OpenMed: NLP Lâm Sàng & Ẩn Danh PII Cục Bộ

Tìm Hiểu AI Y Tế On-Device Của OpenMed

OpenMed là một SDK theo giấy phép Apache-2.0, đóng gói hơn 2.200 model y tế cho NER lâm sàng và ẩn danh PII sau một API Python — analyze_text, extract_pii, deidentify — cùng bản build native cho Swift/MLX, Android ONNX, và Transformers.js trong trình duyệt. Nó xử lý văn bản cục bộ khi file model đã có sẵn; chỉ lần tải đầu hoặc remote adapter được bật mới chạm mạng. Nó cũng có MCP server và catalog skills/ cho coding agent.

Năng Lực Cốt Lõi Cho Xử Lý Văn Bản Y Tế

• ✓Cùng một API cho mọi backend: analyze_text() và extract_pii()/deidentify() định tuyến tới CPU, CUDA, Apple MLX, ONNX, hoặc WebGPU trên trình duyệt chỉ bằng cách đổi tham số model_name, theo README.
• ✓Bốn phương thức de-identification tích hợp sẵn trong deidentify() — mask, replace (thay thế tổng hợp dựa trên Faker), hash, và shift_dates (dịch ngày theo số ngày cấu hình được) — tất cả đều được minh hoạ trong README trên cùng một hồ sơ bệnh nhân mẫu.
• ✓Smart entity merging giữ nguyên các span PII nhiều token, như một ngày tháng đầy đủ, thay vì tách chúng ra qua ranh giới tokenizer, theo README.
• ✓Một họ model Privacy Filter: ba bản fine-tune — OpenAI Privacy Filter, một bản tune Nemotron-PII, và một biến thể OpenMed Multilingual — dùng chung một kiến trúc sparse-MoE và API; benchmark trong chính README cho thấy MLX chạy nhanh hơn CPU PyTorch 24-33 lần cho họ model này (độ trễ trung vị mỗi bước suy luận).
• ✓35 mã ngôn ngữ PII được hỗ trợ, 33 trong số đó có model riêng ngay hiện tại; tiếng Nga hiện dùng một model mặc định đa ngôn ngữ được ghi rõ trong tài liệu, và một add-on Indic NER tuỳ chọn bổ sung thêm bốn route khi người dùng đặt biến OPENMED_INDIC_NER_MODEL.
• ✓Hỗ trợ mã số định danh quốc gia có validator riêng cho các locale chỉ-ID mà README nêu tên trực tiếp, gồm Ba Lan, Latvia, Slovakia, Malaysia, Philippines, và Phần Lan.
• ✓Một REST service FastAPI cung cấp /health, /analyze, /pii/extract, và /pii/deidentify song song với API Python.
• ✓Sẵn sàng cho agent theo thiết kế: một MCP server, một tool registry có kiểu, và một catalog skills/ với các thư mục SKILL.md cài được vào Claude Code, Codex, và OpenCode qua install-skills.sh.

Ứng Dụng OpenMed Trong Quy Trình Y Tế

• •Trích xuất thực thể bệnh, thuốc, hoặc giải phẫu từ một ghi chú lâm sàng cục bộ, dùng các model trong registry như disease_detection_superclinical hay pharma_detection_superclinical thay vì gửi ghi chú đó tới một API bên thứ ba.
• •Ẩn danh một bản tóm tắt xuất viện trước khi nó rời khỏi mạng của bệnh viện, chọn mask, replace, hash, hoặc shift_dates tuỳ theo việc output cần giữ khả năng đọc được hay trở thành hoàn toàn tổng hợp.
• •Chạy cùng một model PII ONNX từ một backend Python, một app Android qua ONNX Runtime Mobile, và một tab trình duyệt qua Transformers.js/WebGPU — README trình bày cả ba cho cùng một model.
• •Xử lý PII trong một ghi chú không phải tiếng Anh: README có các ví dụ thực tế bằng tiếng Bồ Đào Nha, Hà Lan, Hindi, Ả Rập, Nhật, và Thổ Nhĩ Kỳ, mỗi ví dụ đều có output thực thể riêng.
• •Kết nối một coding agent — Claude Code, Codex, hoặc OpenCode — để gọi pipeline de-identify/analyze của OpenMed trên dữ liệu placeholder tổng hợp qua catalog skills, sau đó chạy pipeline đó cục bộ trên ghi chú thật.
• •Xây dựng một pipeline offline hoặc air-gapped bằng cách trỏ model_id tới một thư mục model cục bộ để OpenMed bỏ qua hoàn toàn Hugging Face Hub.

