IV.4Клиническая медицина и общественное здоровье

OpenMed-NER-PathologyDetect-ElectraMed-560M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это трансформер XLM-RoBERTa с архитектурой классификации токенов и примерно 658,7 млн параметров; модель дообучена на корпусе NCBI Disease. Она принимает токенизированный текст и размечает фрагменты тегами B-Disease и I-Disease. В карточке указаны F1 0,90, точность 0,87, полнота 0,92 и accuracy 0,97 на NCBI Disease. Модель предназначена для извлечения названий заболеваний из медицинских документов и научных публикаций, а также для биомедицинского поиска и анализа текстов. Контекст составляет до 514 токенов; в метаданных указан английский язык. Распознавание ограничено сущностями заболеваний: модель не размечает лекарства или другие типы сущностей. Лицензия — Apache-2.0.

OpenMed-NER-PathologyDetect-MultiMed-335M — разработанная OpenMed модель на базе архитектуры BERT, дообученная для распознавания упоминаний заболеваний в биомедицинском тексте. Она выполняет токенную классификацию с BIO-метками B-Disease и I-Disease и предназначена для извлечения названий болезней из медицинских записей, научных публикаций и других текстов здравоохранения. В качестве обучающего корпуса указан NCBI Disease; модель принимает токенизированный текст и возвращает метки сущностей. По README, F1 на указанной оценке составляет 0,89; контекстное окно — 512 токенов. Модель может использоваться для поиска упоминаний заболеваний в медицинских документах и биомедицинской литературе, а также как компонент конвейеров анализа медицинских текстов. Заявления README о других применениях, таких как поиск лекарственных взаимодействий, сами по себе не подтверждают распознавание соответствующих сущностей: перечисленные метки относятся к заболеваниям. Доступна в формате safetensors для экосистемы Transformers. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-ModernClinical-395M — модель распознавания химических сущностей, разработанная OpenMed и дообученная на корпусе BC5CDR_CHEM. Она выполняет классификацию токенов и отмечает названия химических соединений, лекарств и терапевтических веществ в биомедицинском тексте BIO-метками B-CHEM и I-CHEM. Модель построена на архитектуре ModernBERT; в README базовая архитектура названа BioClinical-ModernBERT-large. Размер составляет 394,7 млн параметров, контекст — до 8192 токенов. Она предназначена для извлечения химических сущностей из клинических записей, научных публикаций и медицинских документов, в том числе как этапа анализа лекарственных взаимодействий, нежелательных явлений и литературы по разработке препаратов. Для неё заявлены F1 0,95, точность 0,95 и полнота 0,96 на задачах распознавания химических сущностей. Модель принимает токенизированный текст и возвращает метки сущностей для токенов. В карточке указан английский язык и лицензия Apache-2.0. Результаты зависят от домена и качества входного текста; модель распознаёт химические сущности, но сама по себе не устанавливает лекарственные взаимодействия и не заменяет клиническую проверку.

OpenMed/OpenMed-ZeroShot-NER-Disease-XLarge-770M — специализированная модель OpenMed для обнаружения упоминаний заболеваний и патологических состояний в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на наборе BC5CDR-Disease; размер модели в предоставленных данных не указан, несмотря на число в названии репозитория. Модель предназначена для извлечения названий болезней из научной литературы и медицинских текстов, например для индексирования заболеваний, фенотипирования пациентов и первичного отбора публикаций. В README заявлена возможность задавать типы сущностей без отдельного дообучения, однако обучение и приведённая оценка ориентированы на сущности заболеваний. Для BC5CDR-Disease указана F1-оценка 0,8593 на тестовом наборе, исключённом из обучения. Модель принимает текст и возвращает размеченные сущности. Карточка указывает совместимость с экосистемой Hugging Face Transformers и формат PyTorch. Лицензия — Apache-2.0. Результаты требуют проверки для клинического применения: приведённая метрика относится к конкретному набору данных и не подтверждает качество на всех типах медицинских документов или произвольных типах сущностей.

