लोकल-फर्स्ट हेल्थकेयर AI जो डिवाइस से कभी बाहर नहीं जाता

क्लिनिकल टेक्स्ट को कोड की एक पंक्ति से संरचित अंतर्दृष्टि में बदलें।
एंटिटी निष्कर्षण, PII डी-आइडेंटिफिकेशन, और 1,000+ विशेष चिकित्सा मॉडल जो पूरी तरह आपके अपने हार्डवेयर पर चलते हैं — Python की एक पंक्ति से लेकर Apple MLX द्वारा संचालित iPhone पर एक नेटिव Swift ऐप तक। कोई क्लाउड नहीं। कोई वेंडर लॉक-इन नहीं। रोगी का डेटा आपके नेटवर्क से बाहर नहीं जाता।

1,000+ मॉडल · 12 भाषाएँ · 247 PII चेकपॉइंट · 100% डिवाइस पर · Apache-2.0

English · 简体中文 · Español · Français · Deutsch · Italiano · Português · Nederlands · العربية · हिन्दी · తెలుగు · 日本語 · Türkçe · فارسی

--- ## इसे काम करते देखें

_{रीयल-टाइम PII डी-आइडेंटिफिकेशन — Nemotron Privacy Filter एक क्लिनिकल डिस्चार्ज दस्तावेज़ से नाम, पते, पहचान संख्या और बिलिंग डेटा को पूरी तरह डिवाइस पर छिपा रहा है। (दिखाए गए सभी मान सिंथेटिक हैं।)}

--- ## 30 सेकंड का उदाहरण ```python 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}") # DISEASE chronic myeloid leukemia 0.98 # DRUG imatinib 0.95 ``` एक अत्याधुनिक क्लिनिकल NER मॉडल स्थानीय रूप से चल रहा है — कोई API कुंजी नहीं, कोई नेटवर्क कॉल नहीं। --- ## OpenMed क्यों? | | **OpenMed** | क्लाउड चिकित्सा API | | ------------------------------------- | :----------------------: | :-----------------------: | | आपके डिवाइस/सर्वर पर चलता है | ✅ | ❌ | | रोगी डेटा आपके नेटवर्क से बाहर जाता है | **कभी नहीं** | वेंडर को भेजा जाता है | | लागत | मुफ़्त और ओपन-सोर्स | प्रति-कॉल शुल्क | | विशेष चिकित्सा मॉडल | 1,000+ | सीमित | | भाषाएँ | 12+ | भिन्न | | ऑफ़लाइन / एयर-गैप्ड (air-gapped) | ✅ | ❌ | | Apple Silicon (MLX) त्वरण | ✅ | लागू नहीं | | नेटिव iOS / macOS ऐप्स | ✅ OpenMedKit के माध्यम से | ❌ | | वेंडर लॉक-इन | कोई नहीं — Apache-2.0 | हाँ | - **विशेष मॉडल** — 1,000+ सावधानी से चुने गए बायोमेडिकल और क्लिनिकल मॉडल, जिनमें से कई प्रोप्राइटरी समाधानों से बेहतर प्रदर्शन करते हैं। - **HIPAA-अनुरूप डी-आइडेंटिफिकेशन** — सभी 18 Safe Harbor पहचानकर्ता, स्मार्ट एंटिटी मर्जिंग, और फ़ॉर्मेट-संरक्षित नकली मान। - **हर जगह चलता है** — CPU, CUDA, Apple Silicon (MLX), और OpenMedKit के माध्यम से iOS/macOS ऐप्स में नेटिव रूप से। - **एक पंक्ति में परिनियोजन** — Python API, Docker-आधारित REST सेवा, या बैच पाइपलाइन। - **कोई लॉक-इन नहीं** — Apache-2.0, आपका इंफ्रास्ट्रक्चर, आपका डेटा। --- ## डिवाइस पर, Apple पर — Swift, MLX और iOS OpenMed को वहीं चलाने के लिए बनाया गया है जहाँ आपका डेटा पहले से मौजूद है। Apple हार्डवेयर पर यह **MLX** के साथ त्वरित होता है, और **[OpenMedKit](swift/OpenMedKit)** के माध्यम से सीधे iPhone, iPad और Mac ऐप्स में पहुँचता है — ताकि PII पहचान और क्लिनिकल निष्कर्षण पूरी तरह ऑफ़लाइन, डिवाइस पर हों। ```swift // Add OpenMedKit to your app dependencies: [ .package(url: "https://github.com/maziyarpanahi/openmed.git", from: "1.5.5"), ] ``` - **MLX रनटाइम** — PII टोकन वर्गीकरण, Privacy Filter परिवार, और प्रायोगिक GLiNER परिवार के zero-shot कार्यों के लिए (CoreML फ़ॉलबैक पथ के साथ)। - **एक मॉडल नाम, हर प्लेटफ़ॉर्म** — गैर-Apple हार्डवेयर पर MLX मॉडल नाम स्वचालित रूप से संबंधित PyTorch चेकपॉइंट पर वापस आ जाते हैं। - **Apple Silicon पर Python** भी: `pip install "openmed[mlx]"`। गाइड: [MLX बैकएंड](docs/mlx-backend.md) · [OpenMedKit (Swift)](docs/swift-openmedkit.md) · [CoreML एक्सपोर्ट](docs/coreml-export.md) --- ## यह कैसे काम करता है ```mermaid flowchart LR A["क्लिनिकल टेक्स्ट"] --> B["OpenMed
(100% डिवाइस पर)"] B --> C["चिकित्सा एंटिटीज़"] B --> D["PII पहचाना गया"] B --> E["डी-आइडेंटिफाइड टेक्स्ट"] style B fill:#0D6E6E,stroke:#0A5656,stroke-width:2px,color:#ffffff style C fill:#D6EBEB,stroke:#0D6E6E,color:#0E1116 style D fill:#F7DCD8,stroke:#C5453A,color:#0E1116 style E fill:#F5E27A,stroke:#A9A088,color:#0E1116 ``` --- ## त्वरित शुरुआत ```bash # Core + Hugging Face runtime (Linux, macOS, Windows; CPU or CUDA) pip install "openmed[hf]" # Add the REST service pip install "openmed[hf,service]" # Apple Silicon acceleration (MLX) pip install "openmed[mlx]" ```

