OpenMed: ИИ для клиники, данные пациентов не уходят в облако

Почему клиника не может просто дать записи ChatGPT

Администратор или главврач хочет, чтобы ИИ разбирал приёмы: вытаскивал из свободного текста жалобы, названия препаратов, даты, готовил сводки для отчётов. А потом упирается в простое препятствие. Текст приёма содержит фамилию, телефон, диагноз и дату рождения. Отправить такое в облачную модель за рубежом значит выпустить сведения о здоровье за пределы клиники.

По статье 13 закона 323-ФЗ сведения о факте обращения за помощью, о состоянии здоровья и диагнозе составляют врачебную тайну, а разглашать их можно только в случаях, которые перечисляет сама статья. Текст нормы на КонсультантПлюс. Данные о состоянии здоровья ещё и относятся к специальным категориям персональных данных по статье 10 закона 152-ФЗ. Передача такого текста стороннему сервису требует отдельной юридической оценки, и самому себе её лучше не выдавать.

Отсюда выход, о котором я уже писал в статье про локальный ИИ как расчёт: модель стоит внутри вашего контура. Для медицинского текста есть готовый открытый инструмент.

Что такое OpenMed

Репозиторий maziyarpanahi/openmed на GitHub. Проекту около года (создан в октябре 2025), последний релиз v2.5.0 вышел 15 сентября 2026, свежий коммит в репозитории датирован 2 октября 2026. На момент проверки у проекта 5,4 тысячи звёзд и около 700 форков. Лицензия кода Apache-2.0: можно использовать в коммерческих целях, дорабатывать и ставить клиенту.

В репозитории собраны 2200+ готовых моделей для медицинского текста. Размер моделей, судя по описанию, от 109 до 434 миллионов параметров. Это компактные модели-разметчики, и для них хватает обычного сервера. Работают на процессоре, на видеокарте NVIDIA и на Apple Silicon. Минимальные требования к памяти авторы не называют, их придётся замерять на своём железе. Как оценивать железо под ИИ, я разбирал в отдельной статье про GPU, RAM и VRAM.

Что она умеет на деле

Умений два.

Первое: извлечение сущностей. Из текста приёма она достаёт упоминания болезней, лекарств, частей тела, генов. На выходе размеченный список с позициями в тексте, который можно загрузить в таблицу или в вашу информационную систему.

Второе: поиск и удаление персональных данных. Библиотека находит имена, телефоны, адреса, почту, номера документов и даты, это 18 категорий американского стандарта HIPAA Safe Harbor. Найденное можно закрыть маской, заменить на подстановку, заменить хешем или сдвинуть даты на случайное число дней, чтобы сохранить интервалы между событиями.

Подключается тремя способами: Python-библиотека (функции analyze_text, extract_pii и deidentify), REST-сервис на FastAPI с авторизацией по ключу или JWT и Swift-пакет для iPhone и Mac. Есть Docker-сборка и MCP-сервер, чтобы подключать к ИИ-агентам. Модели один раз скачиваются с Hugging Face, после этого можно указать локальную папку, и библиотека не обращается в сеть. Телеметрия в отдельных режимах включается по желанию, проверять это при развёртывании обязательно.

Что важно учесть: честные ограничения

Русский язык. В документации прямо сказано, что маршрутизация для русского использует многоязычную модель-заглушку по умолчанию. Для 42 языковых кодов персональных данных выделенные модели есть у 35. Для клинических моделей (болезни, препараты, анатомия) список языков в документации не указан. На практике для русских записей придётся проверять качество на ваших образцах и, вероятно, доучивать модель или добавлять правила: отчества, сокращения врачей, адреса в нашем формате, СНИЛС, номера полисов. Готового решения «поставил и закрыл все русские данные» здесь нет.

Стандарт. Категории в библиотеке заточены под американский HIPAA. В российских записях встречаются СНИЛС, полис ОМС, номер медицинской карты. Авторы пишут, что использование SDK само по себе не делает вас соответствующим HIPAA и нужна экспертная оценка внедрения. По российскому закону то же: инструмент не заменяет документы и ответственного.

Лицензия моделей. Код под Apache-2.0, но в репозитории сказано, что условия моделей и датасетов различаются. Перед работой с каждой моделью читайте её карточку на Hugging Face: часть может иметь ограничения на коммерческое использование.

Медицинская ответственность. Библиотека размечает текст и ничего более. Она не ставит диагнозы, не подбирает лечение и не заменяет врача. Любой результат проверяет человек. Является ли такая система медицинским изделием при вашем сценарии, а также нужна ли лицензия на вашу деятельность, решает юрист клиники, я тут ничего не утверждаю.

Обезличивание. Попадёт ли текст после маскирования под юридическое определение обезличенных данных, нужно уточнять у юриста. Ошибка модели на одном имени оставит в тексте личные данные, поэтому выгрузку проверяют выборочно.

Что можно сделать уже сейчас

Проверить на синтетике. Возьмите 50 выдуманных записей приёма на русском, поставьте библиотеку на любой компьютер, прогоните и посмотрите, что находит, а что пропускает. Реальные данные на этом шаге не нужны.

Обезличить выгрузку для аналитики или обучения. Сценарий для клиники, которая хочет отдать данные подрядчику, например для отчёта или настройки сервиса. Сначала прогон через OpenMed с правилами под российские форматы, потом выборочная проверка человеком, потом решение юриста.

Разбирать входящие документы. Выписки и направления в свободной форме превращаются в таблицу: препарат, дата, дозировка из текста. Вносит их в карту сотрудник, система только готовит черновик.

Собрать контур целиком. Сервер в клинике, REST-сервис за вашим файрволом, доступ по ключам, журнал обращений. О том, как это вписывается в общую автоматизацию, есть статья про автоматизацию клиники и медцентра.

Мы разворачиваем такие вещи в вашем контуре и настраиваем под ваши документы: добавляем правила для российских форматов, пишем проверочные тесты, подключаем к вашей системе. Подробности на странице цифровизации клиник, а по персональным данным есть отдельное предложение для клиники.

Частые вопросы

Данные пациентов точно не уходят наружу?

По описанию проекта, извлечение и обезличивание выполняются локально после загрузки моделей. Мы проверяем это при развёртывании: закрываем исходящий трафик сервиса и смотрим, что он продолжает работать.

Можно ли использовать для диагностики?

Нет. Библиотека размечает текст. Решения о здоровье пациента принимает врач.

Нужна ли видеокарта?

Библиотека работает и на процессоре. Для больших потоков документов видеокарта ускорит обработку, нужную мощность считаем на ваших образцах.

Коротко о главном

OpenMed даёт клинике готовую основу для локального разбора медицинского текста и обезличивания, с открытым кодом и без облака. Русский язык в ней пока слабое место, поэтому первый шаг всегда проверка на ваших записях, а юридические вопросы идут к юристу.

Хотите разобрать, подойдёт ли это вашей клинике или лаборатории? Напишите мне в Telegram кодовое слово «КЛИНИКА», и я пришлю короткий список вопросов, чтобы оценить задачу.