IV.4Клиническая медицина и общественное здоровье

PubMedBERT-MNLI-MedNLI — модель классификации текстовых пар для вывода на основе естественного языка в биомедицинской области. Она разработана путём последовательного дообучения PubMedBERT на MNLI, а затем на MedNLI. Архитектура — BERT для классификации последовательностей; модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель определяет, следует ли гипотеза из предпосылки, противоречит ей или не связана с ней, и возвращает оценки классов entailment, contradiction и neutral. Её можно применять для анализа биомедицинских утверждений и адаптировать для проверки фактов. В README указана точность 0,8667 на оценочной выборке MedNLI; это значение относится к описанной оценке и не гарантирует качество на других данных. Модель предназначена для текстовых задач в биомедицинском домене; доступные сведения не подтверждают поддержку языков помимо английского. Контекст ограничен 512 токенами. Лицензия в предоставленных данных не указана.

QwQ-32B-Preview-IdeaWhiz-v1-GGUF — это GGUF-квантизованная версия языковой модели QwQ-32B-Preview-IdeaWhiz-v1, опубликованная bartowski. Модель предназначена для генерации текста и ориентирована на задачи в областях химии, биологии, климата и медицины. В README указан английский язык, а исходная модель и датасет liveideabench связаны с разработчиком 6cf. Модель содержит 32B параметров; точная архитектура, размер контекста и поддерживаемые модальности в README не указаны. Доступны варианты от F16 до низкобитных форматов Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ-квантований размером примерно от 13,7 до 65,5 ГБ. Квантизация выполнена с использованием llama.cpp и метода imatrix. Более качественные варианты Q6_K_L, Q6_K, Q5_K и Q4_K обычно рекомендуются разработчиком, а Q3 и некоторые IQ-варианты экономят оперативную память за счёт снижения качества. Сильной стороной модели является возможность локального запуска через llama.cpp и LM Studio при выборе подходящего уровня квантизации, а также специализация на научно-технических сценариях. Ограничения включают отсутствие в README количественных оценок качества, подробностей об архитектуре и контексте, а также потенциальную потерю качества в младших вариантах квантизации. Указана лицензия Apache-2.0.

JuanC513/xlmroberta-ner-prostata-bs16 — модель XLM-RoBERTa Large, дообученная для классификации токенов и распознавания сущностей в текстах о простате. Она предназначена для выделения и маркировки упоминаний, связанных с этой тематикой. В README приведены результаты оценки: F1 0,9681, точность 0,9667 и полнота 0,9696; набор данных для обучения не описан. Модель содержит 658,7 млн параметров, принимает текст и выдаёт метки для токенов. Контекст — до 514 токенов. Использует библиотеку Transformers и формат весов Safetensors. Лицензия — MIT.

DermLIP ViT-B-16 — предварительно обученная CLIP-подобная модель зрения и языка для дерматологии, разработанная авторами Derm1M и обученная на наборе Derm1M с дерматологическими изображениями и текстами. Визуальный энкодер основан на ViT-B/16, текстовый — на GPT-2; изображения обрабатываются с разрешением 224×224 пикселя. Модель предназначена для классификации изображений кожи по текстовым меткам без примеров, обучения с небольшим числом примеров, поиска соответствий между изображениями и текстом, а также аннотирования и объяснения визуальных понятий. Она формирует совместные представления изображений и текста, пригодные для сравнения с описаниями или названиями классов. Карточка приводит медицинские сценарии, но не подтверждает пригодность модели для самостоятельной постановки диагноза. В метаданных указаны библиотека Transformers и форматы PyTorch и Safetensors. Лицензия в метаданных — CC-BY-NC-4.0, тогда как README указывает CC-BY-NC-ND-4.0; условия лицензирования следует сверить перед использованием, особенно для коммерческих и производных работ.

