/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-large
Библиотека
transformers
Опубликована
8 мар 2026

OpenMed-PII-Dutch-SuperClinical-Large-434M-v1

Разметка токеновТекст → label3 профессии

Модель OpenMed на базе DeBERTa для обнаружения 54 типов персональных и чувствительных данных в нидерландском тексте.

305скачиваний за 30 дней4лайкавеса обновлены10 мар 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

OpenMed-PII-Dutch-SuperClinical-Large-434M-v1 — модель OpenMed для обнаружения и классификации персональных данных в нидерландском тексте. Это дообученная на базе microsoft/deberta-v3-large модель токеновой классификации на архитектуре DeBERTa V2; в метаданных указаны 533,8 млн параметров, контекст до 512 токенов и формат safetensors.

Модель размечает 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, контактные и медицинские сведения. Она предназначена для поиска и удаления персональных данных в клинических записях и документах, подготовки наборов данных и поддержки проверок соответствия требованиям приватности. В README приведён результат Micro F1 0,9419 на нидерландской части AI4Privacy, однако качество может меняться на других типах текста.

Модель рассчитана на нидерландский язык; её не следует считать надёжной для других языков. Возможны пропуски персональных данных, поэтому критически важные результаты требуют проверки человеком. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск персональных данных в нидерландских клинических записях
  • Обезличивание медицинских документов на нидерландском языке
  • Выявление контактных данных и идентификаторов в документах
  • Удаление чувствительных данных перед подготовкой наборов для исследований
  • Аудит коллекций документов на наличие персональных данных

Ограничения

Возможны пропуски персональных данных, поэтому результаты для критически важных сценариев нужно проверять человеком. Модель оптимизирована для нидерландского текста, а качество на других языках и специализированной терминологии может быть ниже.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OpenMed-PII-Dutch-SuperClinical-Large-434M-v1

Dutch PII Detection Model | 434M Parameters | Open Source

F1 Score Precision Recall

Model Description

OpenMed-PII-Dutch-SuperClinical-Large-434M-v1 is a transformer-based token classification model fine-tuned for Personally Identifiable Information (PII) detection in Dutch text. This model identifies and classifies 54 types of sensitive information including names, addresses, social security numbers, medical record numbers, and more.

Key Features

  • Dutch-Optimized: Specifically trained on Dutch text for optimal performance
  • High Accuracy: Achieves strong F1 scores across diverse PII categories
  • Comprehensive Coverage: Detects 54 entity types spanning personal, financial, medical, and contact information
  • Privacy-Focused: Designed for de-identification and compliance with GDPR and other privacy regulations
  • Production-Ready: Optimized for real-world text processing pipelines

Performance

Evaluated on the Dutch subset of AI4Privacy dataset:

MetricScore
Micro F10.9419
Precision0.9390
Recall0.9448
Macro F10.9421
Weighted F10.9417
Accuracy0.9949

Top 10 Dutch PII Models

RankModelF1PrecisionRecall
1OpenMed-PII-Dutch-SuperClinical-Large-434M-v10.94190.93900.9448
2OpenMed-PII-Dutch-BigMed-Large-560M-v10.93360.93360.9336
3OpenMed-PII-Dutch-SnowflakeMed-Large-568M-v10.92430.92060.9280
4OpenMed-PII-Dutch-ClinicalBGE-568M-v10.92350.92100.9259
5OpenMed-PII-Dutch-mSuperClinical-Base-279M-v10.92040.90950.9315
6OpenMed-PII-Dutch-mClinicalE5-Large-560M-v10.92010.91110.9292
7OpenMed-PII-Dutch-SuperMedical-Large-355M-v10.91890.91490.9230
8OpenMed-PII-Dutch-NomicMed-Large-395M-v10.91810.92120.9150
9OpenMed-PII-Dutch-EuroMed-210M-v10.91430.91710.9115
10OpenMed-PII-Dutch-BioClinicalModern-Large-395M-v10.90730.91610.8988

Supported Entity Types

This model detects 54 PII entity types organized into categories:

