IV.4Клиническая медицина и общественное здоровье

genshiai-daichi создал японскую медицинскую модель эмбеддингов на базе cl-nagoya/ruri-v3-310m и ModernBERT-Ja. Она предназначена для семантического поиска и ранжирования медицинских документов по запросам; также подходит для сравнения сходства японских текстов. Модель содержит 314,6 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Для запросов требуется префикс «検索クエリ: », для документов — «検索文書: »; при обучении также применялись нормализация NFKC и удаление годов из заголовков, которые важно повторять при обслуживании.

Это модель распознавания именованных сущностей, дообученная командой NLP4BIA Барселонского суперкомпьютерного центра на основе DT4H/CardioBERTa.it. Она предназначена для поиска упоминаний заболеваний в итальянских клинических текстах и присваивает токенам метки BIO: O, B-DISEASE и I-DISEASE. Модель построена на архитектуре BERT, содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для извлечения упоминаний заболеваний из клинических документов и электронных медицинских записей на итальянском языке. Для воспроизведения опубликованных результатов требуется такая же предварительная токенизация слов и знаков, как при обучении, с последующим выравниванием позиций сущностей; обычная токенизация Transformers может давать отличающиеся границы сущностей около пунктуации. На тестовом наборе MultiClinNER строгий F1 составил 0,7147, символьный F1 — 0,8254. Авторы не оценивали встроенные смещения модели. Лицензия — CC BY 4.0.

OpenMed разработала OpenMed-NER-AnatomyDetect-BioMed-335M — модель для распознавания анатомических сущностей в биомедицинских текстах. Она выделяет названия анатомических структур, частей тела, органов и физиологических систем, присваивая токенам метки B-Anatomy и I-Anatomy. Модель основана на архитектуре BERT и дообучена для классификации токенов на корпусе ANATOMY. В репозитории указаны 433,9 млн параметров и контекст до 512 токенов. Модель принимает токенизированный текст и возвращает BIO-разметку сущностей; в карточке заявлены F1 0,90, точность 0,89 и полнота 0,90. Она предназначена для извлечения анатомических терминов из медицинских записей и научной литературы, а также для поддержки биомедицинского поиска и построения баз знаний. Карточка приводит базовую архитектуру BiomedNLP-BiomedELECTRA-large-uncased-abstract, но метаданные не содержат базовую модель в поле base_models. Указанная лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-AnatomyDetect-SuperMedical-125M — дообученную модель RoBERTa для распознавания анатомических сущностей в биомедицинском тексте. Она выделяет анатомические структуры и части тела, присваивая токенам BIO-метки B-Anatomy и I-Anatomy. Модель предназначена для извлечения упоминаний органов, частей тела и физиологических систем из клинических записей и научной литературы. Её можно применять для медицинского анализа текста, построения баз знаний и поддержки исследований. Архитектура — RobertaForTokenClassification на базе roberta-base; объём — около 151,8 млн параметров, контекст — 514 токенов. В карточке указаны F1 0,87, точность 0,86 и полнота 0,89 на наборе ANATOMY. Модель принимает токенизированный английский текст и выдаёт разметку сущностей. Лицензия Apache-2.0. Результаты зависят от соответствия текста и терминологии обучающему набору; карточка не подтверждает заявленные сценарии выявления лекарственных взаимодействий и извлечения препаратов как отдельные возможности модели.

OpenMed-NER-DiseaseDetect-TinyMed-135M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер DistilBERT для token classification с архитектурой distilbert-base-multilingual-cased и контекстом до 512 токенов; модель выдаёт BIO-метки B-DISEASE и I-DISEASE для найденных сущностей. В README указаны данные BC5CDR-Disease и показатели на них: F1 0,88, точность 0,87 и полнота 0,89. Модель предназначена для извлечения названий заболеваний из медицинских записей и научных публикаций, а также для поиска по биомедицинской литературе и поддержки аналитики. Несмотря на многоязычную базовую архитектуру, карточка описывает обучение и оценку только на BC5CDR-Disease и указывает английский язык; перенос на другие языки и жанры медицинских текстов требует отдельной проверки. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-TinyMed-82M — дообученная OpenMed модель для распознавания химических сущностей в биомедицинских текстах. Она использует архитектуру RoBERTa для классификации токенов и размечает названия химических соединений, лекарств и терапевтических веществ тегами B-CHEM и I-CHEM. В README указана базовая архитектура distilroberta-base; метаданные сообщают о 95,2 млн параметров и контекстном окне до 514 токенов. Модель предназначена для извлечения химических сущностей из научных публикаций, клинических записей и других медицинских документов, например для фармаконадзора, анализа литературы и построения биомедицинских баз знаний. README приводит результаты на BC5CDR-Chem: F1 0,94, точность 0,94 и полноту 0,95. Поддерживается английский язык. Лицензия — Apache-2.0.

