NER clínico en español (XLM-RoBERTa-large)
Modelo de reconocimiento de entidades nombradas (NER) a nivel de token en textos clínicos oncológicos en español, con 30 etiquetas BIO, mediante fine-tuning de XLM-RoBERTa-large.
Autor: Jhusef Alfonso López Parra
Descripción
Modelo de NER clínico en español, afinado con AutoModelForTokenClassification y Trainer de Hugging Face. Extrae entidades oncológicas con esquema BIO sobre textos médicos en español.
Uso
from transformers import pipeline
pipe = pipeline("token-classification", model="jhusef-lopez/ner-clinico-xlmr-es", aggregation_strategy="simple")
texto = "El paciente presenta adenocarcinoma de próstata en estadio III."
print(pipe(texto))
Etiquetas (30 BIO)
| id | etiqueta |
|---|---|
| 0 | B_CANCER_CONCEPT |
| 1 | B_CHEMOTHERAPY |
| 2 | B_DATE |
| 3 | B_DRUG |
| 4 | B_FAMILY |
| 5 | B_FREQ |
| 6 | B_IMPLICIT_DATE |
| 7 | B_INTERVAL |
| 8 | B_METRIC |
| 9 | B_OCURRENCE_EVENT |
| 10 | B_QUANTITY |
| 11 | B_RADIOTHERAPY |
| 12 | B_SMOKER_STATUS |
| 13 | B_STAGE |
| 14 | B_SURGERY |
| 15 | B_TNM |
| 16 | I_CANCER_CONCEPT |
| 17 | I_DATE |
| 18 | I_DRUG |
| 19 | I_FAMILY |
| 20 | I_FREQ |
| 21 | I_IMPLICIT_DATE |
| 22 | I_INTERVAL |
| 23 | I_METRIC |
| 24 | I_OCURRENCE_EVENT |
| 25 | I_SMOKER_STATUS |
| 26 | I_STAGE |
| 27 | I_SURGERY |
| 28 | I_TNM |
| 29 | O |
Métricas de evaluación
| Métrica | Valor |
|---|---|
| F1 (validación) | 0.9499 |
| Precision (validación) | 0.9394 |
| Recall (validación) | 0.9607 |
| F1 (test) | 0.9426 |
| Precision (test) | 0.9261 |
| Recall (test) | 0.9597 |
| Batch size (mejor grid) | 8 |
Entrenamiento
- Modelo base:
FacebookAI/xlm-roberta-large - Dataset:
SebastianSalas/biobert_json - Framework: PyTorch + 🤗 Transformers (
Trainer,EarlyStoppingCallback) - Referencia enunciado: bert-base-cased sobre CoNLL-2002 ≈ 75 % F1
- Idioma: español (es)
Limitaciones y uso responsable
Modelo académico. Puede cometer errores clínicos y reflejar sesgos del corpus. No sustituye el criterio de un profesional de la salud.
Cita
Si utilizas este modelo, por favor atribúyelo a Jhusef Alfonso López Parra.