JSL-MedLlama-3-8B-v1.0 GGUF — это квантизированная версия медицинской языковой модели JSL-MedLlama-3-8B-v1.0, разработанной John Snow Labs и подготовленной в формате GGUF командой featherless-ai-quants. Модель предназначена для генерации текста и, судя по названию базовой модели, ориентирована на медицинские текстовые сценарии. README не уточняет конкретные задачи, наборы данных, языки, поддерживаемые модальности или рекомендуемые прикладные сценарии. Модель относится к семейству Llama и содержит 8 млрд параметров. Доступны варианты квантизации Q2_K, Q3_K_S, Q3_K_M, Q3_K_L, Q4_K_S, Q4_K_M, IQ4_XS, Q5_K_S, Q5_K_M, Q6_K и Q8_0; их размер составляет примерно от 3,03 до 8,15 ГБ. Формат GGUF подходит для локального запуска средствами, поддерживающими этот формат, однако конкретные требования к памяти, контекстному окну и производительности в README не указаны. К сильным сторонам относятся несколько уровней квантизации, позволяющих выбирать компромисс между размером файлов и сохранением качества, а также удобство локального развертывания. Ограничения связаны с отсутствием сведений о точности на медицинских бенчмарках, языках, контекстном окне, безопасности и клинической пригодности; модель не следует использовать как замену квалифицированной медицинской консультации без дополнительной проверки. Лицензия в README не указана.

MrBERT-biomed — многоязычная биомедицинская модель на архитектуре ModernBERT, разработанная Language Technologies Lab Барселонского суперкомпьютерного центра. Это энкодер с 307 млн параметров, дообученный на биомедицинском корпусе объёмом 24,13 млрд токенов в течение двух эпох; задача обучения — masked language modeling. Модель принимает текст и предсказывает замаскированные токены. Контекст — до 8192 токенов. Модель предназначена для адаптации к биомедицинским текстам, включая извлечение сущностей и поиск по медицинским публикациям. В README приведены результаты оценки распознавания биомедицинских сущностей на испанском языке; данные не подтверждают, что репозиторий включает отдельную модель эмбеддингов или поиска. Основная часть обучающих данных — английская и испанская; также использовались немецкий, итальянский, французский и небольшие доли португальского и русского. Распространяется по лицензии Apache-2.0. Авторы предупреждают о возможных смещениях и искажениях; для прикладных систем требуется учитывать соответствующие риски и требования законодательства.

nerel-bio-rubert-base — русскоязычная модель BERT, разработанная на основе DeepPavlov/rubert-base-cased и дообученная для классификации токенов. Она предназначена для разметки текста по токенам, в частности для задач распознавания именованных сущностей в биомедицинских текстах, что следует из названия модели; подробности о наборе меток и данных обучения в карточке не приведены. Модель содержит 205,1 млн параметров, использует архитектуру BertForTokenClassification и принимает текст с контекстом до 512 токенов. В README приведены результаты оценки: F1 0,7878, точность 0,7873, полнота 0,7882 и accuracy 0,8601. Эти значения относятся к указанному набору оценки, состав которого не описан. Модель основана на русскоязычном BERT, поэтому её основное назначение — обработка русскоязычных текстов. Лицензия в предоставленных данных не указана.

OpenMed разработала эту специализированную модель распознавания клинических сущностей, дообучив BioClinical-ModernBERT-large для выявления терминов, связанных с хроническим лимфоцитарным лейкозом (ХЛЛ). Модель находит такие упоминания в медицинских записях, научных статьях и других биомедицинских текстах и присваивает токенам метки BIO-классов B-CL и I-CL. Модель основана на архитектуре ModernBERT, содержит около 394,7 млн параметров и поддерживает контекст длиной до 8192 токенов. Она принимает токенизированный текст и выдаёт разметку токенов; карточка указывает английский язык и лицензию Apache-2.0. Заявленные сценарии применения включают поиск упоминаний ХЛЛ в медицинских документах и научной литературе, а также поддержку анализа гематологических и онкологических данных. В карточке приведены F1 0,72, точность 0,70, полнота 0,74 и accuracy 0,95 на датасете CLL. Эти результаты относятся к указанному корпусу и не гарантируют качество на других источниках; модель предназначена для извлечения сущностей, а не для постановки диагноза или принятия клинических решений.

