Характеристики

Базовая модель: BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext
Библиотека: transformers
Опубликована: 10 авг 2026

Ссылки

PoC-SNOMEDCT-extract-BiomedBERT-base

Разметка токеновТекст → label

Экспериментальный BiomedBERT-классификатор выделяет в клинических заметках фрагменты находок, процедур и структур тела для прототипов извлечения сущностей SNOMED CT.

0скачиваний за 30 дней0лайковвеса обновлены10 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

PoC-SNOMEDCT-extract-BiomedBERT-base — экспериментальный BIO-классификатор токенов для извлечения из клинических заметок фрагментов, соответствующих категориям SNOMED CT: finding, procedure и body_structure. Модель разработана на основе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext и дообучена с использованием синтетических данных; архитектура — BiomedBERT на базе BERT, запуск предусмотрен через Transformers.

Модель предназначена для прототипирования извлечения медицинских сущностей и разметки клинического текста. В README приведены высокие метрики на отложенных заметках, однако данные для обучения и валидации синтетические, а модель не прошла клиническую проверку. Поэтому эти результаты не подтверждают качество на реальных медицинских записях. Лицензия в предоставленных данных не указана.

Сценарии применения

извлечение клинических находок из медицинских заметок
выделение упоминаний медицинских процедур
извлечение анатомических структур из клинического текста
прототипирование разметки медицинских сущностей по категориям SNOMED CT

Ограничения

Обучение и валидация выполнены на синтетических данных, а клиническая пригодность модели не подтверждена. Высокие метрики на синтетических заметках не гарантируют качество на реальных медицинских записях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PoC-SNOMEDCT-extract-BiomedBERT-base

Proof-of-concept -- trained on synthetic data. Every run behind this repo so far fine-tunes on a synthetically generated batch, not real MIMIC-IV-Note. Treat these weights as a proof of concept, not a clinically validated model.

BIO token classifier for SNOMED-CT span extraction (7-class: O + B/I × {finding, procedure, body_structure}), fine-tuned from microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext. Metrics below are multiset precision/recall/F1 against held-out validation notes (again, synthetic data).

Run config


timestamp	2026-08-10 02:53:54
pipeline	bert-extract
model_id	microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext
max_length	512
num_epochs	15
lr	3e-05
train_batch_size	8
fast_iter	False
n_train_chunks	563
n_train_notes	112
n_val_chunks	132
n_val_notes	28

Metrics

scale	precision	recall	f1	gold	pred
micro	0.990	0.996	0.993	6641	6686
macro	0.983	0.995	0.989
finding	0.969	0.993	0.981	1484	1520
procedure	0.996	0.998	0.997	4973	4980
body_structure	0.984	0.995	0.989	184	186

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Ревизия весов: 3f3dab8