OpenMed-ZeroShot-NER-Pathology-Multi-209M — специализированная модель распознавания упоминаний заболеваний в биомедицинском тексте, опубликованная OpenMed. Она построена на архитектуре GLiNER и дообучена на корпусе NCBI Disease для извлечения названий заболеваний из научной литературы и клинических текстов; модель рассчитана на zero-shot распознавание сущностей с задаваемыми пользователем типами. Модель принимает текст и возвращает найденные сущности с метками. Основной тип сущностей в карточке — DISEASE; результаты могут использоваться для последующей нормализации понятий к MeSH или OMIM, анализа медицинских документов и построения графов знаний. В README приведён F1 0,77 для тестового набора, исключённого из обучения, однако в таблице результатов указаны значения для вариантов с другими названиями, поэтому эти цифры не следует считать однозначной оценкой именно данного чекпойнта. Лицензия — Apache-2.0.

RsGoksel/RsGoksel_ITU_Mainframe — модель распознавания турецкой речи, разработанная RsGoksel на основе Whisper large-v3-turbo и дообученная с помощью LoRA с последующим объединением весов. Она предназначена для преобразования аудио в текст на турецком языке; автор указывает на настройку для разных предметных областей, устойчивости к вариативности речи и медицинских сценариев, а также на оптимизацию для обобщения на ранее не встречавшиеся данные. Модель использует архитектуру Whisper и запускается через Transformers; для распознавания в примере задаются турецкий язык и режим транскрибации. Репозиторий распространяется по лицензии MIT. Карточка указывает на турецкую ASR-настройку, но не приводит численных результатов WER или подробных сведений о тестировании. Для работы с новой предметной областью и акустическими условиями качество следует оценивать отдельно. Для более быстрого вывода автор также указывает отдельную версию в формате CTranslate2.

Модель bsc-bio-ehr-es-meddocan разработана командой NLP4BIA Барселонского суперкомпьютерного центра и представляет собой дообученную на корпусе MEDDOCAN испаноязычную RoBERTa для классификации токенов. Она предназначена для распознавания и разметки в медицинских документах упоминаний, которые относятся к задаче корпуса MEDDOCAN, например для извлечения сущностей из клинических текстов. Модель содержит 151,8 млн параметров и обрабатывает до 514 токенов за раз. Для получения результатов, соответствующих обучению, входной текст рекомендуется предварительно разбивать на слова. Авторы не оценивали встроенные в модель смещения; такие смещения возможны из-за особенностей исходных корпусов. Модель распространяется по лицензии CC BY 4.0.

BSC-NLP4BIA разработала эту модель для распознавания упоминаний заболеваний в клинических текстах на нидерландском языке. Это дообученная версия UMCU/CardioBERTa.nl_clinical на базе RoBERTa с 153,2 млн параметров, предназначенная для маркировки токенов по схеме BIO: O, B-DISEASE и I-DISEASE. Модель создана для подзадачи MultiClinNER в рамках MultiClinAI shared task. Модель подходит для извлечения названий заболеваний из клинических записей и разметки медицинских текстов для последующего анализа. Контекст составляет 514 токенов; при обработке длинных документов README рекомендует использовать шаг 128. Для воспроизведения опубликованных оценок требуется токенизация, соответствующая обучающей. На тестовых документах MultiClinNER strict F1 составил 0,5675, а символьный F1 — 0,7067. Авторы не оценивали встроенные смещения; результаты и пригодность для конкретного клинического применения требуют проверки. Лицензия — CC BY 4.0.