OpenMed разработала эту специализированную модель распознавания упоминаний заболеваний в биомедицинских текстах. Это дообученная для token classification модель на архитектуре BERT, основанная на BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext и обученная на корпусе NCBI Disease. Веса занимают около 136,7 млн параметров; модель принимает токенизированный текст и возвращает BIO-разметку сущностей заболеваний. Контекст ограничен 512 токенами, основной язык — английский. Модель предназначена для извлечения названий заболеваний из научных публикаций и медицинских документов, а также для поддержки биомедицинского поиска и анализа литературы. В README приведены результаты на NCBI Disease: F1 0,9110, точность 0,8918 и полнота 0,9310. Это узкоспециализированный распознаватель сущностей заболеваний; заявленные сценарии выявления лекарственных взаимодействий и химических соединений требуют дополнительных моделей или этапов обработки. Распространяется по лицензии Apache-2.0.

Карточка модели lethalantidote/phi-detector-model на Hugging Face совпадает с карточкой lethalantidote/fine_tuned_standford_PHI, поэтому описание составлено по ней. Synthetic PHI Detector — модель Stanford AIMI, дообученная на синтетических клинических шаблонах, полученных из Synthea, для токенной классификации медицинских сущностей. Она размечает три типа сущностей: номера медицинских записей, диагнозы и лекарственные препараты; метки BIO задаются в конфигурации модели. Модель построена на BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Она предназначена для поиска клинической информации, требующей проверки при обезличивании медицинских документов. В описанном наборе из 5997 примеров заявлен строгий F1 1,0 для каждого типа и в целом, однако синтетические шаблоны не охватывают все форматы документов, учреждений и идентификаторов. Возможны пропуски и ложные срабатывания; результат не гарантирует соответствие требованиям и требует человеческой проверки и дополнительных средств контроля. Сведения о лицензии в предоставленных источниках отсутствуют.

Taiwan-inquiry_7B_v2.1 — диалоговая языковая модель, разработанная Джозефом (Чен-Вэй) Ли, ассистентом-исследователем Национальной университетской больницы Тайваня. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов, дообученная на Breeze-7B-Instruct-v1_0. Репозиторий содержит веса в формате safetensors; для модели также выпускались варианты AWQ и GGUF. Модель предназначена для имитации беседы врача и пациента в больничной обстановке: можно задать ей роль пациента и его краткую предысторию, а также обсуждать симптомы и возможные методы лечения. Обучение включало 614 реальных диалогов из Национальной университетской больницы Чэн-Кун и 336 синтетических диалогов по темам примеров экзамена OSCE на Тайване. Основной язык — традиционный китайский (zh-TW). Автор приводит результат 40,29 по TMMLU+ в режиме zero-shot. Модель подходит для учебных симуляций и исследовательских экспериментов с медицинским диалогом, но ответы о симптомах и лечении не являются медицинской консультацией. Лицензия — Apache-2.0.

Aerova Nova — модель генерации текста для медицинских, биологических и научных задач, разработанная AeroxLabs. Это причинная языковая модель на 7 млрд параметров, дообученная на основе BioMistral/BioMistral-7B-SLERP с использованием биомедицинской литературы NCBI PubMed. Репозиторий распространяет модель в формате GGUF для локального запуска через экосистему llama.cpp. Модель предназначена для генерации медицинских и биологических текстов, ответов на биомедицинские вопросы, продолжения научных текстов и исследовательских или учебных экспериментов. В карточке перечислены английский, испанский, немецкий, португальский, русский, французский, арабский и китайский языки; качество может различаться, особенно при работе со специализированной терминологией. Модель может выдавать неверные, неполные, устаревшие или предвзятые сведения и уверенно формулировать ошибки. Её ответы не являются медицинской рекомендацией и не должны служить единственным основанием для диагностики, лечения или клинических решений. Указанная лицензия — MIT.

