OpenMed 文档¶

OpenMed 集成了精选的生物医学模型、高级去标识化、多模态输入、结构化健康数据工具以及单次调用编排，帮助你无需处理繁杂的基础设施即可交付临床自然语言处理工作流。本文档让可复制的代码片段和工作流触手可及：所有章节均以 Markdown 为基础，支持搜索，并针对快速浏览以及复制到笔记本进行了优化。

OpenMed 2.0.0 为 Python、Swift、Kotlin/Android、JavaScript、REST 和本地部署界面建立了稳定的主版本契约，并整合策略感知的去标识化、扩展的临床与结构化数据工作流、广泛的多语言 PII 覆盖以及失败即关闭的发布证据：

策略感知的去标识化：提供签名审计报告、可复现性哈希、审查包、脱敏预览和发布门禁。
多模态与结构化输入：覆盖 OCR、图像、PDF、DOCX、EPUB、vCard/iCalendar、DICOM、CSV/TSV、JSONL 聊天记录、HL7 v2、CDA/C-CDA、FHIR 操作以及 FHIR Bulk NDJSON。
Python、Swift、Kotlin/Android、REST、gRPC、React Native、TypeScript 和浏览器路径：包括 OpenMedKit、类型化 REST 客户端、ONNX/WebGPU 和 Transformers.js 导出包。
22 个受支持的 PII 语言代码：am、ar、de、en、es、fr、he、hi、id、it、ja、ko、nl、pt、ro、sw、te、th、tr、xh、zh 和 zu：中文使用文档化的多语言默认模型占位符，并提供区域感知的验证与替代值生成。用户配置的 Indic NER 适配器还可添加 9 条可选路由，其中也可服务于印地语和泰卢固语。仅提供证件号验证的区域仍有额外覆盖。
发布证据：包括泄漏热力图、模型评分卡、阈值扫描、k-匿名性/l-多样性/t-接近性、效用损失、SBOM、签名镜像、SLSA 来源证明、密钥扫描和可复现依赖锁。

你将获得什么¶

精选模型注册表 — 可发现的 Hugging Face 模型，并包含领域、大小和设备建议等元数据。
单行编排 — analyze_text 封装验证、推理和格式化，可用于脚本、笔记本或服务。
PII 检测与去标识化 — 兼顾 HIPAA 要求的智能实体合并、策略配置文件、签名审计报告和生产级去标识化。
Apple Silicon 与移动端加速 — 基于 MLX 的 Python 推理，以及通过 OpenMedKit 实现的 Swift 原生和 Android/Kotlin 应用集成。
REST 服务 — FastAPI 端点包括 /livez、/readyz、/analyze、/pii/extract、/pii/deidentify，并支持预热池、批处理、指标和类型化 Python/TypeScript 客户端。
浏览器与 React Native 导出 — 面向浏览器运行时中 Transformers.js 词元分类的 ONNX/WebGPU 包，以及移动应用使用的 React Native 桥接。
高级 NER 后处理 — 分数感知分组、适合 PHI 的过滤，以及 CSV/JSON/HTML 导出工具。
可组合配置 — OpenMedConfig 读取 YAML/ENV，使笔记本电脑和集群上的部署保持可复现。

便于复制的默认设置

本站每个页面的代码块都带有复制按钮和提示框，方便团队成员直接使用所需片段。使用搜索快捷键（/ 或 cmd/ctrl + K）可直接跳转到实体、API 调用或 API 接口。

LLM 友好的文档

使用精选的 llms.txt 索引查找快速入门、API 和工具接口；如需一次加载完整的渲染内容，请使用 llms-full.txt。文档构建会重新生成这两个文件。

初次体验¶

from openmed import analyze_text

result = analyze_text(
    "Patient started on imatinib for chronic myeloid leukemia.",
    model_name="disease_detection_superclinical",
    confidence_threshold=0.55,
)

for entity in result.entities:
    print(entity.label, entity.text, entity.confidence)

uv pip install "openmed[hf]"
uv run python examples/pii_model_comparison.py

后续文档将详细展开此示例。请先阅读快速开始完成端到端设置，然后探索配置、zero-shot GLiNER 工作流和高级处理工具等指南。

文档结构¶

快速开始 — 最快建立可用环境并运行可复制脚本的路径。
功能地图 — 查看每项能力如何映射到代码。
OpenMed 2.0.0 发布说明 — 查看当前安装坐标、兼容性契约和验证要求。
核心指南：
文本分析辅助函数：单次调用推理。
REST 服务（MVP）：容器化 HTTP 端点。
PII 检测与智能合并：兼顾 HIPAA 要求的去标识化。
批处理：处理多个文本或文件。
ModelLoader 与流水线：运行长时间任务。
模型注册表：选择合适的检查点。
配置文件：在开发、生产和测试设置间切换。
高级 NER 与输出格式：完善实体范围。
医疗感知分词器：改进临床词元边界。
配置与验证：保持部署可复现。
Zero-shot 工具包：构建 GLiNER 工作流。
性能分析：计时与优化。
示例和测试与质量保证：日常操作。
项目运维：
贡献与发布 — 如何发布版本和文档并保持 CI 通过。
发布流与渠道 — 模型制品与软件库的发布策略。
生成式模型策略 — 获准与禁止的模型辅助工作流。

如果你需要的内容尚未覆盖，请在 GitHub 提交 issue 并说明缺少的配方。每项新增内容都可以从一个 Markdown 文件开始。

OpenMed 文档¶

你将获得什么¶

初次体验¶

最新版本亮点¶

文档结构¶