用途：在临床数据可能含 PHI、需先去标识化再进行 LLM 辅助分析时使用。实际去标识化由一个独立 Python 脚本在本地完成，不联网、不调用 AI；技能只负责解释流程、引导操作和核验结果，不应查看或处理原始 PHI。
主要能力：支持 CSV、TSV、Excel(.xlsx)。通过正则模式识别国别标识符（如国家身份证号、电话、邮箱、地址、日期）以及通用模式（邮箱、ISO 日期、高基数数值 ID）。可用伪名（P0001 等）替换姓名、按患者随机平移日期（1–365 天、保持相对时间间隔）、替换 ID 或抑制直接标识符。提供列分类（PHI/REVIEW_NEEDED/SAFE）、交互式三遍复核、审计日志（仅键控哈希）与映射文件。内置 11 个地区：kr、us、jp、cn、de、uk、fr、ca、au、in、it，也支持 --locale-file 自定义。
使用方式：需 Python 3.9+，处理 .xlsx 需 pip install openpyxl。完整流程：python3 deidentify.py full <file> --locale <code>；谨慎流程为先 scan，再 review，最后 apply。研究者需在自己的终端运行脚本，而非通过 AI 执行。常用选项包括 --locale、--locale-file、--hash-mapping、--auto-accept-safe、--output-dir、-v/--verbose。输出包含去标识化文件、mapping.json（含原始标识符，须限制访问，权限 0600）、audit_log.csv 和 scan_report.json。
适用场景与限制：适合结构化表格数据的去标识化与流程文档化，位于数据清洗之前。但该工具本身不保证满足 HIPAA Safe Harbor 或其他法律的匿名化要求：89 岁以上年龄不分组；平移后的日期仍保留日月；自由文本中的姓名无法识别，整段以 [REDACTED] 替换；不做稀有组合评估或 k-匿名检查；仅处理 Excel 第一个工作表。不检测 URL、IP、账号、执照、车辆设备编号等；列名或文件名中的标识符也不处理。不支持的还有 DICOM 元数据、临床自由文本 NER、SPSS/SAS 格式。资料未提供收费与价格信息。