OpenMed разработала модель OpenMed-NER-AnatomyDetect-MultiMed-335M для распознавания анатомических сущностей в биомедицинских текстах. Это дообученная модель семейства BERT для классификации токенов: она размечает упоминания анатомических структур и частей тела тегами B-Anatomy и I-Anatomy. Модель предназначена для извлечения анатомической терминологии из клинических записей, медицинских документов и научной литературы, в том числе для поиска сущностей и построения биомедицинских баз знаний. В карточке указаны 433,9 млн параметров, контекст до 512 токенов и поддержка английского языка. Для набора ANATOMY приведены F1 0,89, точность 0,89 и полнота 0,90. Модель распространяется под лицензией Apache-2.0 и интегрируется с Transformers. Она распознаёт только анатомические сущности из заявленной схемы меток, поэтому не предназначена для извлечения лекарств или иных типов сущностей без дополнительной настройки. Указанные в карточке метрики относятся к набору ANATOMY и не гарантируют аналогичное качество на произвольных клинических данных.

OpenMed разработала OpenMed-NER-AnatomyDetect-SuperClinical-434M — дообученную модель DeBERTa для распознавания анатомических сущностей в биомедицинском тексте. Она принимает токенизированный текст и возвращает BIO-метки для упоминаний анатомических структур и частей тела; поддерживаются метки B-Anatomy и I-Anatomy. Модель предназначена для извлечения анатомических сущностей из клинических записей, медицинских документов и научной литературы. Её можно применять для поиска терминов в медицинских текстах, анализа клинической документации и построения биомедицинских баз знаний. В README приведены результаты на наборе ANATOMY: F1 0,9024, точность 0,9040 и полнота 0,9008. Архитектура в README указана как DeBERTa v3 Large, а метаданные классифицируют модель как DeBERTa v2 для классификации токенов; размер составляет 533,8 млн параметров, контекст — до 512 токенов. Основной язык — английский. Лицензия — Apache-2.0. Результаты и область применения описаны для анатомической NER; модель не следует считать универсальным медицинским классификатором или системой для принятия клинических решений.

OpenMed-NER-ChemicalDetect-SuperClinical-184M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер DeBERTa для классификации токенов: он выделяет упоминания химических соединений и веществ, помечая их тегами B-CHEM и I-CHEM. Модель предназначена для извлечения химических названий из медицинских записей и научных публикаций, мониторинга нежелательных явлений, поиска сведений о лекарственных взаимодействиях и подготовки данных для биомедицинских баз знаний. Она обучена на корпусе BC4CHEMD; карточка сообщает F1 0,94, точность 0,93 и полноту 0,94. Размер по метаданным — 211,6 млн параметров, длина контекста — 512 токенов. Поддерживаемый язык — английский. Модель принимает токенизированный текст и возвращает метки токенов, которые можно объединять в выделенные сущности. Она совместима с Transformers и распространяется по лицензии Apache-2.0. Показатели качества приведены в карточке для BC4CHEMD; их не следует считать гарантией такой же точности на произвольных клинических документах или других жанрах текста.

OpenMed-NER-ChemicalDetect-SuperClinical-434M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер DeBERTa-v2 для классификации токенов; README указывает базовую архитектуру deberta-v3-large, а метаданные — DebertaV2ForTokenClassification с 533,8 млн параметров. Модель принимает токенизированный текст и возвращает BIO-разметку химических соединений и веществ, используя метки B-CHEM и I-CHEM. Контекст ограничен 512 токенами; заявленный язык — английский. Модель предназначена для извлечения химических упоминаний из научных публикаций, клинических записей и других медицинских документов. Среди подходящих сценариев — поиск лекарственных веществ в записях пациентов, мониторинг нежелательных явлений и анализ литературы для разработки лекарств. В README заявлены F1 0,95, точность 0,94 и полнота 0,95 на BC4CHEMD; эти показатели приведены авторами карточки. Модель распространяется по лицензии Apache-2.0. Карточка не описывает ограничения применимости результатов в клинических решениях.