PubMedBERT-QNLI — модель на базе BERT, дообученная на задаче QNLI для проверки того, следует ли ответ на вопрос из заданного контекста. Её можно применять для поиска по документам: модель получает вопрос и текст документа и определяет, содержит ли он ответ. Метки результата: entailment и not entailment. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает пары текстов в формате вопроса и контекста. Максимальная длина контекста — 512 токенов. Основа — PubMedBERT, предварительно обученный на биомедицинских текстах; модель предназначена для задач на медицинских и научных документах. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

FremyCompany BioLORD-STAMB2-v1 — модель эмбеддингов для клинических предложений и биомедицинских понятий, разработанная на основе стратегии предобучения BioLORD. Это дообученная версия sentence-transformers/all-mpnet-base-v2, обученная на BioLORD-Dataset; архитектура MPNet, около 136,7 млн параметров. Модель преобразует предложения и фразы в плотные векторы размерности 768 и сопоставляет их в общем семантическом пространстве. Модель предназначена для семантического поиска, оценки сходства и кластеризации биомедицинского текста, включая клинические записи и медицинские документы. Опора на определения понятий и краткие описания из биомедицинских онтологий помогает сохранять семантические и иерархические связи. В README сообщается о высоких результатах на MedSTS и MayoSRS. Контекст составляет 514 токенов; заявленный язык — английский. Модель выпущена в 2022 году, и авторы рекомендуют для большинства сценариев более новую версию BioLORD-2023. Лицензия указана как other, поэтому условия использования следует сверить с карточкой репозитория. Поддерживается PyTorch и доступно использование через Sentence-Transformers или Transformers.

nlpie/Llama2-MedTuned-13b — плотная авторегрессионная трансформерная модель семейства Llama 2, дообученная разработчиками nlpie инструктивным способом для биомедицинских и клинических NLP-задач. В README указано обучение примерно на 200 тысячах примеров и специализация на распознавании именованных сущностей, извлечении отношений и выводе по медицинскому тексту. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; базовая модель — Llama 2 13B, контекст — до 4096 токенов. Модель подходит для извлечения структурированных сведений из биомедицинских текстов и выполнения задач клинического анализа на естественном языке. В карточке заявлены улучшения точности на специализированных задачах и генерация результатов в форматах, удобных для стандартной оценки. Доступна под лицензией Apache 2.0. README не приводит количественных результатов бенчмарков или подробностей о языковом покрытии.

OpenMed разработала специализированную модель распознавания анатомических сущностей в медицинском и биомедицинском тексте. Это дообученная ModernBERT-large с архитектурой ModernBertForTokenClassification, примерно 394,7 млн параметров и контекстом до 8192 токенов. Модель принимает текст и размечает фрагменты BIO-тегами B-Anatomy и I-Anatomy, выделяя анатомические структуры и части тела. В метаданных указан английский язык, формат весов — safetensors. Модель предназначена для извлечения анатомических упоминаний из клинических записей, медицинских документов и научной литературы, например для поиска по корпусам и построения биомедицинских баз знаний. В README приведены F1 и точность 0,87, полнота 0,87 и accuracy 0,97 на ANATOMY; эти результаты зависят от данных и условий оценки. Модель опубликована под лицензией Apache-2.0.

