openmed/README.ja.md at master · maziyarpanahi/openmed

あなたのデータ。あなたのモデル。あなたのハードウェア。

管理下のハードウェアで、臨床テキストを構造化・非識別化されたインサイトに変換します。
OpenMed の中核ローカルランタイムは、必要なモデル成果物が利用可能になった後に抽出と非識別化を実行します。モデルのダウンロード、リモートプロバイダー用アダプター、テレメトリ有効経路、ユーザー設定の統合はネットワークを利用する場合があります。各モデルとデータセットの条件を確認してください。

PyPI package · Python 3.10+ · Model catalog · Research paper · Apache-2.0 SDK source

OpenMedKit · Apple Silicon / MLX · Android / ONNX Runtime Mobile · Browser / Transformers.js · Documentation

ローカルファーストのランタイム · モデル対応 PII 言語 33 種 · Apache-2.0 SDK

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

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

臨床 NER モデルは、必要な成果物が利用可能になった後にローカルランタイムを使用します。

OpenMed を選ぶ理由

デプロイ時の考慮事項	OpenMed SDK の境界
中核ランタイム	必要な成果物が利用可能になった後、ローカルで処理
任意のネットワーク経路	ダウンロード、リモートアダプター、テレメトリ経路、統合はネットワークを使う場合あり
検証	デプロイ責任者がモデル・データ条件、プライバシー動作、臨床適合性を検証
インターフェース	対応範囲で Python、Swift、Android、ブラウザ、サービス

精選モデルカタログ：用途ごとに各モデル、ライセンス、データセットを検証してください。
Safe Harbor に沿った設定：18 の識別子カテゴリを対象にできますが、専門家による導入レビューが必要です。SDK の利用だけで HIPAA 準拠を示すものではありません。
対応する実行経路：CPU、CUDA、MLX、モバイル、サービス、ブラウザのアダプターは環境と成果物によって異なります。
導入インターフェース：Python、コンテナ、サービス、バッチ処理には設定と検証が必要です。
SDK ソース：Apache-2.0 License で公開。モデルとデータセットの条件は異なります。

オンデバイス、Apple 上で：Swift、MLX、iOS

対応する Apple ハードウェアでは、必要な成果物が利用可能になった後、OpenMed は MLX と OpenMedKit を使ってローカル処理できます。モデル取得とユーザー設定のリモート統合は別のネットワーク境界です。

// Add OpenMedKit to your app
dependencies: [
    .package(url: "https://github.com/maziyarpanahi/openmed.git", from: "2.0.0"),
]

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 --upgrade "openmed[mlx]"。

ガイド：MLX バックエンド · OpenMedKit (Swift) · CoreML エクスポート

仕組み

flowchart LR
    A["臨床テキスト"] --> B["OpenMed<br/>(ローカルファースト)"]
    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

# Core + Hugging Face runtime (Linux, macOS, Windows; CPU or CUDA)
pip install --upgrade "openmed[hf]"

# Add the REST service
pip install --upgrade "openmed[hf,service]"

# Apple Silicon acceleration (MLX)
pip install --upgrade "openmed[mlx]"

Python API

from openmed import analyze_text

analyze_text(
  "Patient received 75mg "
  "clopidogrel for NSTEMI.",
  model_name=
  "pharma_detection_superclinical",
)

REST サービス

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

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：

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

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 の境界：Safe Harbor に沿ったカテゴリと設定可能なしきい値は実装支援です。専門家による導入レビューが必要であり、SDK の利用だけで準拠を示すものではありません。

完全な PII ノートブック · スマート統合 · 匿名化

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`	`OpenMed/privacy-filter-mlx`	`…-mlx-8bit`
Nemotron-PII fine-tune	`OpenMed/privacy-filter-nemotron`	`…-nemotron-mlx`	`…-nemotron-mlx-8bit`
OpenMed Multilingual	`OpenMed/privacy-filter-multilingual`	`…-multilingual-mlx`	`…-multilingual-mlx-8bit`

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を参照してください。

多言語 PII（対応ルート 34、モデル対応 33）

en、fr、de、it、es、nl、hi、te、pt、ar、ja、tr での抽出と非識別化：合計 登録済み PII モデルカタログ。

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）

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。

pip install --upgrade "openmed[hf,service]"
uvicorn openmed.service.app:app --host 0.0.0.0 --port 8080

# or with Docker
docker build -t openmed:local .
docker run --rm -p 8080:8080 -e OPENMED_PROFILE=prod openmed:local

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 にあります。


はじめに	テキスト分析	モデルレジストリ
PII 検出ガイド	匿名化	バッチ処理
設定プロファイル	REST サービス	MLX バックエンド

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
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 アーキテクチャ）、NVIDIA（Nemotron PII データセット）、Hugging Face（transformers とモデルエコシステム）、Apple（MLX）、そして Faker のメンテナーに感謝します。

ライセンス

OpenMed SDK のソースは Apache-2.0 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：

@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。

4,700+ GitHub stars · 29 Jul 2026 snapshot

OpenMed チームが制作

ウェブサイト · ドキュメント · X / Twitter · LinkedIn

FilesExpand file tree

README.ja.md

Latest commit

History