EntityDescription
ACCOUNTNAMEAccountname
BANKACCOUNTBankaccount
BICBic
BITCOINADDRESSBitcoinaddress
CREDITCARDCreditcard
CREDITCARDISSUERCreditcardissuer
CVVCvv
ETHEREUMADDRESSEthereumaddress
IBANIban
IMEIImei
...and 12 more
EntityDescription
AGEAge
DATEOFBIRTHDateofbirth
EYECOLOREyecolor
FIRSTNAMEFirstname
GENDERGender
HEIGHTHeight
LASTNAMELastname
MIDDLENAMEMiddlename
OCCUPATIONOccupation
PREFIXPrefix
...and 1 more
EntityDescription
EMAILEmail
PHONEPhone
EntityDescription
BUILDINGNUMBERBuildingnumber
CITYCity
COUNTYCounty
GPSCOORDINATESGpscoordinates
ORDINALDIRECTIONOrdinaldirection
SECONDARYADDRESSSecondaryaddress
STATEState
STREETStreet
ZIPCODEZipcode
EntityDescription
JOBDEPARTMENTJobdepartment
JOBTITLEJobtitle
ORGANIZATIONOrganization
EntityDescription
AMOUNTAmount
CURRENCYCurrency
CURRENCYCODECurrencycode
CURRENCYNAMECurrencyname
CURRENCYSYMBOLCurrencysymbol
EntityDescription
DATEDate
TIMETime

Usage

Using OpenMed

uv pip install "openmed[hf]"
from openmed import extract_pii

result = extract_pii(
    "Patiënt: Eva de Vries, geboortedatum: 15 januari 1984, BSN: 123456782, telefoon: +31 6 12345678",
    lang="nl",
    model_name="OpenMed/OpenMed-PII-Dutch-SuperClinical-Large-434M-v1",
    use_smart_merging=True,
)

print([(e.label, e.text) for e in result.entities])

Quick Start

from transformers import pipeline

# Load the PII detection pipeline
ner = pipeline("ner", model="OpenMed/OpenMed-PII-Dutch-SuperClinical-Large-434M-v1", aggregation_strategy="simple")

text = """
Patiënt Jan Jansen (geboren 15-03-1985, BSN: 987654321) is vandaag gezien.
Contact: jan.jansen@email.nl, Telefoon: +31 6 12345678.
Adres: Herengracht 42, 1015 BN Amsterdam.
"""

entities = ner(text)
for entity in entities:
    print(f"{entity['entity_group']}: {entity['word']} (score: {entity['score']:.3f})")

De-identification Example

def redact_pii(text, entities, placeholder='[REDACTED]'):
    """Replace detected PII with placeholders."""
    # Sort entities by start position (descending) to preserve offsets
    sorted_entities = sorted(entities, key=lambda x: x['start'], reverse=True)
    redacted = text
    for ent in sorted_entities:
        redacted = redacted[:ent['start']] + f"[{ent['entity_group']}]" + redacted[ent['end']:]
    return redacted

# Apply de-identification
redacted_text = redact_pii(text, entities)
print(redacted_text)

Batch Processing

from transformers import AutoModelForTokenClassification, AutoTokenizer
import torch

model_name = "OpenMed/OpenMed-PII-Dutch-SuperClinical-Large-434M-v1"
model = AutoModelForTokenClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

texts = [
    "Patiënt Jan Jansen (geboren 15-03-1985, BSN: 987654321) is vandaag gezien.",
    "Contact: jan.jansen@email.nl, Telefoon: +31 6 12345678.",
]

inputs = tokenizer(texts, return_tensors='pt', padding=True, truncation=True)
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.argmax(outputs.logits, dim=-1)

Training Details

Dataset

  • Source: AI4Privacy PII Masking 400k (Dutch subset)
  • Format: BIO-tagged token classification
  • Labels: 76 total (54 B-tags + 21 I-tags + O)

Training Configuration

  • Max Sequence Length: 512 tokens
  • Epochs: 3
  • Framework: Hugging Face Transformers + Trainer API

Intended Use & Limitations

Intended Use

  • De-identification: Automated redaction of PII in Dutch clinical notes, medical records, and documents
  • Compliance: Supporting GDPR, and other privacy regulation compliance
  • Data Preprocessing: Preparing datasets for research by removing sensitive information
  • Audit Support: Identifying PII in document collections

Limitations

Important: This model is intended as an assistive tool, not a replacement for human review.

  • False Negatives: Some PII may not be detected; always verify critical applications
  • Context Sensitivity: Performance may vary with domain-specific terminology
  • Language: Optimized for Dutch text; may not perform well on other languages

Citation

@misc{openmed-pii-2026,
  title = {OpenMed-PII-Dutch-SuperClinical-Large-434M-v1: Dutch PII Detection Model},
  author = {OpenMed Science},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/OpenMed/OpenMed-PII-Dutch-SuperClinical-Large-434M-v1}
}

Links

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForTokenClassification
Ревизия весов
2372595

0 моделей