病历不让出内网，OpenMed 让医疗 NLP 跑在本地工作站上

一、开篇：为什么你需要这个工具？

医院信息科王主任最近遇到一个棘手问题：科室要上一个临床 NLP 系统，从电子病历里抽取疾病、药物、剂量。安全部门一句话卡死——「病历不能出医院内网」。他先后试了三个云端方案，每次都要走安全评估、签数据处理协议，预算报价单上写着年付 36 万起。

这不是个例。医疗数据的合规要求让大量团队卡在「想用 AI 干点活」的第一步：HIPAA、GDPR、院内网络安全规定都在说同一件事——别把 PHI 发到外部 API。可一旦要求 100% 本地化，市面上能跑得动临床 NER 的开源方案屈指可数，而且大多数只支持英语。

OpenMed 想解决的正是这个矛盾：本地跑、海量医疗模型、覆盖多语言 PII、自带去标识化能力。GitHub 4,976 stars，PyPI 月下载量超 340 万，已经在不少医院的内网工作站上稳定运行。

二、项目简介：用一句话概括

OpenMed 是一个本地优先（local-first）的医疗 AI 工具包，围绕临床命名实体识别（NER）和 HIPAA 对齐的 PII 去标识化两条主线展开，2,200+ 医疗模型、33 种 PII 语言、Apache-2.0 开源协议。核心运行时默认完全离线，数据不出内网，可部署在 CPU、CUDA、Apple MLX、Android ONNX 和浏览器上。SDK 用 Python，移动端配 Swift/Kotlin 双端，REST 服务、FHIR/HL7 互通、Transformers.js 导出都已就位。

三、核心功能深度解析

1. 临床 NER：识别疾病、药物、解剖、基因

OpenMed 的模型目录覆盖五个垂直方向：disease_detection_superclinical（疾病/诊断，434M）、pharma_detection_superclinical（药物/治疗，434M）、pii_superclinical_large（PII，434M）、anatomy_detection_electramed（解剖/器官，109M）、gene_detection_genecorpus（基因/蛋白，109M）。一行代码即可调用：

from openmed import analyze_text
result = analyze_text(
    "Patient started on imatinib for chronic myeloid leukemia.",
    model_name="disease_detection_superclinical",
)
for entity in result.entities:
    print(f"{entity.label:<12} {entity.text:<28} {entity.confidence:.2f}")

输出：DISEASE chronic myeloid leukemia 0.98；DRUG imatinib 0.95。这种开箱即用的 API 形态让临床 NLP 不再需要几周的数据标注和微调周期。

2. PII 去标识化：HIPAA Safe Harbor 对齐

extract_pii 和 deidentify 两个函数构成隐私保护核心。支持 18 类标识符，覆盖姓名、生日、SSN、电话、邮箱、地址、就诊号等。脱敏方法四种可选：mask（掩码）、replace（Faker 替换为同语种伪数据）、hash（哈希）、shift_dates（日期偏移保留时间序列）。

值得注意的是 smart entity merging 机制：传统 NER 常把 01/15/1970 切成 01、/15、/1970 三个碎片，OpenMed 通过合并策略把完整日期、电话、身份证号作为一个实体保留，避免下游规则引擎漏判。

3. 33 种 PII 语言 + 国家 ID 校验

从阿拉伯语的 29801011234567 到日本的 マイナンバー 1234 5678 9012、荷兰的 BSN、巴西的 CPF、西班牙的 DNI，OpenMed 都配了对应 Faker locale 和校验器。一行 lang="ja" 就能切换，无需手动加载多份模型。

4. 多端部署：Python / Swift / Kotlin / 浏览器

同一份 ONNX 模型既能在 Python CPU 上跑，也能在 Android ONNX Runtime Mobile、iOS 的 Apple MLX、浏览器 Transformers.js + WebGPU 上跑。对需要在手机端离线录入病历的野外场景，OpenMedKit (Swift) 提供了扫描即去标识化的链路。

四、技术亮点与性能数据

MLX 加速 在 Apple Silicon 上表现亮眼：Privacy Filter 推理延迟比 CPU PyTorch 快 24–33 倍（中位数推理时延）。批量 PII 处理 在 CPU 上吞吐提升 3.3 倍，在 MLX 上提升 2.2 倍，相比逐文档处理。