OpenMed-NER-AnatomyDetect-SuperClinical-184M — модель OpenMed для распознавания анатомических сущностей в биомедицинских и клинических текстах. Это дообученный трансформер DeBERTa, предназначенный для токенной классификации: он помечает фрагменты текста BIO-метками B-Anatomy и I-Anatomy. В метаданных указано 211,6 млн параметров и контекст до 512 токенов. Модель подходит для извлечения названий органов, частей тела и других анатомических структур из медицинских записей и научной литературы, а также для биомедицинского поиска и построения баз знаний. В карточке приведены результаты на корпусе ANATOMY: F1 0,86, точность 0,84 и полнота 0,89. Несмотря на заявления карточки о готовности к производственному применению, качество зависит от текста и домена; метки модели ориентированы на анатомические сущности, а не на лекарства или нежелательные явления. Лицензия — Apache-2.0.

OpenMed-NER-DiseaseDetect-ElectraMed-33M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученный трансформер для задачи разметки токенов: модель присваивает словам BIO-метки B-DISEASE и I-DISEASE и тем самым выделяет названия болезней. В README указана базовая архитектура e5-small-v2; метаданные описывают архитектуру как BERT для классификации токенов, содержат размер 40 млн параметров и контекст 512 токенов. Модель предназначена для извлечения заболеваний из научных публикаций, медицинских записей и других биомедицинских документов, в том числе для поиска по литературе и аналитики медицинских текстов. Она обучена на наборе BC5CDR_DISEASE; в README приведены F1 0,82, точность 0,79 и полнота 0,85. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала специализированную модель для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная для token classification модель на архитектуре DistilBERT, основанная на distilbert-base-multilingual-cased и обученная на корпусе NCBI Disease. Она размечает названия заболеваний тегами B-Disease и I-Disease и выдаёт BIO-предсказания для токенов. Контекст модели ограничен 512 токенами. Модель предназначена для извлечения заболеваний из научных публикаций, клинических записей и других медицинских документов. Её можно применять для поиска упоминаний заболеваний, анализа медицинской литературы и извлечения сведений из клинического текста. README сообщает F1 0,86, точность 0,85, полноту 0,87 и accuracy 0,96 на NCBI Disease; эти показатели относятся к описанному набору данных и не гарантируют такие же результаты на других текстах. Модель не распознаёт заявленные в README лекарства и химические соединения как отдельные типы сущностей. Лицензия — Apache-2.0.

OpenMed-NER-PathologyDetect-TinyMed-82M — модель OpenMed для распознавания названий заболеваний в биомедицинских текстах. Это дообученная для классификации токенов модель на архитектуре RoBERTa; в README указана базовая архитектура distilroberta-base. Метаданные сообщают о 95,2 млн параметров и контексте до 514 токенов. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей типа Disease; обучена на корпусе NCBI Disease. В README приведены результаты на этом наборе: F1 0,86, точность 0,82 и полнота 0,89. Модель подходит для извлечения заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, а также для поиска упоминаний болезней при анализе литературы. Заявленные в README сценарии включают мониторинг нежелательных явлений и построение биомедицинских баз знаний; распознавание сущностей само по себе не выполняет нормализацию понятий или клиническую диагностику. Основной язык карточки — английский. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-ElectraMed-109M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер для NER: он присваивает токенам BIO-метки B-CHEM и I-CHEM, чтобы выделять названия химических соединений, лекарств и терапевтических веществ. Модель ориентирована на тексты медицинских документов и научных публикаций, в частности на задачу BC5CDR_CHEM. Модель использует архитектуру BERT для классификации токенов, содержит 136,7 млн параметров и обрабатывает контекст длиной до 512 токенов. README приводит оценки на BC5CDR-Chem: F1 0,95, точность 0,95, полноту 0,96 и accuracy 0,98. Среди сценариев применения — извлечение лекарств из записей пациентов, мониторинг нежелательных явлений и поиск химических соединений в научной литературе. Модель выпущена под лицензией Apache-2.0.

