基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

OpenMed 调研：被"医疗 AI"标题低估的本地化临床 NLP 工具链（2026） TL;DR 场景 ：医疗 AI 系统接入，需要解决临床文本结构化、PII/PHI 检测、去标识化、批处理和本地部署 结论 ：OpenMed 当前最有价值的不是"医疗问答"，而是医疗文本基础设施组件；定位是中间件层而非诊断层 产出 ：OpenMed 能做什么/不能做什么的边界、推荐接入架构、模型加载安全规范、中文场景评估清单 版本矩阵 功能 状态 说明 临床 NER（疾病/药物/基因/解剖实体） ✅ 已验证 v1.3.0 起跨平台，PyTorch + MLX 双后端 PII 检测（姓名/电话/SSN/邮箱） ✅ 已验证 v1.3.0（2026-04-29）Faker-backed 脱敏，PyTorch/MLX 全平台 多语言隐私过滤（16 语言） ✅ 已验证 v1.4.0（2026-05-11）OpenMed Multilingual Privacy Filter Nemotron-PII 模型族 ✅ 已验证 v1.3.0 起新增 PyTorch/MLX artifacts privacy-filter trust boundary 修复 ✅ 已验证 v1.5.2（2026-05-27）发布，限制 trust_remote_code=True 触发条件 端侧推理 Apple Silicon MLX ✅ 已验证 v1.3.0 起 MLX 8-bit/全精度版本，OpenMedKit/Swift 同源 中文临床病历 NER ⚠️ 待验证 官方材料未重点覆盖中文，需自建评估集 Assertion 否定/怀疑识别 ⚠️ 待验证 当前模型擅长实体抽取，否定/时态需后处理 FHIR / ICD-10 / SNOMED CT 映射 ❌ 暂不支持 需后处理层做术语标准化 临床决策/诊断推理 ❌ 暂不支持…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。