Bioformer-16L — компактная BERT-модель для анализа биомедицинских текстов, разработанная авторами Bioformer. Она предназначена для языкового моделирования с заполнением пропусков и может служить основой для последующего дообучения на задачах обработки биомедицинского текста. Модель содержит 16 трансформерных слоёв, 8 голов внимания и около 50,3 млн параметров; использует регистрозависимый WordPiece-словарь из 32 768 токенов, обученный на биомедицинских корпусах. Модель обучена с нуля на 33 млн аннотаций PubMed и 1 млн полнотекстовых статей PMC. Для предобучения применялись маскирование целых слов и задача предсказания следующего предложения. Авторы сообщают, что Bioformer-16L работает примерно вдвое быстрее BERT-base и сопоставима или превосходит BioBERT и PubMedBERT на ряде последующих NLP-задач. README указывает максимальную длину последовательности 512 токенов; метаданные каталога сообщают контекст 1024 токена. Форматы весов — PyTorch и Safetensors. Модель принимает текст и выдаёт текстовые токены для заполнения маски. Лицензия — Apache-2.0. Модель предназначена для биомедицинских текстов, поэтому её качество на общем тексте и вне биомедицинского домена может быть ниже; заявление о скорости и сравнительном качестве относится к экспериментам авторов.

Braga SLM 0.5B V2.2 — компактная диалоговая модель для автономного помощника Braga Saúde, разработанная для гериатрической поддержки и медицинской триажной оценки. Это дообученная на базе Qwen2.5-0.5B-Instruct плотная авторегрессионная модель архитектуры Qwen2 с 494 млн параметров и контекстом 32 768 токенов; она принимает текст и генерирует текст на португальском языке, ориентированном на Бразилию. Модель предназначена для работы локально на мобильных устройствах и поставляется в Safetensors и GGUF Q4_K_M; README также указывает на использование LoRA при доработке. Сценарии применения включают краткие ответы пожилым людям по вопросам гидратации и лекарств, фиксацию потребления воды, первичную маршрутизацию при симптомах неотложных состояний и подготовку ответов с написанием доз и единиц измерения словами для последующего синтеза речи. Заявлены строгий отказ от тем вне медицинского профиля и спокойный стиль без эмодзи. README приводит результаты внутренних проверок на 101 сценарии, но это заявление разработчика, а не независимая оценка. Модель может ошибаться в медицинских ситуациях и не заменяет клиническую оценку специалиста; для экстренных случаев карточка указывает маршрутизацию в SAMU 192 или UPA. Лицензия — Apache-2.0.

IndicPHI-MuRIL-PII — дообученный энкодер MuRIL-base от Google для выявления персональных и медицинских данных в клинических текстах на индийских языках с помощью BIO-классификации токенов. Модель содержит 237 млн параметров, распознаёт 50 типов сущностей, включая индийские идентификаторы ABHA и Aadhaar, и поддерживает 23 языка и 13 письменностей. Для загрузки требуется пользовательская классификационная голова и файл modeling_indicphi_bio.py. Модель предназначена для автоматического обнаружения и редактирования PII/PHI в клинических документах, особенно похожих на синтетические данные обучения. На синтетических документах утечка символов составила 0,45% для знакомых типов документов и 2,0% для типов, отсутствовавших при обучении; на реальном тексте новостных имён полнота обнаружения составила 31,8%. Эти результаты показывают, что качество на синтетических данных не гарантирует надёжной защиты реальных документов. Лицензия — Apache-2.0.

METAGENE-1 — авторегрессионная плотная трансформерная модель семейства Llama с 6,5 млрд параметров, разработанная для анализа метагеномных данных. Её обучили на более чем 1,5 трлн пар оснований ДНК и РНК из образцов сточных вод человека; для последовательностей применяется токенизация BPE. Модель предназначена для бионадзора, мониторинга пандемий и обнаружения патогенов. Модель принимает последовательности ДНК и РНК и может использоваться для извлечения признаков и представлений, а также для генерации последовательностей. В README заявлены результаты на задачах обнаружения патогенов, zero-shot-бенчмарке Gene-MTEB и классификации геномов GUE. Контекст ограничен 512 токенами; модель особенно ориентирована на короткие метагеномные чтения длиной 100–300 пар оснований. Лицензия — Apache 2.0.