OpenMed-ZeroShot-NER-Pathology-Tiny-60M — специализированная модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе NCBI Disease; размер Tiny-60M указан в названии модели. Модель принимает текст и возвращает найденные сущности с метками, прежде всего DISEASE. Zero-shot режим позволяет задавать типы сущностей при запросе без отдельного дообучения, однако карточка приводит метрику только для распознавания заболеваний. Модель предназначена для извлечения названий заболеваний из научной литературы и клинических текстов, в том числе для последующей нормализации к MeSH или OMIM, поиска когорт и построения графов знаний. В карточке заявлен F1 0,63 на тестовом наборе NCBI Disease и улучшение на 23,4% относительно базовой модели; подробности протокола оценки не приведены. Карточка указывает совместимость с экосистемой Hugging Face Transformers. Лицензия — Apache-2.0.

Portuguese Clinical NER - Finding — модель распознавания клинических сущностей в португальских медицинских текстах. Она входит в проект BioBERTpt, создана пользователем pucpr и обучена на бразильском клиническом корпусе SemClinBr на основе BioBERTpt(all). Модель использует архитектуру BERT для классификации токенов, обучалась 10 эпох и размечает сущности в формате IOB2; заявлена совместимость распознаваемых сущностей с UMLS. Модель предназначена для извлечения клинических находок из медицинских записей на португальском языке. Репозиторий содержит веса PyTorch с 205,1 млн параметров; максимальная длина контекста составляет 512 токенов. Условия лицензирования в предоставленных данных не описаны.

thivy дообучил модель Sentence Transformer на базе google/embeddinggemma-300m на наборе из 565 173 триплетов с текстами на норвежском языке о здравоохранении. Модель кодирует предложения и абзацы в плотные векторы размерности 768 для семантического сравнения и поиска; близость оценивается косинусным сходством. Она подходит для поиска медицинских сведений в текстах, подбора похожих фрагментов и группировки документов. Максимальная длина входа — 2048 токенов; архитектура относится к Gemma 3 Text, веса доступны в формате safetensors. В README приведены высокие результаты на тесте TripletEvaluator и метрики поиска на dev-наборах, однако эти оценки не гарантируют качество на других данных. Для запуска предусмотрена библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

novacardsai разработала дообученную на медицинских текстах модель Sentence Transformer на базе Alibaba-NLP/gte-large-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерности 1024, которые можно сравнивать по косинусному сходству. Модель рассчитана на семантический поиск и сопоставление медицинских текстов, а также на кластеризацию и классификацию текстов. Максимальная длина последовательности — 8192 токена; веса доступны в формате safetensors и предназначены для использования с библиотекой Sentence Transformers. В README приведён результат cosine accuracy 0,9164 на проверочной выборке med_flashcard_val. Этот показатель относится к указанной выборке и сам по себе не гарантирует качество на других медицинских данных. Модель основана на англоязычной базовой модели, а примеры обучающих данных и проверочная выборка — на английском языке. Лицензия в предоставленных данных не указана.

ICD-10-Coder — дообученная AmareshHebbar модель на базе unsloth/qwen2.5-7b-instruct для кодирования клинических описаний по ICD-10 и пояснения классификации. Она предназначена для страховых агентов, больничных отделов биллинга и других специалистов, которым нужно сопоставлять диагнозы с кодами и получать предварительные оценки страхового покрытия. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. По карточке, она принимает клинические описания и сценарии пациентов, поддерживает английский язык и генерирует текст с кодами, объяснениями и оценками покрытия. Обучение проведено с помощью Unsloth и TRL; лицензия — Apache-2.0. Модель охватывает основные главы ICD-10 и заявляет поддержку сценариев с несколькими диагнозами, сопутствующими состояниями и осложнениями. Оценки покрытия основаны на стандартах WHO, а не на правилах конкретных страховых компаний; результаты носят ориентировочный характер и не заменяют профессиональное медицинское кодирование или юридически значимое решение по страховому возмещению.

huyvux3005 создал модель Sentence Transformers, дообученную на медицинском датасете на вьетнамском языке от sentence-transformers/all-MiniLM-L12-v2. Она преобразует предложения и абзацы в плотные векторы размерностью 384 для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. Модель основана на архитектуре BERT, использует усреднение токенов и нормализацию векторов; в метаданных указано окно контекста 512 токенов, а в README — максимальная длина последовательности 128 токенов. Модель рассчитана на вьетнамские медицинские тексты, в частности на поиск ответов по медицинским вопросам и сопоставление вопросов с ответами. Доступна в формате safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

