Характеристики

Контекст: 512 токенов
Лицензия: MIT
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 26 июн 2026

Ссылки

medical-intent-classifier

Классификация текстаТекст → label

Классификатор на базе DistilBERT распределяет текстовые запросы пациентов по девяти медицинским категориям для маршрутизации в системе NHS.

12скачиваний за 30 дней0лайковвеса обновлены26 июн 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

Медицинский классификатор намерений на базе DistilBERT, дообученный автором umarkhan0206 для распределения запросов пациентов по девяти клиническим категориям при маршрутизации для первичной оценки в NHS. Категории охватывают причины заболеваний, обследования и анализы, общую информацию, наследственность, меры предосторожности, побочные эффекты, симптомы, лечение и прогноз, а также ситуации, когда следует обратиться к медицинскому специалисту.

Модель принимает текстовые запросы и выдаёт метку одной из категорий. В карточке проекта описан процесс повышения устойчивости классификации: после выявления низкой надёжности на реалистичных формулировках применялись диагностика LIME и целевая генерация дополнительных примеров; на стресс-тесте без утечки данных сообщается точность 92,3%. Архитектура — DistilBertForSequenceClassification, контекст до 512 токенов. Модель распространяется по лицензии MIT.

Это вспомогательный инструмент маршрутизации запросов, а не средство диагностики или принятия клинических решений. Результаты могут быть ненадёжны для формулировок, языков и медицинских контекстов, не представленных при оценке; заявленная точность относится к описанному в README стресс-тесту.

Сценарии применения

маршрутизация запросов пациентов по клиническим намерениям
классификация вопросов о симптомах и возможных причинах
выделение запросов об обследованиях и анализах
распознавание вопросов о побочных эффектах и мерах предосторожности
выявление запросов о лечении, прогнозе и наследственности
определение вопросов, требующих обращения к медицинскому специалисту

Ограничения

Предназначена для маршрутизации запросов, а не для диагностики или клинических решений. Показатель 92,3% относится к описанному стресс-тесту; надёжность на других данных и языках не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Medical Intent Classifier

DistilBERT fine-tuned to classify patient queries into 9 clinical intent categories for NHS triage routing. Part of a project demonstrating how a model that scored 100% on a standard train/test split turned out to be only 18% reliable on independent, realistic patient phrasing — and what it took (LIME diagnosis + targeted LLM-generated augmentation across 12 iterations) to reach 92.3% on a leakage-checked stress test.

Full project, methodology, and demo: https://github.com/umarkhan0206/medical-intent-classifier

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("umarkhan0206/medical-intent-classifier")
model = AutoModelForSequenceClassification.from_pretrained("umarkhan0206/medical-intent-classifier")

This is a routing aid, not a diagnostic tool, and should not be used for clinical decision-making.

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 6128b22