OpenMed разработала OpenMed-NER-AnatomyDetect-ElectraMed-335M — специализированную модель на базе трансформера для распознавания анатомических сущностей в биомедицинских текстах. Она выполняет классификацию токенов и помечает названия анатомических структур, органов и частей тела тегами BIO B-Anatomy и I-Anatomy. Модель предназначена для извлечения анатомических терминов из медицинской документации и научной литературы, а также для построения систем анализа биомедицинских текстов. В карточке указаны 433,9 млн параметров, архитектура BERT, контекст до 512 токенов и формат Safetensors; заявлена совместимость с Transformers. README описывает обучение на корпусе ANATOMY и приводит F1 0,90, точность 0,90, полноту 0,90 и accuracy 0,98. Модель рассчитана на английский язык и специализированный медицинский текст. Она выделяет анатомические сущности, а не выполняет общее медицинское понимание; метрики из карточки сами по себе не подтверждают качество на других корпусах или клинических сценариях. Лицензия — Apache-2.0.

OpenMed-NER-AnatomyDetect-ElectraMed-560M — модель OpenMed для распознавания анатомических сущностей в биомедицинском тексте. Она размечает токены тегами B-Anatomy и I-Anatomy, выделяя анатомические структуры и части тела в медицинских документах и научной литературе. Модель использует архитектуру XLM-RoBERTa для классификации токенов, содержит 658,7 млн параметров и принимает текст с контекстом до 514 токенов. Карточка сообщает о дообучении на корпусе ANATOMY и приводит F1 0,9063 на этом наборе. Указаны сценарии извлечения сущностей из медицинских записей и публикаций, а также построения биомедицинских баз знаний. Модель выпущена по лицензии Apache-2.0. Она предназначена для английского языка; качество на других языках в карточке не подтверждено. Метрики относятся к ANATOMY и сами по себе не гарантируют аналогичную точность на других типах документов или в клиническом применении.

OpenMed-NER-BloodCancerDetect-ElectraMed-335M — медицинская модель OpenMed для распознавания сущностей в текстах о хроническом лимфоцитарном лейкозе (ХЛЛ). Она выполняет классификацию токенов и возвращает BIO-разметку сущностей типов B-CL и I-CL. Модель рассчитана на токенизированные биомедицинские тексты; архитектура в метаданных обозначена как BERT, число параметров — около 433,9 млн, максимальная длина контекста — 512 токенов. Модель можно применять для извлечения упоминаний, связанных с ХЛЛ, из медицинских записей и научной литературы, а также для анализа гематологических документов и подготовки данных для биомедицинских систем. В карточке приведены F1 0,84, точность 0,73 и полнота 0,98 на специализированном корпусе CLL; эти показатели относятся к описанной оценке и не гарантируют такое же качество на других данных. Карточка называет e5-large-v2 базовой архитектурой, однако метаданные не подтверждают идентификатор базовой модели. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-PathologyDetect-TinyMed-66M — дообученную модель DistilBERT для распознавания упоминаний заболеваний в биомедицинском тексте. Модель использует архитектуру distilbert-base-uncased, содержит около 66 млн параметров и выполняет токенную классификацию с BIO-метками B-Disease и I-Disease. Максимальная длина контекста — 512 токенов. Модель предназначена для извлечения названий заболеваний из научных публикаций и медицинских документов. Она обучена на корпусе NCBI Disease; в карточке указаны F1 0,87, точность 0,86 и полнота 0,88. Подходит для поиска упоминаний болезней в корпусах текстов и подготовки данных для последующего анализа. Модель ориентирована на английский текст. Она не выполняет нормализацию сущностей или диагностику, а качество на иных типах текстов и языках может отличаться от результатов на NCBI Disease. Распространяется по лицензии Apache-2.0.

OpenMed-ZeroShot-NER-Pharma-Tiny-60M — модель распознавания химических сущностей в биомедицинском тексте, опубликованная организацией OpenMed. Она основана на архитектуре GLiNER и дообучена на корпусе BC5CDR-Chem, который содержит аннотации химических соединений, лекарств и терапевтических веществ. Модель принимает текст и возвращает найденные упоминания с метками сущностей; заявленный целевой тип метки — CHE. Модель предназначена для извлечения названий препаратов и других химических соединений из научных публикаций и клинических текстов. Её можно включать в конвейеры фармаконадзора, поиска нежелательных реакций и извлечения связей «химическое вещество — заболевание» с последующим модулем извлечения отношений. Zero-shot-интерфейс GLiNER позволяет задавать типы сущностей при запросе, однако основная специализация этой версии — химические сущности корпуса BC5CDR-Chem. В README приведён F1 0,77 на тестовом наборе BC5CDR-Chem и заявлено улучшение на 30,7% относительно базовой модели. Это результат для указанного набора данных; карточка не подтверждает аналогичное качество на произвольных клинических документах или других типах сущностей. Модель распространяется под лицензией Apache-2.0; для использования требуется библиотека GLiNER с токенизаторами.