**Python API** ```python from openmed import analyze_text analyze_text( "Patient received 75mg " "clopidogrel for NSTEMI.", model_name= "pharma_detection_superclinical", ) ```

**REST सेवा** ```bash uvicorn openmed.service.app:app \ --host 0.0.0.0 --port 8080 ``` `GET /health` `POST /analyze` `POST /pii/extract` `POST /pii/deidentify`

**बैच** ```python from openmed import BatchProcessor p = BatchProcessor( model_name= "disease_detection_superclinical", group_entities=True, ) p.process_texts([...]) ```

**ऑफ़लाइन / एयर-गैप्ड?** `model_name` (या `model_id`) को किसी स्थानीय डायरेक्टरी की ओर इंगित करें, और OpenMed इसे Hugging Face Hub से संपर्क किए बिना लोड करता है: ```python from openmed import OpenMedConfig, analyze_text result = analyze_text( "Patient presents with chronic myeloid leukemia and Type 2 diabetes.", model_id="./models/OpenMed-NER-DiseaseDetect-SuperClinical-434M", config=OpenMedConfig(device="cpu"), ) ``` --- ## मॉडल विशेष चिकित्सा NER मॉडलों की एक क्यूरेटेड रजिस्ट्री — [पूरा कैटलॉग](https://openmed.life/docs/model-registry) ब्राउज़ करें। | मॉडल | विशेषज्ञता | एंटिटी प्रकार | आकार | |------|-----------|--------------|------| | `disease_detection_superclinical` | रोग और स्थितियाँ | DISEASE, CONDITION, DIAGNOSIS | 434M | | `pharma_detection_superclinical` | दवाएँ और औषधियाँ | DRUG, MEDICATION, TREATMENT | 434M | | `pii_superclinical_large` | PII और डी-आइडेंटिफिकेशन | NAME, DATE, SSN, PHONE, EMAIL, ADDRESS | 434M | | `anatomy_detection_electramed` | शरीर रचना और अंग | ANATOMY, ORGAN, BODY_PART | 109M | | `gene_detection_genecorpus` | जीन और प्रोटीन | GENE, PROTEIN | 109M | --- ## गोपनीयता: PII पहचान और डी-आइडेंटिफिकेशन ```python from openmed import extract_pii, deidentify text = "Patient: John Doe, DOB: 01/15/1970, SSN: 123-45-6789" # Extract PII with smart merging (prevents tokenization fragmentation) result = extract_pii(text, model_name="pii_superclinical_large", use_smart_merging=True) # De-identify with the method you need deidentify(text, method="mask") # [NAME], [DATE] deidentify(text, method="replace") # Faker-backed, locale-aware, format-preserving fakes deidentify(text, method="hash") # Cryptographic hashing deidentify(text, method="shift_dates", date_shift_days=180) ``` - **स्मार्ट एंटिटी मर्जिंग** `01/15/1970` को खंडित करने के बजाय पूरा रखती है। - **Faker-आधारित ऑब्सक्यूरेशन** — क्लिनिकल ID के लिए कस्टम प्रोवाइडर के साथ (CPF, CNPJ, BSN, NIR, Codice Fiscale, NIE, Aadhaar, Steuer-ID, NPI)। - **HIPAA**: सभी 18 Safe Harbor पहचानकर्ता, कॉन्फ़िगर करने योग्य कॉन्फ़िडेंस थ्रेशोल्ड के साथ। [पूर्ण PII नोटबुक](examples/notebooks/PII_Detection_Complete_Guide.ipynb) · [स्मार्ट मर्जिंग](docs/pii-smart-merging.md) · [एनोनिमाइज़ेशन](docs/anonymization.md)