OpenMed разработала OpenMed-NER-PathologyDetect-ElectraMed-335M — специализированную модель распознавания названий заболеваний в биомедицинских текстах. Это дообученная плотная BERT-модель для классификации токенов; она размечает упоминания заболеваний тегами BIO. В карточке указана архитектура e5-large-v2, а метаданные относят модель к BertForTokenClassification. Модель обучена на корпусе NCBI Disease и рассчитана на английский язык. Контекст составляет до 512 токенов, размер — около 433,9 млн параметров. Модель подходит для извлечения заболеваний из научных публикаций, медицинских записей и других документов здравоохранения, а также для биомедицинского поиска и текстовой аналитики. В README приведены результаты на NCBI Disease: F1 0,90, точность 0,89 и полнота 0,91; эти показатели относятся к описанному в карточке тестированию. Модель не нормализует упоминания в медицинские понятия автоматически и может ошибаться на текстах, отличающихся от обучающего корпуса. Лицензия — Apache 2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-SuperClinical-141M — модель DeBERTa V2 для распознавания упоминаний заболеваний в биомедицинском тексте. Она выполняет токенную классификацию и размечает сущности заболеваниями в формате BIO; в карточке указаны метки B-Disease и I-Disease. Модель обучена на корпусе NCBI Disease и предназначена для анализа клинических текстов, научных публикаций и медицинских документов. Модель содержит 155 млн параметров, принимает токенизированный текст и поддерживает контекст до 512 токенов. Карточка сообщает F1 0,89, точность 0,86 и полноту 0,92 на NCBI Disease, но эти показатели относятся к конкретному набору данных и не гарантируют такого же качества на других текстах. Возможности извлечения лекарств или химических соединений README заявляет среди сценариев, однако перечисленные метки относятся только к заболеваниям. Модель доступна в формате safetensors по лицензии Apache-2.0. Она предназначена для извлечения заболеваний и не заменяет клиническую оценку; при обработке длинных фрагментов следует учитывать ограничение контекста.

OpenMed-ZeroShot-NER-Disease-Small-166M — модель распознавания сущностей из области биомедицины, разработанная OpenMed на архитектуре GLiNER. Она дообучена на наборе BC5CDR-Disease и предназначена прежде всего для выделения названий заболеваний и патологических состояний в биомедицинских текстах. Модель поддерживает zero-shot извлечение: пользователь может задавать типы сущностей без отдельного дообучения, хотя основная специализация этой версии — заболевания. Модель принимает текст и возвращает распознанные сущности с метками; в карточке указана задача token-classification. Её можно применять для индексации заболеваний, анализа медицинской литературы и извлечения упоминаний из клинических текстов. В README сообщается F1 0,77 на тестовой выборке BC5CDR-Disease, исключённой из обучения; результат зависит от текста, меток сущностей и порога предсказания. Поддержка в метаданных указана для английского языка. Распространяется по лицензии Apache-2.0.

Модель Portuguese Clinical NER — Procedure разработана в рамках проекта BioBERTpt и предназначена для распознавания упоминаний медицинских процедур в португальских клинических текстах. Она размечает текст на уровне токенов в формате IOB2 и относится к семейству BERT; в метаданных указано 205,1 млн параметров и контекст до 512 токенов. Модель обучена на бразильском клиническом корпусе SemClinBr в течение 10 эпох на базе BioBERTpt(all). Она подходит для извлечения процедур из клинических записей и последующей обработки клинических сущностей, совместимых с UMLS. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных источниках не описаны.

OpenMed-NER-AnatomyDetect-BigMed-560M — модель OpenMed для распознавания анатомических сущностей в биомедицинском тексте. Это дообученная модель XLM-RoBERTa для классификации токенов; она размечает упоминания анатомических структур и частей тела тегами B-Anatomy и I-Anatomy. В README указана базовая архитектура xlm-roberta-large, а метаданные сообщают размер 658,7 млн параметров и контекст до 514 токенов. Модель предназначена для извлечения анатомических упоминаний из клинических записей, медицинской документации и научной литературы, а также для построения систем биомедицинского поиска и анализа. README приводит F1, точность и полноту 0,90, а также accuracy 0,98 на наборе ANATOMY. Заявленная лицензия — Apache-2.0. Модель принимает токенизированный текст и выдаёт BIO-разметку токенов; сведения о поддержке языков в карточке указывают на английский. Указанные в README сценарии вроде поиска лекарственных взаимодействий шире самой задачи модели: она распознаёт только анатомические сущности, поэтому результаты могут зависеть от жанра и качества входного текста.