ishikaa/acquisition_generator_AS_gradient_medmcqa_qwen7b — генеративная языковая модель на базе архитектуры Qwen2, опубликованная пользователем ishikaa на Hugging Face. По метаданным она предназначена для text-generation и поддерживает conversational-сценарии; объём модели составляет 7,1 млрд параметров, а нативная длина контекста — 32 768 токенов. Для работы используется библиотека Transformers и формат Safetensors.

BioMistral-7B-TIES — языковая чат-модель для генерации текста в медицинской и биомедицинской тематике. Это слияние моделей BioMistral/BioMistral-7B и mistralai/Mistral-7B-Instruct-v0.1 методом TIES; в карточке указано, что для слияния использован mergekit. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов; карточка перечисляет французский, английский, польский, испанский, итальянский, румынский, немецкий и нидерландский языки. Модель предназначена для диалоговых запросов и генерации ответов по биологии и медицине, включая вопросы по медицинским публикациям и учебным темам. Она доступна в формате safetensors через Transformers и распространяется по лицензии Apache-2.0. Авторы предупреждают, что модель не была проверена в реальных клинических условиях и не предназначена для профессиональных медицинских решений или непосредственного применения в производственной среде. Для медицинского использования требуется отдельная оценка и адаптация к конкретному сценарию.

Tactus Mat — специализированная модель Eximius Labs для преобразования данных с матрицы давления тела в векторное представление, сопоставимое с текстовыми запросами. Она дообучена на базе EximiusLabs/fusion-embedding-2-2b-preview; текстовое пространство базовой модели остаётся замороженным. Модель принимает кадры датчика Vista Medical FSA размером 64×32, нормализованные в диапазон [0, 1], и выдаёт L2-нормированный вектор размерности 2048. Во время обучения использовались последовательности из восьми кадров; карточка также описывает распознавание отдельных кадров и временной поиск по сессии. Модель предназначена для распознавания поз и поиска событий на мате давления по свободно сформулированным текстовым запросам. Вместо выбора только из заранее заданных классов она ранжирует описания поз и может сопоставлять данные с фразами, не встречавшимися при обучении. В README приведены результаты на отложенных участниках PhysioNet PmatData: средняя точность top-1 для 17 позиций — 0,957, а для top-3 — 0,993 по пяти запускам. В README отмечена систематическая путаница для двух поз лёжа на спине с поднятым коленом, которые модель может ранжировать как положение на боку; интерпретация зависит от таксономии меток набора данных. Обучение и результаты описаны для конкретного датчика и профиля Vista Medical FSA, поэтому перенос на другие матрицы давления требует отдельной настройки. Лицензия репозитория — ODC-BY.

gipformer-65M-rnnt — модель распознавания вьетнамской речи, разработанная G-Group AI Lab. Она использует архитектуру Zipformer Transducer и предназначена для преобразования аудио в текст, в том числе для записей телефонных разговоров с шумом и различными региональными акцентами. Модель рассчитана на локальный запуск на мобильных и встраиваемых устройствах, что позволяет обрабатывать чувствительные аудиозаписи без облачной передачи. В README заявлены результаты на 12 тестовых наборах для телефонной, медицинской, вещательной и читанной речи; приведённая таблица содержит не все результаты, поэтому эти заявления нельзя независимо оценить по карточке. Репозиторий содержит модель в формате ONNX для запуска через ONNX Runtime. Лицензия — MIT. Карточка не сообщает размер модели в параметрах или длину поддерживаемого аудио.

minhthuan77f1/medical_embedding_vietnamese — модель Sentence Transformer, дообученная на медицинских парах предложений и абзацев на вьетнамском языке. Она основана на hiieu/halong_embedding с архитектурой XLM-RoBERTa и преобразует текст в нормализованные плотные векторы размерностью 768; сходство между ними можно оценивать косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска медицинских сведений, сравнения вопросов и ответов, поиска перефразирований, кластеризации и классификации текста. В README приведены результаты оценки поиска с векторами размерностью от 64 до 768 на обучающем наборе из 1 421 пары. Модель ориентирована на вьетнамский медицинский текст; основание для применения к другим языкам или областям не приведено. Это модель эмбеддингов, она выдаёт векторы, а не готовые ответы или диагнозы. Лицензия — Apache-2.0.

