/ Модель

Характеристики

Контекст
8 192 токена
Параметры
307 млн
Лицензия
MIT
Архитектура
modernbert · dense
Опубликована
24 мар 2026

MultiClinicalBERT

Заполнение пропусковТекст → текст3 профессии

Мультиязычная клиническая ModernBERT-модель для заполнения замаскированных токенов и адаптации к задачам анализа медицинских текстов.

156скачиваний за 30 дней2лайкавеса обновлены17 авг 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

MultiClinicalBERT — мультиязычная модель семейства ModernBERT от YLab-Open, инициализированная из mmBERT и дополнительно предобученная на клинических, биомедицинских и общих текстах. Она обучалась предсказывать замаскированные токены и предназначена для извлечения контекстных представлений и адаптации к клиническим NLP-задачам, включая распознавание сущностей, классификацию и деидентификацию медицинских записей. Модель содержит около 306,9 млн параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors.

В обучающий корпус вошли клинические заметки и наборы данных, PubMed и многоязычные тексты Wikipedia. Модель рассчитана на английский, китайский, испанский, японский и русский языки; авторы сообщают об оценке на клинических задачах на всех пяти языках и особенно заметных улучшениях для языков с меньшим количеством ресурсов. Лицензия — MIT.

Основной интерфейс модели — masked language modeling: она принимает текст с замаскированными токенами и предсказывает подходящие заполнения. Для прикладной классификации, распознавания сущностей и других задач потребуется соответствующая голова или дополнительная настройка. README приводит результаты на конкретных наборах данных, но они не гарантируют такую же точность в других клинических условиях; модель не следует считать самостоятельной системой клинических решений.

Сценарии применения

  • восстановление пропущенных слов в медицинских записях
  • извлечение контекстных представлений клинических заметок
  • дообучение для распознавания медицинских сущностей
  • дообучение для классификации клинических текстов
  • подготовка представлений для поиска по медицинским документам

Ограничения

Для классификации, распознавания сущностей и других прикладных задач может потребоваться дополнительная настройка или соответствующая выходная голова. Результаты на перечисленных в README наборах данных не гарантируют качество на иных клинических данных и сценариях.

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

MultiClinicalBERT: A Multilingual Transformer Pretrained on Real-World Clinical Notes

MultiClinicalBERT is a multilingual transformer model pretrained on real-world clinical notes across multiple languages. It is designed to provide strong and consistent performance for clinical NLP tasks in both high-resource and low-resource settings.

To the best of our knowledge, this is the first open-source BERT model pretrained specifically on multilingual real-world clinical notes.

Model Overview

MultiClinicalBERT is initialized from mmBERT and further pretrained using a two-stage domain-adaptive strategy on a large-scale multilingual clinical corpus (BRIDGE), combined with biomedical and general-domain data.

The model captures:

  • Clinical terminology and documentation patterns
  • Cross-lingual representations for medical text
  • Robust performance across diverse healthcare datasets

paper_diagram

Pretraining Data

The model is trained on a mixture of three data sources:

1. Clinical Data (BRIDGE Corpus)

  • 87 multilingual clinical datasets
  • ~1.42M documents
  • ~995M tokens
  • Languages: English, Chinese, Spanish, Japanese, Russian

This dataset reflects real-world clinical practice and is the core contribution of this work.

2. Biomedical Literature (PubMed)

  • ~1.25M documents
  • ~194M tokens

Provides domain knowledge and medical terminology.

3. General-Domain Text (Wikipedia)

  • ~5.8K documents
  • ~43M tokens
  • Languages: Spanish, Japanese, Russian

Improves general linguistic coverage.

Total

  • ~2.7M documents >1.2B tokens

Pretraining Strategy

We adopt a two-stage domain-adaptive pretraining approach:

Stage 1: Mixed-domain pretraining

  • Data: BRIDGE + PubMed + Wikipedia
  • Goal: Inject biomedical and multilingual knowledge

Stage 2: Clinical-specific adaptation

  • Data: BRIDGE only
  • Goal: Learn fine-grained clinical language patterns

Objective

  • Masked Language Modeling (MLM)
  • 15% token masking

Evaluation

main_results

We evaluate MultiClinicalBERT on 10 clinical NLP tasks across 5 languages:

  • English: MIMIC-III Mortality, MIMIC-IV CDM
  • Chinese: CEMR, IMCS-V2 NER
  • Japanese: IFMIR Incident Type, IFMIR NER
  • Russian: RuMedNLI, RuCCoN NER
  • Spanish: EHR De-identification, PPTS

Key Results

  • Consistently outperforms Modern multilingual BERT (mmBERT)
  • Matches or exceeds strong language-specific models
  • Largest gains observed in low-resource settings

Example:

  • MIMIC-III Mortality: 89.40% accuracy
  • MIMIC-IV CDM: 92.18% accuracy
  • CEMR: 94.24% accuracy
  • IFMIR NER: 86.21 F1
  • EHR De-identification: 88.64 F1

Key Contributions

  • First BERT model pretrained on multilingual real-world clinical notes
  • Large-scale clinical corpus (BRIDGE) with diverse languages
  • Effective two-stage domain adaptation strategy
  • Strong performance across multiple languages and tasks
  • Suitable for:
    • Clinical NLP
    • Multilingual medical text understanding
    • Retrieval-augmented generation (RAG)
    • Clinical decision support systems

Usage

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("YLab-Open/MultiClinicalBERT")
model = AutoModel.from_pretrained("YLab-Open/MultiClinicalBERT")

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
abe9bb2

0 моделей