Privacy Filter परिवार — OpenAI Privacy Filter आर्किटेक्चर पर तीन मॉडल परिवार

मॉडल कोड समान है (स्थानीय अटेंशन, sink टोकन, RoPE+YaRN, tiktoken `o200k_base` टोकनाइज़ेशन के साथ gpt-oss-शैली का स्पार्स MoE ट्रांसफ़ॉर्मर); केवल प्रशिक्षण डेटा अलग है। सभी **एक ही** `extract_pii()` / `deidentify()` API से होकर गुज़रते हैं — केवल `model_name=` आर्गुमेंट बदलता है। | वैरिएंट | PyTorch (CPU + CUDA) | MLX (Apple Silicon) | MLX 8-bit | | --- | --- | --- | --- | | **OpenAI Privacy Filter** | [`openai/privacy-filter`](https://huggingface.co/openai/privacy-filter) | [`OpenMed/privacy-filter-mlx`](https://huggingface.co/OpenMed/privacy-filter-mlx) | [`…-mlx-8bit`](https://huggingface.co/OpenMed/privacy-filter-mlx-8bit) | | **Nemotron-PII fine-tune** | [`OpenMed/privacy-filter-nemotron`](https://huggingface.co/OpenMed/privacy-filter-nemotron) | [`…-nemotron-mlx`](https://huggingface.co/OpenMed/privacy-filter-nemotron-mlx) | [`…-nemotron-mlx-8bit`](https://huggingface.co/OpenMed/privacy-filter-nemotron-mlx-8bit) | | **OpenMed Multilingual** | [`OpenMed/privacy-filter-multilingual`](https://huggingface.co/OpenMed/privacy-filter-multilingual) | [`…-multilingual-mlx`](https://huggingface.co/OpenMed/privacy-filter-multilingual-mlx) | [`…-multilingual-mlx-8bit`](https://huggingface.co/OpenMed/privacy-filter-multilingual-mlx-8bit) | ```python from openmed import extract_pii text = "Patient Sarah Connor (DOB: 03/15/1985) at MRN 4471882." extract_pii(text, model_name="openai/privacy-filter") # PyTorch baseline extract_pii(text, model_name="OpenMed/privacy-filter-nemotron") # same code, different weights extract_pii(text, model_name="OpenMed/privacy-filter-mlx") # Apple Silicon (MLX) ``` गैर-Apple-Silicon होस्ट पर, MLX मॉडल नाम स्वचालित रूप से संबंधित PyTorch चेकपॉइंट से बदल दिए जाते हैं (एक-बार की चेतावनी के साथ) — एक मॉडल नाम लिखें, कहीं भी चलाएँ। देखें [Privacy Filter आर्किटेक्चर और बैकएंड रूटिंग](docs/anonymization.md#privacy-filter-family)।

--- ## बहुभाषी PII (12 भाषाएँ) `en`, `fr`, `de`, `it`, `es`, `nl`, `hi`, `te`, `pt`, `ar`, `ja` और `tr` में निष्कर्षण और डी-आइडेंटिफिकेशन — कुल **247 PII चेकपॉइंट**। ```bash python -c "from openmed import extract_pii; print([(e.label, e.text) for e in extract_pii('Dr. Pedro Almeida, CPF: 123.456.789-09, email: pedro@hospital.pt', lang='pt').entities])" ```