OpenMed разработала OpenMed-NER-DiseaseDetect-SuperMedical-125M — модель для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная RoBERTa-модель для классификации токенов, основанная на roberta-base и обученная на наборе BC5CDR-Disease. Она выделяет сущности заболеваний с BIO-метками B-DISEASE и I-DISEASE. Модель предназначена для извлечения названий болезней из медицинских записей, научных публикаций и других медицинских документов. Её можно применять для поиска заболеваний в литературе и подготовки данных для биомедицинских баз знаний и аналитики. По README, на BC5CDR-Disease заявлены F1 0,88, точность 0,86 и полнота 0,89. Архитектура — RobertaForTokenClassification; размер — 151,8 млн параметров, контекст — 514 токенов. В метаданных указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Показатели из README относятся к указанному бенчмарку и сами по себе не подтверждают качество на иных корпусах или в реальных клинических сценариях.

OpenMed разработала OpenMed-NER-PathologyDetect-ModernClinical-149M — дообученную модель ModernBERT для распознавания названий заболеваний в биомедицинских текстах. Модель содержит 149 млн параметров, принимает текст и выдаёт BIO-разметку сущностей типа Disease. Контекст — до 8192 токенов. Модель обучена на корпусе NCBI Disease и предназначена для извлечения упоминаний заболеваний из клинических записей и научной литературы, а также для последующего анализа медицинских текстов. В README указаны F1 и точность 0,86 и accuracy 0,97 на NCBI Disease; результаты зависят от данных и сценария применения. Поддерживается английский язык. Модель распространяется под лицензией Apache-2.0 и интегрируется с Transformers. Она распознаёт только сущности заболеваний; README не подтверждает заявленные широкие сценарии вроде извлечения лекарств или обнаружения взаимодействий. Показатели из карточки не заменяют отдельную проверку на целевых клинических данных.

OpenMed-NER-PathologyDetect-ModernClinical-395M — специализированная модель OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная ModernBERT-модель с архитектурой ModernBertForTokenClassification и 394,7 млн параметров; она принимает токенизированный текст и выдаёт BIO-разметку сущностей заболеваний. Контекст модели — до 8192 токенов. Модель обучена на корпусе NCBI Disease и предназначена для извлечения названий заболеваний из клинических записей, научных статей и медицинских документов. Её можно применять для биомедицинского поиска и анализа литературы, извлечения сведений из медицинских записей и построения графов знаний. В карточке указаны F1 0,88, точность 0,87, полнота 0,90 и accuracy 0,97 на NCBI Disease; результаты относятся к описанной оценке и не гарантируют качество на других данных. Модель поддерживает английский язык и распространяется в формате safetensors по лицензии Apache 2.0. Она распознаёт только сущности заболеваний; карточка не подтверждает нормализацию сущностей или пригодность предсказаний для клинических решений. Результаты следует проверять, особенно при переносе на тексты, отличающиеся от обучающего корпуса.

OpenMed разработала эту дообученную модель для распознавания упоминаний заболеваний в биомедицинских текстах. Она построена на архитектуре ModernBERT-large и выполняет токен-классификацию, присваивая токенам BIO-метки B-Disease и I-Disease. Модель обучена на корпусе NCBI Disease и предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других медицинских документов. Её можно применять для поиска упоминаний заболеваний в литературе и подготовки данных для биомедицинских систем и графов знаний. В карточке указаны F1 0,86, точность 0,86, полнота 0,87 и accuracy 0,97; эти показатели относятся к оценке на NCBI Disease. Модель принимает текст и выдаёт метки сущностей. Метаданные указывают около 395 млн параметров, контекст до 8192 токенов и поддержку английского языка. Распространяется в формате Safetensors по лицензии Apache-2.0. Распознаёт заболевания; карточка не подтверждает извлечение лекарств или химических соединений этой моделью.

OpenMed/OpenMed-ZeroShot-NER-Pathology-Base-220M — англоязычная модель GLiNER от OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это вариант примерно на 220 млн параметров, дообученный на корпусе NCBI Disease; в карточке указана оценка F1 0,86 на тестовой выборке, исключённой из обучения. Модель принимает текст и возвращает найденные сущности с метками. Основной тип сущностей — DISEASE; архитектура GLiNER также позволяет задавать пользовательские типы сущностей без дополнительного обучения, но качество для них может быть ниже. Модель предназначена для анализа научной литературы и клинических текстов, включая извлечение заболеваний для последующей нормализации к MeSH или OMIM. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка сообщает о настройке на данных NCBI Disease, но не приводит длину контекста. Результаты на пользовательских типах сущностей зависят от выбранного порога и могут требовать его настройки; оценка на бенчмарке не гарантирует такого же качества на иных данных.

