开源的医疗 AI 数据隐私方案：OpenMed，2271 个医疗专用模型，全部跑在你自己的设备上，患者数据一步都不出网，为医疗 AI 团队提供了一个通过医院伦理审批的思路和方案。
一句话介绍：从临床文本里抽出疾病、药物等实体，OpenMed 把病历里的患者身份信息脱敏，能在你自己的机器、iPhone、安卓、甚至浏览器里跑，病人数据不必送上云。
OpenMed：你的数据，你的模型，你的硬件（图源：OpenMed 官方仓库）
01场景对象
手上有真实病历数据、既想用 NLP 又不能把数据送出内网的医院 IT、医疗信息化团队、临床研究者。
它的价值不在模型多聪明，在于把"数据不出院"这件事的路径铺齐了：从服务器到手机到浏览器。
02六个看点
▸ 2271 个专科模型：疾病、药物、解剖、基因、PII，都是领域微调过的 NER，不是通用大模型硬套。HuggingFace 上的 OpenMed 组织现在挂着 2271 个模型和 26 个数据集，官方 README 横幅上写着累计下载 3.4 亿+、安装 1000 万+。
▸ PII 去标识化做到了合规级：覆盖 HIPAA Safe Harbor 全部 18 项标识符，四种脱敏方式（掩码 / Faker 伪造替换 / 哈希 / 日期偏移），还内置了 CPF、BSN、Codice Fiscale、Aadhaar、NPI 这些各国证件号 provider。
实时脱敏：左边原始病历，右边红条盖掉的就是检测出的患者身份信息（图中均为合成数据，图源：OpenMed 官方）
▸ 35 种语言、247 个 PII：中东、南亚、日语、土耳其语都覆盖。官方最新口径是支持 35 个 PII 语言代码，其中 33 条由专门模型支持。
▸ Privacy Filter 直接复用了 OpenAI privacy-filter 架构（gpt-oss 风格稀疏 MoE + 局部注意力 + sink token + RoPE/YaRN），出了 Nemotron-PII 微调版和多语言版，同一套 API 换个 model_name 就行。
▸ 端侧：CPU / CUDA / Apple Silicon MLX 全支持，还有 Swift 包 OpenMedKit，PII 检测能原生跑在 iPhone 上。模型名跨平台自动回退，写一次到处跑——在非 Apple 硬件上，MLX 模型名会自动回落到对应的 PyTorch 检查点。
iPhone 上跑完整流程：输入病历 → 两个引擎并排脱敏对比 → 挑要抽取的临床标签。界面上那句话是"从这里开始，一切都留在这台设备上"（图源：OpenMed 官方）
▸ 离线 / 内网隔离场景可用，Apache-2.0，无需依赖云端模型或接口。
03为什么这个思路重要
医疗 AI 落地最大的坎从来不是模型能力，是数据不能出院的伦理审批。
这个项目的思路是把整条链路压到本地——这才是医院信息科真正签得下字的形态。
04上手
Python 3.10+，装完三行代码就能跑：
from openmed import analyze_textresult = analyze_text( "Patient started on imatinib for chronic myeloid leukemia.", model_name="disease_detection_superclinical",)for entity in result.entities: print(f"{entity.label} {entity.text} {entity.confidence:.2f}")# DISEASE chronic myeloid leukemia 0.98# DRUG imatinib 0.95四条端侧路径官方都给了文档：Apple Silicon 走 MLX、iOS 走 Swift 包 OpenMedKit、安卓走 ONNX Runtime Mobile、浏览器走 Transformers.js。另外还提供 MCP 服务器和带类型的工具注册表，方便接进 agent。
仓库现在 4995 star、622 fork，SDK 是 Apache-2.0，配套论文在 arXiv 2508.01630。注意模型和数据集各自的许可条款不一定跟 SDK 相同，部署前要逐个核。
项目地址GitHub：https://github.com/maziyarpanahi/openmed官网：https://openmed.life/模型目录：https://huggingface.co/OpenMed论文：https://arxiv.org/abs/2508.01630