Sift：使用 Rust + Tauri 构建的本地优先医疗记录智能处理工具

Sift是一款基于Rust和Tauri开发的高性能Windows桌面应用，专注于医疗记录的自动化处理。它采用本地优先架构，通过本地LLM推理将非结构化临床数据转换为结构化纵向摘要，在保护患者隐私的同时提升医疗数据处理效率。

现代医疗体系中，大量非结构化医疗数据（如PDF、手写笔记、分散电子记录）依赖人工整理，耗时费力且易出错。更关键的是，医疗数据隐私敏感，云端处理存在泄露和合规风险，如何在安全前提下高效转化非结构化数据是医疗信息化的一大挑战。

Sift由fleXRPL团队开发，是开源Windows桌面应用。采用Rust作为核心后端（内存安全、高性能、并发处理能力强），结合Tauri框架构建轻量级界面（体积小、启动快、内存占用低），平衡性能与用户体验。核心理念为本地优先，所有处理在本地设备完成，消除数据泄露风险且不受网络限制。

本地LLM推理管道：接收PDF、图片扫描件或文本输入→OCR提取文本→本地LLM分析识别诊断、用药、检查结果等关键数据→组织成结构化纵向时间线。 隐私保护设计：所有处理本地完成，无使用数据或遥测收集；Rust内存安全特性防止缓冲区溢出等漏洞，降低数据泄露风险。

• 临床医生：自动生成结构化患者时间线，减少病历整理时间，急诊/会诊时快速获取关键信息。
• 医学研究：自动化提取特定信息，压缩人工整理时间（数周→数小时），满足伦理审查和知情同意要求。
• 小型诊所：低成本数字化方案，无需昂贵HIS系统或云订阅，普通Windows电脑即可实现病历智能化管理。

技术实现：模块化架构分离文档解析、OCR、LLM推理和UI组件，便于维护扩展；支持多种本地模型后端，用户可根据硬件选择模型规模（高性能GPU用大模型，普通电脑用轻量模型）。 开源生态：托管于GitHub，宽松许可证鼓励社区参与；README文档降低入门门槛，开发团队积极回应反馈；开源透明度让用户可审查代码，确认无隐藏数据收集。

局限性：目前仅支持Windows平台，限制跨系统普及；本地LLM性能受硬件限制，低端设备处理速度待提升。 未来展望：基于Tauri架构可扩展至macOS和Linux；随着端侧AI技术进步和硬件升级，性能问题有望缓解。

Sift代表医疗软件发展方向：利用AI能力同时坚守隐私安全底线，本地优先架构为敏感数据应用提供范式。对开发者展示Rust+Tauri在高性能桌面应用的潜力；对医疗从业者提供实用安全工具；对隐私关注用户证明便利性与安全性可兼得。在医疗信息化趋势下，此类工具将助力机构数字化转型，提升效率并守护隐私。