/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-multilingual-cased
Библиотека
transformers
Опубликована
10 фев 2026

OpenMed-PII-Italian-mLiteClinical-Base-135M-v1

Разметка токеновТекст → label3 профессии

Модель OpenMed на основе DistilBERT размечает 54 типа персональных и чувствительных данных в итальянском тексте для поддержки обезличивания и аудита.

10 063скачиваний за 30 дней0лайковвеса обновлены10 фев 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-Italian-mLiteClinical-Base-135M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это дообученная версия многоязычного DistilBERT с архитектурой DistilBertForTokenClassification; модель содержит 135 млн параметров, принимает текстовые последовательности длиной до 512 токенов и размечает чувствительные фрагменты по BIO-схеме. Карточка сообщает о 54 типах сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские данные.

Модель предназначена для поиска персональных данных в клинических записях, медицинских документах и других текстовых коллекциях, чтобы поддерживать обезличивание, подготовку данных и аудит. На итальянской части AI4Privacy PII Masking 400k указана оценка micro F1 0,9525. Модель рассчитана прежде всего на итальянский язык и может использоваться в конвейерах обработки текста.

Карточка рекомендует применять модель как вспомогательный инструмент с проверкой человеком: часть чувствительных данных может быть пропущена, а качество зависит от терминологии и контекста. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск персональных данных в итальянских клинических записях
  • обезличивание медицинских документов перед передачей или анализом
  • выявление контактных данных и идентификаторов в текстовых архивах
  • подготовка италоязычных наборов данных для исследований
  • аудит документов на наличие чувствительной информации

Ограничения

Модель может пропускать персональные данные, поэтому результаты для критичных сценариев следует проверять человеком. Она оптимизирована для итальянского текста, а качество может меняться в зависимости от терминологии и контекста.

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-Italian-mLiteClinical-135M-v1

Italian PII Detection Model | 135M Parameters | Open Source

F1 Score Precision Recall

Model Description

OpenMed-PII-Italian-mLiteClinical-135M-v1 is a transformer-based token classification model fine-tuned for Personally Identifiable Information (PII) detection in Italian text. This model identifies and classifies 54 types of sensitive information including names, addresses, social security numbers, medical record numbers, and more.

Key Features

  • Italian-Optimized: Specifically trained on Italian text for optimal performance
  • High Accuracy: Achieves strong F1 scores across diverse PII categories
  • Comprehensive Coverage: Detects 55+ 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 Italian subset of AI4Privacy dataset:

MetricScore
Micro F10.9525
Precision0.9498
Recall0.9553
Macro F10.9359
Weighted F10.9497
Accuracy0.9932

Top 10 Italian PII Models

RankModelF1PrecisionRecall
1OpenMed-PII-Italian-SuperClinical-Large-434M-v10.97280.97070.9750
2OpenMed-PII-Italian-EuroMed-210M-v10.96850.96630.9707
3OpenMed-PII-Italian-ClinicalBGE-568M-v10.96780.96530.9703
4OpenMed-PII-Italian-SnowflakeMed-Large-568M-v10.96780.96530.9702
5OpenMed-PII-Italian-BigMed-Large-560M-v10.96710.96450.9697
6OpenMed-PII-Italian-SuperMedical-Large-355M-v10.96630.96400.9686
7OpenMed-PII-Italian-mClinicalE5-Large-560M-v10.96590.96330.9684
8OpenMed-PII-Italian-NomicMed-Large-395M-v10.96560.96310.9682
9OpenMed-PII-Italian-ClinicalBGE-Large-335M-v10.96050.95750.9635
10OpenMed-PII-Italian-SuperClinical-Base-184M-v10.95960.95730.9620

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

Quick Start

from transformers import pipeline

# Load the PII detection pipeline
ner = pipeline("ner", model="OpenMed/OpenMed-PII-Italian-mLiteClinical-135M-v1", aggregation_strategy="simple")

text = """
Paziente Marco Bianchi (nato il 15/03/1985, CF: BNCMRC85C15H501Z) è stato visitato oggi.
Contatto: marco.bianchi@email.it, Telefono: +39 333 123 4567.
Indirizzo: Via Garibaldi 42, 20121 Milano.
"""

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-Italian-mLiteClinical-135M-v1"
model = AutoModelForTokenClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

texts = [
    "Paziente Marco Bianchi (nato il 15/03/1985, CF: BNCMRC85C15H501Z) è stato visitato oggi.",
    "Contatto: marco.bianchi@email.it, Telefono: +39 333 123 4567.",
]

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 (Italian subset)
  • Format: BIO-tagged token classification
  • Labels: 109 total (54 entity types × 2 BIO 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 Italian 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 Italian text; may not perform well on other languages

Citation

@misc{openmed-pii-2026,
  title = {OpenMed-PII-Italian-mLiteClinical-135M-v1: Italian PII Detection Model},
  author = {OpenMed Science},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/OpenMed/OpenMed-PII-Italian-mLiteClinical-135M-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
DistilBertForTokenClassification
Ревизия весов
0ce2c46

0 моделей