
需要拉取EHR FHIR API中的患者病历和临床笔记
处理DocumentReference或DiagnosticReport中的base64编码附件
使用FHIR REST进行数据分页查询(_revinclude, Bundle.link)
npx skills add maziyarpanahi/openmed --skill fetching-fhir-resources -g -y
在CI中集成去标识化模型泄漏检查，通过pytest或CLI自动验证PHI召回率及零泄漏，不达标则阻断构建和合并。
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），用于临床 NLP 管道的开发测试、CI 固定用例及去标识化泄露检测，避免使用真实敏感数据。
需要合成患者数据
构建 CI 固定测试用例
演示 OpenMed 管道
测试去标识化效果
Synthea
npx skills add maziyarpanahi/openmed --skill generating-synthea-data -g -y
将临床文本中的真实身份信息替换为逼真的伪造值，保持文本可读性和NLP解析能力。支持一致性映射、自定义生成器及多种数据类型替换。
需要将脱敏后的文本保持自然可读
需要为下游NLP模型保留连贯性
要求同一实体在不同位置使用相同的假名
需要注册自定义的标识符生成规则
npx skills add maziyarpanahi/openmed --skill generating-synthetic-surrogates -g -y
将临床文档（图像、扫描件、CSV/CDA）通过本地OCR转换为规范文本，支持结构化摄取与脱红，为后续去标识化和NER提供输入。
需要OCR处理扫描图像或传真
解析CSV/TSV表格数据
提取C-CDA XML内容
构建临床数据摄入流水线
npx skills add maziyarpanahi/openmed --skill ingesting-clinical-documents -g -y
将OpenMed提取的实体链接至UMLS元库CUI，实现跨词表标准化、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。
需要跨词表统一概念ID
同义词归一化
基于语义类型过滤实体
在RxNorm或SNOMED间进行代码映射
npx skills add maziyarpanahi/openmed --skill linking-umls-concepts -g -y
将临床检验和观察结果名称映射到LOINC标准代码，支持通过FHIR术语API进行查询、验证及UCUM单位关联。
用户需要将实验室检查或生命体征名称转换为LOINC代码
需要解析测试名称并匹配正确的LOINC部分模型代码
构建符合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，支持通过用户提供的术语服务器进行编码、翻译和查询。
临床实体标准化
SNOMED CT编码与映射
npx skills add maziyarpanahi/openmed --skill mapping-to-snomed -g -y
