OpenMed用药对账实战跨医嘱单自动核对与差异检测【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmedOpenMed是一个本地优先local-first的医疗 AI 开源项目临床 NER 命名实体识别与 HIPAA PII 去标识化全部在设备端运行支持 2,200 医疗模型、21 种语言患者数据绝不出内网 。其中用药对账Medication Reconciliation功能可以自动把同一份病历里散落的多次用药提及归并为一条可审查的状态记录并精准标记出剂量、给药途径上的矛盾差异——相当于给医嘱单做了一次自动核对。为什么需要用药对账真实的临床文本里同一种药往往被反复提及入院记录里口服二甲双胍 500mg评估部分加量至 1000mg出院小结里停用……人工逐条核对费时且容易漏看。OpenMed 的reconcile_medications()就是为解决这个问题而生。它把文档内的用药提及折叠归并为每味药一份规范化的当前状态是辅助性的组织整理层而非临床决策源码自带这条合规提示。核心机制4 步自动核对流程对账逻辑实现在 openmed/clinical/med_reconciliation.py官方说明见 docs/clinical/medication-reconciliation.md。第 1 步身份识别——确认是不是同一味药归并身份按优先级依次取用优先级身份来源说明1共指实体coreference entity该药、it 等指代由上游共指链合并2显式规范化成分名如metformin3编码归一标识如 RXNORM8609754规范化表面词兜底文本词形归一化第 2 步状态归一——5 种标准状态口语化的医嘱动作start / initiate / discontinue / hold / titrate……数十种别名统一归一为 5 个规范状态started、continued、held、changed、stopped缺失状态保守归为continued。第 3 步时间排序——建立用药历史有规范化绝对时间戳时按时间戳排序最新证据优先无时间戳时按文档偏移量确定性排序保证结果可复现。第 4 步差异检测——冲突绝不悄悄合并 ⚠️这是差异检测的核心。当同一时间戳下剂量或给药途径存在矛盾、且无唯一权威章节如 assessment/plan 优先级高于叙述性病史时当前字段置为Noneconflicts中记录规范化的候选值、字段名与来源偏移量留给人工审查而不是擅自选择一个值。极简实战一次对账调用from openmed.clinical import reconcile_medications records reconcile_medications( [ {ingredient: metformin, dose: 500 MG, status: started, effective_time: 2026-01-01, offset: (10, 19)}, {ingredient: metformin, dose: 1000 mg, status: changed, effective_time: 2026-01-15, offset: (82, 91)}, ], document_idsynthetic-note-1, ) print(records[0].current_status) # changed print(records[0].current_dose) # 1000 mg两次提及被自动归并为一条记录最新状态为changed当前剂量取最新时间戳的1000 mg。完整行为可用黄金测试件复现见 tests/fixtures/clinical/medication_reconciliation_gold.json 与 tests/unit/clinical/test_med_reconciliation.py。隐私设计对账结果不含原文对医疗数据来说这或许是该功能最有价值的设计✅ReconciledMedication.to_dict()不输出源提及文本与源文档仅输出规范化成分、剂量、途径、时间戳与来源偏移量✅ 对账是**文档内局部document-local**操作默认不调用任何术语服务、不发起网络请求✅ 明确拒绝跨文档混合输入边界清晰。每条记录还内置合规提示语MEDICATION_RECONCILIATION_ADVISORY用药对账是确定性的文档内组织辅助不是处方或临床决策未解决的剂量与途径冲突需人工审查。周边能力组成完整用药分析管线单靠对账还不够OpenMed 提供配套模块拼出完整链路临床 NER2,200 医疗模型可识别MEDICATION、DRUG等实体见 docs/ner-families.mdSig 解析器parse_sig(1 tab PO BID x7 days)把1 片 口服 每日两次 x7天拆成结构化剂量、途径、频次docs/clinical/sig-parser.md时间归一化相对时间表达先转绝对时间再进入对账docs/clinical/temporal-normalization.md上下文提取控制实体提取深度与属性docs/clinical/context-and-extraction.md。批量处理时批处理路径可带来数倍吞吐提升基准数据见 docs/assets/pii-batch-benchmark.svg。快速上手与延伸阅读安装pip install openmed即可项目支持 Apple MLX 加速与 Python 双栈全程离线功能文档docs/clinical/medication-reconciliation.md身份优先级、冲突规则、隐私边界逐条说明源码入口openmed/clinical/med_reconciliation.py约 1,200 行确定性、无网络依赖测试与黄金件tests/unit/clinical/test_med_reconciliation.py。 一句话总结OpenMed 的用药对账 身份归并 状态归一 时间排序 冲突留痕且默认零联网、零原文泄露。它不会替你做临床决策但它能保证每一条差异都有据可查、有人复核——这正是用药安全最需要的部分。【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
OpenMed用药对账实战跨医嘱单自动核对与差异检测【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmedOpenMed是一个本地优先local-first的医疗 AI 开源项目临床 NER 命名实体识别与 HIPAA PII 去标识化全部在设备端运行支持 2,200 医疗模型、21 种语言患者数据绝不出内网 。其中用药对账Medication Reconciliation功能可以自动把同一份病历里散落的多次用药提及归并为一条可审查的状态记录并精准标记出剂量、给药途径上的矛盾差异——相当于给医嘱单做了一次自动核对。为什么需要用药对账真实的临床文本里同一种药往往被反复提及入院记录里口服二甲双胍 500mg评估部分加量至 1000mg出院小结里停用……人工逐条核对费时且容易漏看。OpenMed 的reconcile_medications()就是为解决这个问题而生。它把文档内的用药提及折叠归并为每味药一份规范化的当前状态是辅助性的组织整理层而非临床决策源码自带这条合规提示。核心机制4 步自动核对流程对账逻辑实现在 openmed/clinical/med_reconciliation.py官方说明见 docs/clinical/medication-reconciliation.md。第 1 步身份识别——确认是不是同一味药归并身份按优先级依次取用优先级身份来源说明1共指实体coreference entity该药、it 等指代由上游共指链合并2显式规范化成分名如metformin3编码归一标识如 RXNORM8609754规范化表面词兜底文本词形归一化第 2 步状态归一——5 种标准状态口语化的医嘱动作start / initiate / discontinue / hold / titrate……数十种别名统一归一为 5 个规范状态started、continued、held、changed、stopped缺失状态保守归为continued。第 3 步时间排序——建立用药历史有规范化绝对时间戳时按时间戳排序最新证据优先无时间戳时按文档偏移量确定性排序保证结果可复现。第 4 步差异检测——冲突绝不悄悄合并 ⚠️这是差异检测的核心。当同一时间戳下剂量或给药途径存在矛盾、且无唯一权威章节如 assessment/plan 优先级高于叙述性病史时当前字段置为Noneconflicts中记录规范化的候选值、字段名与来源偏移量留给人工审查而不是擅自选择一个值。极简实战一次对账调用from openmed.clinical import reconcile_medications records reconcile_medications( [ {ingredient: metformin, dose: 500 MG, status: started, effective_time: 2026-01-01, offset: (10, 19)}, {ingredient: metformin, dose: 1000 mg, status: changed, effective_time: 2026-01-15, offset: (82, 91)}, ], document_idsynthetic-note-1, ) print(records[0].current_status) # changed print(records[0].current_dose) # 1000 mg两次提及被自动归并为一条记录最新状态为changed当前剂量取最新时间戳的1000 mg。完整行为可用黄金测试件复现见 tests/fixtures/clinical/medication_reconciliation_gold.json 与 tests/unit/clinical/test_med_reconciliation.py。隐私设计对账结果不含原文对医疗数据来说这或许是该功能最有价值的设计✅ReconciledMedication.to_dict()不输出源提及文本与源文档仅输出规范化成分、剂量、途径、时间戳与来源偏移量✅ 对账是**文档内局部document-local**操作默认不调用任何术语服务、不发起网络请求✅ 明确拒绝跨文档混合输入边界清晰。每条记录还内置合规提示语MEDICATION_RECONCILIATION_ADVISORY用药对账是确定性的文档内组织辅助不是处方或临床决策未解决的剂量与途径冲突需人工审查。周边能力组成完整用药分析管线单靠对账还不够OpenMed 提供配套模块拼出完整链路临床 NER2,200 医疗模型可识别MEDICATION、DRUG等实体见 docs/ner-families.mdSig 解析器parse_sig(1 tab PO BID x7 days)把1 片 口服 每日两次 x7天拆成结构化剂量、途径、频次docs/clinical/sig-parser.md时间归一化相对时间表达先转绝对时间再进入对账docs/clinical/temporal-normalization.md上下文提取控制实体提取深度与属性docs/clinical/context-and-extraction.md。批量处理时批处理路径可带来数倍吞吐提升基准数据见 docs/assets/pii-batch-benchmark.svg。快速上手与延伸阅读安装pip install openmed即可项目支持 Apple MLX 加速与 Python 双栈全程离线功能文档docs/clinical/medication-reconciliation.md身份优先级、冲突规则、隐私边界逐条说明源码入口openmed/clinical/med_reconciliation.py约 1,200 行确定性、无网络依赖测试与黄金件tests/unit/clinical/test_med_reconciliation.py。 一句话总结OpenMed 的用药对账 身份归并 状态归一 时间排序 冲突留痕且默认零联网、零原文泄露。它不会替你做临床决策但它能保证每一条差异都有据可查、有人复核——这正是用药安全最需要的部分。【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