Bắt Đầu Với OpenMed

Python: pip install --upgrade "openmed[hf]" cho phần lõi cộng runtime Hugging Face trên Linux, macOS, hoặc Windows với CPU hoặc CUDA — README yêu cầu Python 3.10+. Thêm [hf,service] cho REST service hoặc [mlx] để tăng tốc trên Apple Silicon. Swift: thêm package qua Swift Package Manager — .package(url: "https://github.com/maziyarpanahi/openmed.git", from: "2.1.0") — package này resolve OpenMedKit để dùng import OpenMedKit. Android: thêm repository JitPack giới hạn nhóm com.github.maziyarpanahi trong settings.gradle.kts, sau đó khai báo dependency com.github.maziyarpanahi:openmed:v2.1.0. Trình duyệt: npm install openmed @huggingface/transformers, rồi nạp một model ONNX đã export bằng loadOnnxModel(). Docker: docker build -t openmed:local . cho REST service.

Thực Hiện NER Lâm Sàng Và Ẩn Danh PII

NER lâm sàng chạy qua một lệnh gọi duy nhất: analyze_text(text, model_name="disease_detection_superclinical") trả về result.entities, mỗi entity có nhãn, đoạn văn bản, và điểm tin cậy — ví dụ trong chính README gắn nhãn 'chronic myeloid leukemia' là DISEASE với độ tin cậy 0.98. Ẩn danh PII đi theo cùng khuôn mẫu: extract_pii(text, model_name="pii_superclinical_large", use_smart_merging=True) tìm các entity như NAME, DATE, và SSN, sau đó deidentify(text, method="mask"|"replace"|"hash"|"shift_dates") viết lại văn bản — README chạy cả bốn phương thức trên cùng một hồ sơ tổng hợp. Với khối lượng lớn, BatchProcessor(model_name=..., group_entities=True) xử lý một danh sách văn bản trong một lệnh gọi; README báo cáo throughput cao hơn tới 3.3 lần so với xử lý từng văn bản một trên CPU và 2.2 lần trên MLX.

Các Cách Tiếp Cận Khác Cho NLP Y Tế Cục Bộ

Câu Hỏi Thường Gặp Về OpenMed

Vấn đề OpenMed giải quyết

Hầu hết cách chạy NER lâm sàng hay ẩn danh PII hiện nay đều phải gửi văn bản bệnh nhân — thông tin sức khoẻ được bảo vệ (protected health information) — tới một API được host, đúng kiểu chuyển giao khiến việc rà soát tuân thủ và quyền riêng tư dữ liệu của bệnh viện thêm khó khăn. README của OpenMed đóng khung lý do tồn tại của dự án quanh khoảng trống đó: một runtime cục bộ xử lý văn bản lâm sàng trên hạ tầng do bạn kiểm soát, sau khi các model artifact cần thiết được tải về một lần, thay vì định tuyến mỗi ghi chú qua một endpoint cloud.

Ai nên dùng — và ai nên bỏ qua

Hãy dùng OpenMed nếu bạn đang xây một sản phẩm lâm sàng hoặc y tế và cần NER y tế hoặc ẩn danh PII chạy trên hạ tầng do bạn kiểm soát — một backend Python, một app iOS qua MLX/OpenMedKit, một app Android qua ONNX Runtime Mobile, hoặc một tab trình duyệt qua WebGPU — và bạn sẵn sàng tự thực hiện việc thẩm định HIPAA của riêng mình trên nền đó. Bỏ qua nếu bạn cần một chứng nhận tuân thủ đi kèm sẵn: README nói rõ cấu hình theo hướng Safe Harbor và việc dùng SDK không tự thiết lập tuân thủ HIPAA, nên việc ký duyệt từ đội pháp lý hoặc compliance của bạn vẫn là việc bạn phải làm.

Repo liên quan