デバイスから出ない、ローカルファーストの医療 AI

臨床テキストを 1 行のコードで構造化された知見に変換します。
エンティティ抽出、PII の非識別化、そして完全に自分のハードウェア上で動作する 1,000 以上の専門医療モデル—— Python のワンライナーから、Apple MLX を活用した iPhone のネイティブ Swift アプリまで。クラウド不要。ベンダーロックインなし。患者データがネットワークの外に出ることはありません。

1,000+ モデル · 12 言語 · 247 個の PII チェックポイント · 100% オンデバイス · Apache-2.0

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

--- ## 実際の動作

_{リアルタイムの PII 非識別化——Nemotron Privacy Filter が臨床退院サマリーの氏名・住所・ID・請求データをオンデバイスでマスキングします。（表示されている値はすべて合成データです。）}

--- ## 30 秒で試す例 ```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 ``` 最先端の臨床 NER モデルがローカルで動作——API キー不要、ネットワーク呼び出しなし。 --- ## OpenMed を選ぶ理由 | | **OpenMed** | クラウド医療 API | | ------------------------------------- | :----------------------: | :-----------------------: | | 自分のデバイス/サーバーで動作 | ✅ | ❌ | | 患者データがネットワーク外に出る | **決して出ない** | ベンダーに送信 | | コスト | 無料・オープンソース | 呼び出しごとの課金 | | 専門医療モデル | 1,000+ | 限定的 | | 言語 | 12+ | まちまち | | オフライン / 隔離環境 (air-gapped) | ✅ | ❌ | | Apple Silicon (MLX) アクセラレーション | ✅ | 非対応 | | ネイティブ iOS / macOS アプリ | ✅ OpenMedKit 経由 | ❌ | | ベンダーロックイン | なし — Apache-2.0 | あり | - **専門モデル** — 厳選された 1,000 以上の生物医学・臨床モデル。その多くは商用の専有スタックを上回ります。 - **HIPAA 対応の非識別化** — 18 項目すべての Safe Harbor 識別子、スマートなエンティティ統合、フォーマットを保持する偽データ置換。 - **どこでも動作** — CPU、CUDA、Apple Silicon (MLX)、そして OpenMedKit 経由で iOS/macOS アプリにネイティブ対応。 - **1 行でデプロイ** — Python API、Docker 化された REST サービス、またはバッチパイプライン。 - **ロックインなし** — Apache-2.0、あなたのインフラ、あなたのデータ。 --- ## オンデバイス、Apple 上で — Swift、MLX、iOS OpenMed は、データがすでに存在する場所で動作するよう作られています。Apple ハードウェアでは **MLX** で高速化し、 **[OpenMedKit](swift/OpenMedKit)** を通じて iPhone・iPad・Mac アプリに直接組み込めます——PII 検出と臨床抽出は完全にオフラインで、デバイス上で行われます。 ```swift // Add OpenMedKit to your app dependencies: [ .package(url: "https://github.com/maziyarpanahi/openmed.git", from: "1.5.5"), ] ``` - **MLX ランタイム** — PII トークン分類、Privacy Filter ファミリー、実験的な GLiNER ファミリーの zero-shot タスクに対応（CoreML フォールバック経路あり）。 - **1 つのモデル名であらゆるプラットフォーム** — Apple 以外のハードウェアでは、MLX のモデル名は対応する PyTorch チェックポイントに自動的にフォールバックします。 - **Apple Silicon 上の Python** も対応：`pip install "openmed[mlx]"`。ガイド：[MLX バックエンド](docs/mlx-backend.md) · [OpenMedKit (Swift)](docs/swift-openmedkit.md) · [CoreML エクスポート](docs/coreml-export.md) --- ## 仕組み ```mermaid flowchart LR A["臨床テキスト"] --> B["OpenMed
(100% オンデバイス)"] B --> C["医療エンティティ"] B --> D["PII を検出"] B --> E["非識別化テキスト"] 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 ``` --- ## クイックスタート ```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 サービス** ```bash uvicorn openmed.service.app:app \ --host 0.0.0.0 --port 8080 ``` `GET /health` `POST /analyze` `POST /pii/extract` `POST /pii/deidentify`

