医生和医院的本地化AI助手:无需上传数据,临床文本秒变结构化信息

💡 编辑推荐

这不是又一个炫技的AI玩具，而是真正把“医疗数据主权”交还给医院和医生的务实选择——技术够硬核，落地够简单，合规有保障。

OpenMed 是一个真正“本地优先”的开源医疗AI工具包——所有敏感病历、检验报告、医嘱等临床文本处理都在你自己的电脑、服务器甚至 iPhone 上完成，患者隐私数据从不离开本地设备。它解决了医疗机构最头疼的难题：既要利用大模型提升诊疗效率，又要严守《个人信息保护法》和《医疗卫生机构信息安全管理办法》，杜绝云端上传带来的合规风险与数据泄露隐患。一句话说透：这是为医疗行业量身打造的、开箱即用的“主权AI”（Sovereign AI）落地方案。

核心功能

● 一键实体识别：自动从自由文本中精准提取疾病、药品、检查项目、解剖部位、症状等20+类医学实体，支持中文临床术语标准化（如将“心梗”映射为SNOMED CT标准编码）

● 全链路PII脱敏：内置符合HIPAA与国内《个人信息安全规范》的患者身份信息识别与去标识化引擎，可自动掩码姓名、身份证号、电话、地址、病历号等敏感字段，输出结果仍保持临床语义完整性

● 千模随选，即装即用：Hugging Face官方认证的OpenMed模型库（https://huggingface.co/OpenMed）已上线超1000个轻量化专业模型，覆盖糖尿病管理、肿瘤分期、ICU预警、中医证候辨识等垂直场景，全部适配CPU/GPU/Apple Silicon

● 跨平台原生支持：不仅提供Python API，还深度集成Apple MLX框架，可直接编译为SwiftUI原生iOS应用——医生在iPhone上拍照上传手写处方，3秒内返回结构化用药建议

● 私有化部署零依赖：支持Docker一键部署至院内服务器或信创环境（麒麟OS+鲲鹏芯片），无需联网调用外部API，满足三级等保与区域卫生信息平台对接要求

● 模型可解释性增强：每个预测结果附带注意力热力图与依据片段高亮，帮助医生快速验证AI判断逻辑，避免“黑箱决策”，符合《人工智能医用软件审评指导原则》对临床辅助决策系统的可追溯性要求

适合哪些人用

一线临床医生（尤其基层全科/慢病管理医师）、医院信息科工程师、区域卫生健康信息平台建设者、医疗AI初创公司算法团队，以及需要快速构建合规AI能力的电子病历（EMR）、互联网医院、智慧药房等系统开发商。如果你正在被“想用AI又怕数据上云”“买了商业API但无法审计模型行为”“定制开发周期太长”等问题困扰，OpenMed 就是为你而生。

快速上手

Python用户只需两行代码：

pip install openmed
from openmed import extract_entities, deidentify_pii
result = extract_entities("患者男，62岁，确诊2型糖尿病5年，现服用二甲双胍0.5g bid")

iOS开发者可通过Swift Package Manager引入：
https://github.com/maziyarpanahi/openmed.git，配合Xcode 16+直接构建离线医疗App。完整文档与中文示例见GitHub README（https://github.com/maziyarpanahi/openmed#readme），首次运行自动下载最小化模型（仅47MB），5分钟完成本地POC验证。

项目信息

编程语言：Python（主框架） + Swift（iOS端）
GitHub Star 数：2227
开源协议：Apache-2.0（https://github.com/maziyarpanahi/openmed/blob/main/LICENSE）
GitHub 项目地址（https://github.com/maziyarpanahi/openmed）

KLC 开源易选每日发现 · 全球优质开源项目

专注发现全球优质开源项目，每日精选 GitHub Trending 热门项目，提供深度中文解读，帮你快速找到最适合的开源工具与资源。

🤖 AI 工具⚡ 效率神器🎨 前端框架🛠️ 开发工具🌐 建站资源

🌐 官方网站：https://www.openklc.com/