架构层面有几个值得关注的点：

• OpenAI Privacy Filter 架构作为基座（gpt-oss 风格稀疏 MoE + 局部注意力 + sink tokens + RoPE+YaRN + tiktoken o200k_base），OpenMed 提供三个变体（baseline、Nemotron 微调、多语言），共用同一 API；
• 后端自动路由：MLX 模型名在非 Apple 硬件上自动回退到 PyTorch 检查点；
• 离线/气隙部署：把 model_id 指向本地目录，运行时完全不再联系 Hugging Face Hub；
• 生态兼容：PyTorch、CUDA、MLX、CoreML、ONNX Runtime Mobile、Transformers.js、WebGPU 全覆盖；
• REST 服务 提供 /health、/analyze、/pii/extract、/pii/deidentify 四类接口，附 keep_alive、模型热卸载、API key/JWT、动态批处理、限流、可观测指标。

五、适用场景与人群

典型场景：

• 医院信息科要把 10 年电子病历批量结构化抽实体，又要满足数据不出内网；
• 保险科技公司在本地工作站跑理赔文本去标识化，再喂给下游分析；
• 跨国多语言病历研究，需要葡萄牙语、阿拉伯语、日语、土耳其语混合抽取；
• 移动端随访 App 让医生在 iPad 上离线录入并自动遮蔽患者姓名；
• 学术研究用 FHIR/HL7 把脱敏后的临床数据接入队列分析。

适合谁： 医疗信息化工程师、临床研究人员、医学 NLP 团队、医疗 SaaS 初创、需要合规审计的乙方集成商。不适合谁： 只想跑几个公开数据集 demo、不在意本地化部署的纯算法爱好者——直接用 Hugging Face 云端推理更省事。

六、竞品对比

选择 OpenMed 的核心理由只有一个：它是少数同时满足「医疗垂直模型丰富」「完全本地化」「多语言 PII 内建」三个条件的开源方案，而且 SDK 是 Apache-2.0，商用没有授权障碍。

七、如何快速上手

1. 安装（30 秒）

# CPU / CUDA
pip install --upgrade "openmed[hf]"

# Apple Silicon 加速
pip install --upgrade "openmed[mlx]"

# REST 服务
pip install --upgrade "openmed[hf,service]"

2. 最小可用示例

from openmed import analyze_text

result = analyze_text(
    "Patient received 75mg clopidogrel for NSTEMI.",
    model_name="pharma_detection_superclinical",
)
print([(e.label, e.text) for e in result.entities])

3. 进阶建议

• 内网环境把 model_id 指向预下载的本地目录，断网也能跑；
• 用 BatchProcessor(operation="deidentify", batch_size=16) 处理万级文档；
• 生产部署用 Docker 镜像 + OPENMED_PROFILE=prod 启动 REST 服务；
• Android 集成参考 android/README.md，iOS 集成参考 swift/OpenMedKit；
• Agent 开发者可直接装 ./install-skills.sh 把 Skill 注入 Claude Code / Codex / OpenCode。

八、总结与行动建议

OpenMed 把「医疗 NLP 必须上云」这件事的默认假设打破了。2,200+ 模型、33 种 PII 语言、Apple MLX 24 倍加速、Apache-2.0 商用友好，再加上 iOS/Android/浏览器全端覆盖——它已经不是一个 demo 项目，而是一套可以塞进医院内网工作站的工程化方案。

使用建议： 先用 disease_detection_superclinical 跑通你科室的真实数据样本，确认实体准确率；再叠加 pii_superclinical_large 加一道合规护栏；最后用 REST 服务或 Docker 镜像接入现有 ETL。如果你正在做多语言项目，强烈建议跑一遍 lang="pt"、lang="ja"、lang="ar" 的端到端 demo，亲眼看 Faker 替换的伪数据是否符合本地习惯。

• GitHub：https://github.com/maziyarpanahi/openmed
• 官网：https://openmed.life/
• 文档：https://openmed.life/docs/
• PyPI：https://pypi.org/project/openmed/
• 论文：https://arxiv.org/abs/2508.01630

一句话推荐：如果你受够了病历不能出内网和 NLP 精度不可兼得的拉扯，OpenMed 是当下最值得在本地工作站上跑一遍的开源医疗 AI 工具包。