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

**オフライン / 隔離環境？** `model_name`（または `model_id`）をローカルディレクトリに指定すれば、OpenMed は Hugging Face Hub に接続せずにローカルで読み込みます： ```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"), ) ``` --- ## モデル厳選された専門医療 NER モデルのレジストリ——[全カタログ](https://openmed.life/docs/model-registry)を参照してください。 | モデル | 専門分野 | エンティティ種別 | サイズ | |--------|----------|------------------|--------| | `disease_detection_superclinical` | 疾患・病態 | DISEASE, CONDITION, DIAGNOSIS | 434M | | `pharma_detection_superclinical` | 薬剤・投薬 | DRUG, MEDICATION, TREATMENT | 434M | | `pii_superclinical_large` | PII・非識別化 | NAME, DATE, SSN, PHONE, EMAIL, ADDRESS | 434M | | `anatomy_detection_electramed` | 解剖・身体部位 | ANATOMY, ORGAN, BODY_PART | 109M | | `gene_detection_genecorpus` | 遺伝子・タンパク質 | GENE, PROTEIN | 109M | --- ## プライバシー：PII 検出と非識別化 ```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) ``` - **スマートなエンティティ統合**は `01/15/1970` を分割せずにそのまま保持します。 - **Faker ベースの難読化**——臨床 ID 用のカスタムプロバイダー（CPF、CNPJ、BSN、NIR、Codice Fiscale、NIE、Aadhaar、Steuer-ID、NPI）を内蔵。 - **HIPAA**：18 項目すべての Safe Harbor 識別子、信頼度しきい値を設定可能。 [完全な PII ノートブック](examples/notebooks/PII_Detection_Complete_Guide.ipynb) · [スマート統合](docs/pii-smart-merging.md) · [匿名化](docs/anonymization.md)

Privacy Filter ファミリー — OpenAI Privacy Filter アーキテクチャ上の 3 つのモデルファミリー

モデルのコードは同一です（局所注意・sink トークン・RoPE+YaRN・tiktoken `o200k_base` トークナイザを備えた gpt-oss 風スパース MoE Transformer）。異なるのは学習データのみです。すべて**同一の** `extract_pii()` / `deidentify()` API を経由します——変更するのは `model_name=` 引数だけです。 | バリアント | 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) ``` Apple Silicon 以外のホストでは、MLX のモデル名は対応する PyTorch チェックポイントに自動的に置き換えられます（一度だけ警告が表示されます）——モデル名を 1 つ書けば、どこでも動作します。[Privacy Filter アーキテクチャとバックエンドのルーティング](docs/anonymization.md#privacy-filter-family)を参照してください。

--- ## 多言語 PII（12 言語） `en`、`fr`、`de`、`it`、`es`、`nl`、`hi`、`te`、`pt`、`ar`、`ja`、`tr` での抽出と非識別化——合計 **247 個の PII チェックポイント**。 ```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])" ```

言語別の例を表示（ポルトガル語、オランダ語、ヒンディー語、アラビア語、日本語、トルコ語）

```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 リクエスト検証、共有パイプラインのプリロード、統一されたエラーエンベロープを備えた、Docker フレンドリーな FastAPI サービス。 ```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"}' ``` 完全な [REST サービスガイド](docs/rest-service.md)を参照してください。 --- ## ドキュメント完全なガイドは **[openmed.life/docs](https://openmed.life/docs/)** にあります。 | | | | |---|---|---| | [はじめに](https://openmed.life/docs/) | [テキスト分析](https://openmed.life/docs/analyze-text) | [モデルレジストリ](https://openmed.life/docs/model-registry) | | [PII 検出ガイド](examples/notebooks/PII_Detection_Complete_Guide.ipynb) | [匿名化](docs/anonymization.md) | [バッチ処理](https://openmed.life/docs/batch-processing) | | [設定プロファイル](https://openmed.life/docs/profiles) | [REST サービス](docs/rest-service.md) | [MLX バックエンド](docs/mlx-backend.md) | --- ## マスコットの紹介

OpenMed の守護者は、小さな**アヴィセンナ（イブン・スィーナー、Avicenna / Ibn Sina）**に扮したふわふわのペルシャ猫です——その『医学典範』（*Canon of Medicine*）は約 600 年にわたり世界の標準的な医学教科書でした。開かれた医学知識の書を見守り、配色は**ペルシャ・ターコイズ（fīrūza）**にちなんでいます。あなたの最もプライベートなデータを守る、ローカルファーストの守護者です。
--- ## コントリビュートコントリビューション歓迎——バグ報告、機能リクエスト、PR いずれも歓迎します。 - [Issue を開く](https://github.com/maziyarpanahi/openmed/issues) - **翻訳歓迎** — 上部の言語スイッチャーにリンクされた他言語の README の完成にご協力ください。 --- ## クレジット OpenMed は優れたオープンソースの成果の上に成り立っています——特に **OpenAI**（[Privacy Filter](https://huggingface.co/openai/privacy-filter) アーキテクチャ）、**NVIDIA**（[Nemotron PII データセット](https://huggingface.co/datasets/nvidia/Nemotron-PII-v1)）、**Hugging Face**（`transformers` とモデルエコシステム）、**Apple**（[MLX](https://github.com/ml-explore/mlx)）、そして **[Faker](https://faker.readthedocs.io/)** のメンテナーに感謝します。 ## ライセンス [Apache-2.0 ライセンス](LICENSE)の下で公開されています。 ## 引用研究で OpenMed が役立った場合は、ぜひ引用してください： ```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}, } ``` --- ## スター履歴 OpenMed が役立つと感じたら、スターを付けると他の人が見つけやすくなります。

---

OpenMed チームが制作ウェブサイト · ドキュメント · X / Twitter · LinkedIn