OpenMed-NER-AnatomyDetect-SuperClinical-141M — специализированная модель OpenMed для распознавания анатомических сущностей в биомедицинских и клинических текстах. Это дообученный трансформер DeBERTa v2 для классификации токенов; в README указана архитектура deberta-v3-small. Модель содержит около 155 млн параметров, принимает токенизированный текст и возвращает BIO-разметку сущностей типов B-Anatomy и I-Anatomy. Контекст ограничен 512 токенами. Модель предназначена для извлечения названий органов, частей тела, анатомических структур и систем из медицинских записей и научной литературы. Её можно применять для поиска анатомических терминов, анализа клинических документов и построения биомедицинских баз знаний. В карточке заявлены F1 0,87, точность 0,87 и полнота 0,88 на наборе ANATOMY; заявленные результаты следует проверять на целевых данных. Модель работает на английском языке и распространяется под лицензией Apache-2.0. Она размечает анатомические сущности, поэтому утверждения README о выявлении лекарств и взаимодействий препаратов не подтверждаются перечисленными типами меток.

OpenMed-NER-DiseaseDetect-BioPatient-108M — дообученная модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Она основана на архитектуре BERT и выполняет токенную классификацию: каждому фрагменту текста присваивается BIO-метка B-DISEASE или I-DISEASE. Модель обучена на наборе BC5CDR-Disease; размер по метаданным — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для извлечения названий заболеваний из научных публикаций, медицинских записей и других биомедицинских документов. Её можно применять для поиска заболеваний в клинических текстах, анализа литературы и поддержки биомедицинской индексации. В README приведены метрики на BC5CDR-Disease: F1 0,90, точность 0,89 и полнота 0,91. Модель принимает токенизированный текст и выдаёт разметку сущностей. Указанный язык — английский, лицензия — Apache-2.0. Результаты на целевом корпусе не гарантируют такую же точность на иных жанрах и данных; модель распознаёт только сущности заболеваний, а не химические вещества или лекарственные препараты.

OpenMed-NER-DiseaseDetect-ElectraMed-109M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученная модель на основе архитектуры BERT для классификации токенов; в README базовая архитектура названа e5-base-v2. Модель обучена на наборе BC5CDR-Disease и помечает сущности тегами B-DISEASE и I-DISEASE. По метаданным, размер модели составляет 136,7 млн параметров, максимальный контекст — 512 токенов; вход — токенизированный текст, выход — BIO-разметка сущностей. Указан английский язык. Модель предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других биомедицинских документов, например для поиска по литературе, анализа медицинских текстов и построения баз знаний. В README приведены F1 0,87, точность 0,85, полнота 0,88 и accuracy 0,97 для BC5CDR-Disease; эти показатели относятся к описанному там набору данных. Модель доступна под лицензией Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-BioClinical-108M — модель распознавания заболеваний в биомедицинских текстах. Это дообученная Bio_ClinicalBERT с архитектурой BERT для классификации токенов: она помечает упоминания заболеваний тегами B-Disease и I-Disease в текстах медицинских документов и научных публикаций. Модель обучена на корпусе NCBI Disease и рассчитана на английский язык; размер составляет 135,5 млн параметров, контекст — до 512 токенов. Модель подходит для извлечения названий заболеваний из клинических записей и биомедицинской литературы, а также для анализа медицинских текстов и построения баз знаний. В README приведены показатели на NCBI Disease: F1 0,88, точность 0,86 и полнота 0,90. Она выдаёт BIO-разметку токенов; нормализация упоминаний до медицинских понятий не заявлена как выход самой модели. Распространяется по лицензии Apache-2.0.