ALIA MrBERT Spanish Biomedical Embeddings — разработанная исследовательской группой SINAI Университета Хаэна модель-биэнкодер для семантического поиска по испанским биомедицинским и медицинским текстам. Она создана дообучением двуязычной модели MrBERT-es на специализированных данных с помощью curriculum learning и подбора сложных негативных примеров. Модель построена на ModernBERT с mean pooling и содержит около 149,6 млн параметров. Она преобразует текстовые запросы и документы в эмбеддинги для поиска и оценки семантического сходства; заявленная длина контекста — до 8192 токенов. Базовая модель поддерживает испанский и английский, а специализация этой версии — испанские биомедицинские тексты. Это proof of concept для извлечения информации в испанской биомедицинской области. Качество следует проверять по официальным клиническим источникам и с участием специалистов; возможны ошибки на текстах вне предметной области и на специально сконструированных входах. Лицензия — Apache-2.0.

Araras-HPO-Brasil — двуязычный энкодер Raras-AI на архитектуре MPNet, дообученный на базе BioLORD-2023 для поиска и связывания упоминаний фенотипов с терминами Human Phenotype Ontology (HPO). Модель рассчитана на клинический английский и бразильский португальский, включая разговорные и региональные описания пациентов, ухаживающих лиц и медицинских работников. По метаданным, модель содержит 136,7 млн параметров и поддерживает контекст до 514 токенов; README указывает максимальную длину входа 128 токенов при использовании на уровне предложения. Модель преобразует клинические описания и понятия HPO в эмбеддинги для семантического поиска, нормализации фенотипов и связывания сущностей с идентификаторами онтологии. По приведённым в README результатам, она улучшает показатели BioLORD-2023 на RareBench для английских фенотипов и поддерживает бразильские разговорные формулировки. Это энкодер, а не самостоятельная система диагностики: для полного поиска требуется ретривер, а для медицинских онтологий, отличных от HPO, рекомендуется специализированная модель. Лицензия — Apache 2.0.

Kasapa-V1 — модель распознавания речи, разработанная Willie999 на основе openai/whisper-small и дообученная для транскрибации аудио на языке тви (Twi). Она принимает аудио и выдаёт текст; модель предназначена для приложений, где общение ведётся на тви, в том числе в сельском хозяйстве, здравоохранении и образовании. Архитектура — Whisper с плотными весами в формате safetensors. Модель распространяется по лицензии Apache-2.0. Дообучение адаптирует мультиязычную Whisper-small к фонетическим особенностям тви. Качество может меняться в зависимости от диалекта, включая асанте-тви и фанте, а также от уровня фонового шума в записи.

Llama2-MedTuned-7b — дообученная по инструкциям модель семейства Llama 2, адаптированная для биомедицинских и клинических NLP-задач. Она разработана для извлечения сущностей и отношений, а также вывода по медицинским текстам; обучение проводилось примерно на 200 тысячах инструкционных примеров. Модель использует плотную авторегрессионную архитектуру Transformer LlamaForCausalLM с 6,6 млрд параметров и контекстом до 4096 токенов. Она принимает текст и генерирует текст, в том числе структурированные ответы для оценки задач вроде NER, извлечения отношений и медицинского NLI. Карточка не приводит поддерживаемые естественные языки или сравнительные результаты качества. Модель распространяется по лицензии Apache-2.0. Результаты в медицинских сценариях требуют проверки специалистом; карточка не описывает клиническую валидацию.

No Name Thai NER — компактная модель Looloo Health, разработанная компанией Mahamor для распознавания именованных сущностей в тайском медицинском и разговорном тексте. Она дообучена на базе clicknext/phayathaibert и решает задачу классификации токенов, отмечая имена людей, телефоны, электронные адреса, адреса и местоположения, даты, национальные идентификаторы и больничные идентификаторы. Модель предназначена для включения в конвейеры деидентификации медицинских записей, в том числе в AI Medical Scribe PresScribe. По карточке, она обучена на синтетическом наборе из более чем 300 000 примеров и рассчитана на быстрый запуск на CPU через Transformers. Для объединения токенов в цельные фрагменты рекомендуется постобработка. Заявленная точность свыше 95% относится к внутреннему тесту для конкретного сценария и не гарантирует такую же точность на других данных. Модель распространяется в формате safetensors. Лицензия в доступных данных не указана. Авторы рекомендуют проверку результатов человеком; модель не заменяет профессиональную юридическую или медицинскую консультацию, а ответственность за соблюдение требований к конфиденциальности и регулированию лежит на пользователе.

OpenMed-NER-ChemicalDetect-BigMed-560M — дообученная OpenMed модель на архитектуре XLM-RoBERTa-large для распознавания химических сущностей в биомедицинских текстах. Она обрабатывает токенизированный текст и присваивает токенам BIO-метки B-CHEM и I-CHEM, обозначающие начало и продолжение упоминания химического вещества. Модель содержит 658,7 млн параметров, поддерживает английский язык и имеет контекстное окно 514 токенов. Модель предназначена для извлечения названий химических соединений и лекарств из научных публикаций, клинических записей и других медицинских документов. Её можно применять для поиска упоминаний препаратов при анализе взаимодействий и нежелательных явлений, а также для извлечения данных при поиске по биомедицинской литературе и построении графов знаний. В README указаны результаты на BC4CHEMD: F1 0,95, точность 0,94 и полнота 0,95; эти значения относятся к описанным в карточке оценкам и не гарантируют аналогичного качества на других данных. Модель распространяется по лицензии Apache-2.0.

OpenMed-NER-ChemicalDetect-MultiMed-335M — специализированная модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный трансформер архитектуры BERT с примерно 433,9 млн параметров и контекстом до 512 токенов; модель принимает токенизированный текст и присваивает токенам BIO-метки B-CHEM и I-CHEM. В карточке указано обучение на наборе BC4CHEMD, содержащем аннотации химических упоминаний в биомедицинской литературе. Модель предназначена для извлечения химических соединений и веществ из научных публикаций и клинических документов, например для поиска лекарств в записях пациентов, мониторинга нежелательных явлений и поддержки анализа литературы для разработки препаратов. Карточка сообщает F1 0,95, точность 0,94 и полноту 0,95 на BC4CHEMD; эти показатели относятся к указанному набору данных и не гарантируют аналогичное качество на других текстах. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.

OpenMed-NER-DiseaseDetect-BigMed-560M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученный для классификации токенов трансформер семейства XLM-RoBERTa, основанный на xlm-roberta-large; в метаданных указано около 658,7 млн параметров, контекст — 514 токенов. Модель размечает сущности тегами B-DISEASE и I-DISEASE и предназначена для текстов, похожих на аннотации набора BC5CDR-Disease. Её можно применять для извлечения названий заболеваний из медицинских документов и научных публикаций, индексирования биомедицинской литературы и подготовки данных для медицинской аналитики. Карточка приводит F1 0,89, точность 0,88 и полноту 0,90, но не описывает условия оценки достаточно подробно, поэтому эти результаты не гарантируют аналогичного качества на других типах документов. Модель ориентирована на английский язык и доступна по лицензии Apache-2.0.

