maziyarpanahi/openmed

OpenMed – 设备端临床文本 AI

这是什么 – OpenMed 是一个开源 SDK，让你能在自己掌控的硬件上，本地运行医疗文本提取与受保护健康信息（PHI/PII）去标识化。下载所需模型文件后（可从 Hugging Face 或 OpenMed 模型目录获取），运行时即可完全离线工作，并返回结构化实体、已脱敏文本或符合 FHIR 的输出。

主要功能

• 临床 NER – 疾病、药物、解剖结构、基因等（例如 disease_detection_superclinical）。
• PII 检测与去标识化 – 18 个 Safe-Harbor 类别，并支持多种掩码策略（掩码、替换、哈希、日期偏移）。
• 多语言支持 – 35 种由模型支持的语言、42 个语言代码。
• 多种运行时 – CPU、CUDA、Apple-Silicon MLX、Android ONNX Runtime Mobile、浏览器 Transformers.js，以及 REST 服务。
• 代理就绪技能目录 – 可立即使用的“Agent Skills”，适用于 Claude Code、OpenAI Codex 等。
• 批处理与流式管道 – 高效处理大量文档，并通过智能实体合并保留日期、ID 等。

如何使用

from openmed import analyze_text
result = analyze_text(
    "Patient started on imatinib for chronic myeloid leukemia.",
    model_name="disease_detection_superclinical",
)
for e in result.entities:
    print(e.label, e.text, f"{e.confidence:.2f}")

你也可以调用 CLI、运行 FastAPI 风格的服务（python -m openmed.service.logging），或在移动设备上调用 Kotlin/Swift 库。

支持的平台

• Python（pip install openmed[hf]，可选 [mlx] 以在 Apple Silicon 上加速）。
• Swift / iOS – 通过 Swift Package Manager 使用 OpenMedKit；使用 MLX 进行快速 token 分类。
• Kotlin / Android – 以 JitPack 构件形式打包的 ONNX Runtime Mobile 模型。
• Web – 使用 Transformers.js 导出 ONNX，可在支持 WebGPU 的浏览器中运行。
• 容器 / 服务 – Docker 镜像与内置 REST 服务器。

模型目录 – 该仓库附带一份精选的专用 NER 模型列表（疾病、制药、解剖结构、基因、PII），参数规模约从 1 亿到 4.34 亿不等。模型托管在 Hugging Face 的 OpenMed/ 命名空间下；SDK 可从本地目录加载模型，以供气隙部署使用。

隐私立场 – OpenMed 不提供任何法规合规保证。它提供符合 Safe-Harbor 的 PII 类别与可配置阈值，但部署组织必须自行进行验证与 HIPAA/GDPR 审查。

许可 – SDK 源代码采用 Apache-2.0。模型与数据集许可各不相同，并显示在模型目录中。

---

快速开始清单

1. pip install "openmed[hf]"（Apple Silicon 请改用 openmed[mlx]）。
2. 下载模型（例如 openmed download disease_detection_superclinical）。
3. 从 Python 调用 analyze_text / extract_pii / deidentify，或使用移动 SDK。
4. 在生产环境中，将 SDK 包装到所提供的 REST 服务中，或嵌入你的 iOS/Android 应用。

---

总结 – OpenMed 是一个真正开源的设备端临床文本处理平台，能在多种硬件与语言上提供实体提取与隐私保护去标识化。