प्रति-भाषा उदाहरण दिखाएँ (पुर्तगाली, डच, हिंदी, अरबी, जापानी, तुर्की)

```python from openmed import extract_pii portuguese = extract_pii("Paciente: Pedro Almeida, CPF: 123.456.789-09, telefone: +351 912 345 678", lang="pt", use_smart_merging=True) dutch = extract_pii("Patiënt: Eva de Vries, BSN: 123456782, telefoon: +31 6 12345678", lang="nl", use_smart_merging=True) hindi = extract_pii("रोगी: अनीता शर्मा, फोन: +91 9876543210, पता: नई दिल्ली 110001", lang="hi", use_smart_merging=True) arabic = extract_pii("المريضة ليلى حسن، الهاتف +20 10 1234 5678، الرقم القومي 29801011234567.", lang="ar", use_smart_merging=True) japanese = extract_pii("患者佐藤花子、電話 +81 90 1234 5678、マイナンバー 1234 5678 9012.", lang="ja", use_smart_merging=True) turkish = extract_pii("Hasta Ayşe Yılmaz, telefon +90 532 123 45 67, TCKN 10000000146.", lang="tr", use_smart_merging=True) for r in (portuguese, dutch, hindi, arabic, japanese, turkish): print([(e.label, e.text) for e in r.entities]) ```

--- ## REST API रिक्वेस्ट वैलिडेशन, साझा पाइपलाइन प्रीलोड, और एकीकृत त्रुटि एनवेलप के साथ एक Docker-अनुकूल FastAPI सेवा। ```bash pip install "openmed[hf,service]" uvicorn openmed.service.app:app --host 0.0.0.0 --port 8080 # or with Docker docker build -t openmed:1.5.5 . docker run --rm -p 8080:8080 -e OPENMED_PROFILE=prod openmed:1.5.5 ``` ```bash curl -X POST http://127.0.0.1:8080/pii/extract \ -H "Content-Type: application/json" \ -d '{"text":"Paciente: Maria Garcia, DNI: 12345678Z","lang":"es"}' ``` पूर्ण [REST सेवा गाइड](docs/rest-service.md) देखें। --- ## दस्तावेज़ीकरण पूर्ण गाइड **[openmed.life/docs](https://openmed.life/docs/)** पर। | | | | |---|---|---| | [आरंभ करें](https://openmed.life/docs/) | [टेक्स्ट विश्लेषण](https://openmed.life/docs/analyze-text) | [मॉडल रजिस्ट्री](https://openmed.life/docs/model-registry) | | [PII पहचान गाइड](examples/notebooks/PII_Detection_Complete_Guide.ipynb) | [एनोनिमाइज़ेशन](docs/anonymization.md) | [बैच प्रोसेसिंग](https://openmed.life/docs/batch-processing) | | [कॉन्फ़िगरेशन प्रोफ़ाइल](https://openmed.life/docs/profiles) | [REST सेवा](docs/rest-service.md) | [MLX बैकएंड](docs/mlx-backend.md) | --- ## हमारे शुभंकर से मिलें

OpenMed का संरक्षक एक रोएँदार फ़ारसी बिल्ली है जिसे छोटे **एविसेना (इब्न सीना, Avicenna / Ibn Sina)** के रूप में दर्शाया गया है — वह महान फ़ारसी चिकित्सक जिनकी पुस्तक *क़ानून फ़ी अल-तिब्ब (The Canon of Medicine)* लगभग 600 वर्षों तक दुनिया की मानक चिकित्सा पाठ्यपुस्तक रही। वह चिकित्सा ज्ञान की खुली पुस्तक की रक्षा करता है, जिसका रंग-पटल **फ़ारसी फ़िरोज़ा (fīrūza)** से प्रेरित है: आपके सबसे निजी डेटा के लिए एक लोकल-फर्स्ट संरक्षक।
--- ## योगदान योगदान का स्वागत है — बग रिपोर्ट, फ़ीचर अनुरोध और PR। - [एक issue खोलें](https://github.com/maziyarpanahi/openmed/issues) - **अनुवाद का स्वागत है** — शीर्ष पर भाषा स्विचर में लिंक की गई अन्य भाषाओं की README को पूरा करने में मदद करें। --- ## आभार OpenMed उत्कृष्ट ओपन-सोर्स कार्य पर आधारित है — विशेष धन्यवाद **OpenAI** ([Privacy Filter](https://huggingface.co/openai/privacy-filter) आर्किटेक्चर), **NVIDIA** ([Nemotron PII डेटासेट](https://huggingface.co/datasets/nvidia/Nemotron-PII-v1)), **Hugging Face** (`transformers` और मॉडल इकोसिस्टम), **Apple** ([MLX](https://github.com/ml-explore/mlx)), और **[Faker](https://faker.readthedocs.io/)** के अनुरक्षकों को। ## लाइसेंस [Apache-2.0 लाइसेंस](LICENSE) के तहत जारी। ## उद्धरण यदि OpenMed आपके शोध में उपयोगी है, तो कृपया उद्धृत करें: ```bibtex @misc{panahi2025openmedneropensourcedomainadapted, title={OpenMed NER: Open-Source, Domain-Adapted State-of-the-Art Transformers for Biomedical NER Across 12 Public Datasets}, author={Maziyar Panahi}, year={2025}, eprint={2508.01630}, archivePrefix={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2508.01630}, } ``` --- ## स्टार इतिहास यदि OpenMed आपके लिए उपयोगी है, तो एक स्टार दूसरों को इसे खोजने में मदद करता है।

स्टार इतिहास चार्ट

---

OpenMed टीम द्वारा निर्मित वेबसाइट · दस्तावेज़ · X / Twitter · LinkedIn