LeroyDyer/Mixtral_BioMedical — языковая модель семейства Mistral, разработанная автором репозитория и ориентированная на медицинские тексты. Карточка заявляет обучение на медицинских датасетах и улучшение исходной модели; архитектура — плотная MistralForCausalLM, около 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст на английском языке; метаданные также отмечают поддержку задач, связанных с кодом. Модель предназначена для генерации медицинских текстов и ответов на профильные запросы. Автор характеризует её как высоко оцениваемую, однако README не приводит бенчмарки, состав датасетов или подробности обучения. Лицензия — MIT. Карточка не подтверждает пригодность для клинических решений, поэтому результаты требуют проверки специалистом.

OpenMed разработала OpenMed-NER-AnatomyDetect-PubMed-335M — специализированную модель распознавания анатомических сущностей в биомедицинском тексте. Это дообученная модель архитектуры BERT для классификации токенов, основанная на BiomedNLP-BiomedBERT-large-uncased-abstract. Она помечает упоминания анатомических структур и частей тела тегами B-Anatomy и I-Anatomy и возвращает BIO-разметку. Размер модели — 433,9 млн параметров, максимальная длина контекста — 512 токенов; поддерживается английский язык. Модель предназначена для извлечения анатомических сущностей из медицинских записей и научной литературы, биомедицинского майнинга текста и построения баз знаний. В карточке указаны F1 0,91, точность 0,90 и полнота 0,91 на наборе ANATOMY. Это узкая модель для распознавания анатомических сущностей, а не универсальный медицинский помощник; качество на других типах текстов и языках карточка не подтверждает. Лицензия — Apache-2.0.

OpenMed-NER-BloodCancerDetect-MultiMed-335M — дообученная модель OpenMed для распознавания клинических сущностей, связанных с хроническим лимфолейкозом (CLL), в биомедицинских текстах. Она принимает токенизированный текст и выполняет классификацию токенов с BIO-разметкой, выделяя сущности метками B-CL и I-CL. Модель основана на архитектуре BERT, содержит около 433,9 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для извлечения упоминаний CLL из медицинских записей, научной литературы и других медицинских документов, например для анализа исследований и построения систем поиска по биомедицинским данным. В README указаны результаты на корпусе CLL: F1 0,82, точность 0,77 и полнота 0,87. Эти показатели относятся к описанной оценке на специализированном наборе данных и не гарантируют качество на других текстах или клинических сценариях. Карточка заявляет совместимость с Transformers; лицензия — Apache-2.0.

OpenMed-NER-PathologyDetect-EuroMed-212M — дообученная OpenMed модель на базе EuroBERT-210m для распознавания упоминаний заболеваний в биомедицинских текстах. Она использует архитектуру EuroBertForTokenClassification и возвращает токеновые метки BIO: B-Disease и I-Disease. Веса опубликованы в формате safetensors; число параметров — 211,7 млн, длина контекста — до 8192 токенов. Модель предназначена для извлечения названий заболеваний из медицинских документов и научных публикаций. Обучение проводилось на корпусе NCBI Disease. В README указаны F1 и precision 0,66, recall 0,66 и accuracy 0,94; эти результаты указывают, что качество извлечения может быть ограниченным и требует проверки на целевых данных. Хотя карточка также перечисляет сценарии вроде мониторинга нежелательных явлений и анализа медицинских записей, модель предсказывает только сущности заболеваний и сама по себе не извлекает лекарства и не устанавливает лекарственные взаимодействия. Модель рассчитана на англоязычный биомедицинский текст. Она распространяется по лицензии Apache-2.0 и интегрируется с библиотекой Transformers.