Англоязычная модель ModernBERT для обнаружения и разметки персональных данных в клинических записях Австралии.
13скачиваний за 30 дней1лайквеса обновлены1 июл 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Cbezz/modernbert-pii — англоязычная модель на базе ModernBERT-base от AnswerDotAI, дообученная для распознавания персональных данных в клинических записях Австралии. Это encoder-only модель с архитектурой ModernBERT и 149 млн параметров; она выполняет токенную классификацию с BIO-разметкой и выделяет имена, даты рождения, адреса, телефоны, медицинские идентификаторы, сведения о персонале и другие типы чувствительных данных. Модель предназначена для обнаружения и последующей защиты персональных данных в клинических текстах; пример использования приведён для библиотеки Transformers.
Модель принимает текст и возвращает разметку токенов с обнаруженными сущностями. Контекст модели — до 8192 токенов. Она ориентирована на английские клинические записи австралийского контекста; качество для других языков и областей не подтверждено. Распространяется по лицензии Apache-2.0.
Сценарии применения
поиск персональных данных в клинических записях
обнаружение имён пациентов и медицинского персонала
выделение дат рождения и контактных данных в медицинских текстах
поиск медицинских идентификаторов, включая Medicare Number и MRN
подготовка клинических текстов к обезличиванию
Ограничения
Модель ориентирована на англоязычные клинические записи австралийского контекста; её применимость к другим языкам и типам текстов в карточке не подтверждена.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
ModernBERT fine-tuned for token classification (NER) to detect PII in
Australian clinical notes. Labels use the BIO scheme over these entity types:
ACD
ADDRESS
AGE
ATTENDING_NURSE
COUNTRY_OF_BIRTH
DATE_OF_BIRTH
DVA_NUMBER
EMAIL
FULL_NAME
GUARDIANSHIP
IHI
MEDICARE_NUMBER
MRN
NEXT_OF_KIN
OCCUPATION
OTHER_CLINICAL_STAFF
PHONE_NUMBER
PREFERRED_NAME
PRIVATE_HEALTH_NUMBER
REFERRING_GP
SEX_GENDER
TREATING_CLINICIAN
WORKCOVER
Usage
from transformers import pipeline
ner = pipeline("token-classification", model="Cbezz/modernbert-pii", aggregation_strategy="simple")
ner("Patient John Smith, DOB 12/03/1980, MRN 4456219.")
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров