/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
Bio_ClinicalBERT
Библиотека
transformers
Опубликована
20 ноя 2025

Ссылки

Hugging Face

my-symptom-checker-biobert

Iloriayomide
Классификация текстаТекст → label3 профессии

Дообученная Bio_ClinicalBERT для классификации текстовых описаний симптомов.

15скачиваний за 30 дней0лайковвеса обновлены16 янв 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

my-symptom-checker-biobert — дообученная Iloriayomide модель классификации текста на основе emilyalsentzer/Bio_ClinicalBERT. Она предназначена для классификации текстовых описаний симптомов; карточка называет её средством проверки симптомов, но не сообщает классы, клинические сценарии или правила интерпретации результатов. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов.

Базовая Bio_ClinicalBERT обучена на клинических записях MIMIC-III и рассчитана на англоязычный медицинский текст. Для этой версии указана лицензия MIT. В README приведено значение loss 0,1376 на оценочном наборе, однако состав данных и методика оценки не описаны, поэтому по этому числу нельзя судить о клинической точности или пригодности для диагностики.

Сценарии применения

  • Классификация введённого пациентом описания симптомов
  • Создание прототипа классификатора медицинских текстов
  • Категоризация симптомов в англоязычных клинических записях

Ограничения

README не описывает метки классов, обучающие данные и подробности оценки; значение loss само по себе не подтверждает качество для диагностики. Не следует считать результат модели медицинским диагнозом.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my-symptom-checker-biobert

This model is a fine-tuned version of emilyalsentzer/Bio_ClinicalBERT on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1376

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
No log1.0302.9013
No log2.0602.4887
No log3.0902.0553
No log4.01201.6494
No log5.01501.3190
No log6.01801.0499
No log7.02100.8211
No log8.02400.6230
No log9.02700.4702
No log10.03000.3656
No log11.03300.2884
No log12.03600.2331
No log13.03900.1986
No log14.04200.1808
No log15.04500.1630
No log16.04800.1546
0.987317.05100.1469
0.987318.05400.1409
0.987319.05700.1378
0.987320.06000.1376

Framework versions

  • Transformers 4.57.1
  • Pytorch 2.9.1+cu128
  • Datasets 4.4.1
  • Tokenizers 0.22.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
664b84d

0 моделей

    Создать бенчмарк