← Entdecken
Entdecken · GitHub · Openmed↑ +191 heute

Open-Source-Künstliche Intelligenz im Gesundheitswesen

OpenMed ist eine Plattform, die Open-Source-Modelle für künstliche Intelligenz und Datensätze für das Gesundheitswesen zusammenführt. Diese Python-basierte Bibliothek wurde für medizinisch orientierte Anwendungen entwickelt und zielt darauf ab, Prozesse zur Verarbeitung von Gesundheitsdaten zu standardisieren.

Aktualisierungen

  • 5. September 2026: Sterne 5,076 → 5,217, neueste Version v2.3.0 (4. September 2026).
  • 21. August 2026: Sterne 5,015 → 5,076, neueste Version v2.2.0 (21. August 2026).
  • 15. August 2026: Sterne 4,793 → 5,015, neueste Version v2.1.0 (12. August 2026).
  • 2. August 2026: Sterne 2,041 → 4,793, neueste Version v2.0.0 (28. Juli 2026).

Was es bringt

  • Extrahiert strukturierte medizinische Erkenntnisse aus klinischen Texten.
  • Anonymisiert persönliche Gesundheitsdaten auf dem Gerät.
  • Es führt mehr als 1.000 medizinische KI-Modelle offline aus.

Installation

Grundeinrichtung
pip install "openmed[hf]"
Unterstützung für Apple Silicon (MLX).
pip install "openmed[mlx]"

Ausführung

Einfache Analyse mit Python
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])"

Wenn Sie nicht programmieren

🤖 Fügen Sie dies in Ihren Agenten ein (Claude Code · Codex · Antigravity)

Ich möchte medizinische Texte mithilfe der OpenMed-Bibliothek analysieren. Ich habe Python auf meinem Gerät installiert. Zunächst habe ich die Installation mit dem Befehl pip install „openmed[hf]“ abgeschlossen. Welche Funktionen sollte ich nun in meinem Python-Code aufrufen, um meine klinischen Notizen zu analysieren und darin medizinische Begriffe oder personenbezogene Daten (PII) zu erkennen? Bitte erstellen Sie mir einen einfachen Beispielcodeblock zur Modellauswahl und zum Drucken der Ausgaben.

Verwandte Begriffe aus dem Glossar

Apple SiliconOpen SourceArtificial Intelligence
Für wen es gedacht istEs richtet sich an medizinisches Fachpersonal und Softwareentwickler, die datenschutzorientierte Analysen auf ihrer eigenen Hardware durchführen möchten, ohne ihre medizinischen Daten an Cloud-Dienste zu senden.
LizenzApache-2.0

Links

TreScout hat dieses Werkzeug nicht entwickelt · wir haben es in den GitHub-Trends gefunden und stellen es vor. Diese Seite beschreibt das Repository so, wie es am 2026-06-10 war: Die Anzahl der Sterne und unser Text stammen von diesem Tag, das Repository kann sich seitdem geändert haben. Den aktuellen Stand finden Sie über den Link zum Repository. Diese Seite wurde maschinell übersetzt aus dem türkischen Original · maßgeblich ist die türkische Fassung.