OpenMed-NER-DiseaseDetect-BioMed-335M — модель OpenMed для распознавания упоминаний заболеваний в биомедицинском тексте. Это дообученный трансформер семейства BERT с архитектурой BertForTokenClassification; в карточке указана базовая архитектура BiomedNLP-BiomedELECTRA-large-uncased-abstract. Модель содержит 433,9 млн параметров и принимает токенизированный текст, возвращая BIO-разметку сущностей типа DISEASE. Контекст ограничен 512 токенами. Модель обучена на компоненте BC5CDR-Disease корпуса BioCreative V и предназначена для извлечения названий болезней из научных аннотаций и других биомедицинских текстов. Её можно применять для поиска заболеваний в литературе, анализа медицинских записей и подготовки данных для биомедицинских баз знаний. В README приведены F1 0,90, точность 0,89 и полнота 0,91 на указанном наборе данных. Эти показатели относятся к описанному бенчмарку и не гарантируют аналогичного качества на других источниках. Лицензия — Apache-2.0.

OpenMed-NER-DiseaseDetect-ModernMed-395M — дообученная OpenMed модель для распознавания названий заболеваний в биомедицинских текстах. Она основана на ModernBERT-large и решает задачу токен-классификации: каждому фрагменту текста присваивается BIO-метка B-DISEASE или I-DISEASE. Модель содержит около 395 млн параметров, работает с текстом и поддерживает контекст до 8192 токенов. Модель обучена на наборе BC5CDR-Disease, включающем аннотации заболеваний в аннотациях статей PubMed. Она предназначена для извлечения упоминаний болезней из медицинских записей и научной литературы, а также для биомедицинского поиска и анализа. В карточке приведены показатели на BC5CDR: F1 0,88, точность 0,87 и полнота 0,89. Это распознаватель сущностей, поэтому он сам по себе не устанавливает диагноз и не извлекает лекарства или химические соединения. Распространяется по лицензии Apache-2.0.

OpenMed-NER-PathologyDetect-BigMed-278M — модель организации OpenMed для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная для token classification модель на архитектуре XLM-RoBERTa; в метаданных указано 305,2 млн параметров, а в карточке базовая архитектура названа xlm-roberta-base. Модель обучена на корпусе NCBI Disease и размечает сущности заболевания тегами BIO: B-Disease и I-Disease. Модель предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других медицинских документов, а также для биомедицинского поиска и анализа литературы. Она принимает токенизированный текст и выдаёт метки для токенов, которые можно объединить в сущности. Контекст составляет 514 токенов; карточка указывает английский язык и F1 0,87 на заявленной оценке NCBI Disease. Карточка описывает применение в клиническом анализе текста и исследованиях, но приведённые результаты относятся к распознаванию заболеваний и сами по себе не подтверждают надёжность для диагностики, выявления лекарственных взаимодействий или извлечения лекарств. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-SuperMedical-355M — специализированную модель для распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная RoBERTa для классификации токенов: она размечает фрагменты текста тегами B-Disease и I-Disease в формате BIO. В README указана архитектура roberta-large, а в метаданных — 454,1 млн параметров и контекст до 514 токенов. Модель предназначена для извлечения названий заболеваний из медицинских записей, научных публикаций и других медицинских документов. Она обучена на корпусе NCBI Disease и поддерживает английский язык. В README приведены показатели на этом наборе данных: F1 0,88, точность 0,87 и полнота 0,88; результаты зависят от данных и способа применения. Модель можно использовать как компонент клинического text mining, анализа литературы и построения биомедицинских баз знаний. Она размечает сущности заболеваний, но сама по себе не выполняет диагностику, нормализацию понятий или извлечение лекарств. Лицензия — Apache-2.0.

OpenMed-ZeroShot-NER-Pathology-Large-459M — модель OpenMed на архитектуре GLiNER для извлечения упоминаний заболеваний из биомедицинских текстов. Она дообучена на корпусе NCBI Disease и предназначена для распознавания сущностей, в том числе в научной литературе и клинических текстах; заявленный результат на тестовой выборке NCBI Disease — F1 0,8983. Модель принимает текст и возвращает найденные сущности с метками, поддерживая настройку типов сущностей в zero-shot режиме. Карточка особо описывает тип DISEASE; качество для произвольных пользовательских типов отдельно не подтверждено. Лицензия — Apache-2.0.