IV.4Клиническая медицина и общественное здоровье

Модель разработана для сопоставления строк лекарственных препаратов из VA National Drug File (VANDF) с соответствующими клиническими препаратами RxNorm, включая действующее вещество, дозировку и лекарственную форму. Это двунаправленный энкодер на базе SapBERT, дообученный на парах VANDF—RxNorm с трудными отрицательными примерами; он ищет ближайшие названия среди 27 287 активных препаратов RxNorm и калибрует уверенность результата. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Предназначена для нормализации наименований лекарств и связывания медицинских сущностей, когда требуется сопоставить не только действующее вещество, но также дозировку и форму выпуска. Оценка уверенности позволяет автоматически принимать наиболее надёжные совпадения, а остальные отправлять на проверку специалисту. По README, на тестовых данных точность top-1 составляет около 0,91 при повторных разбиениях по ингредиентам; точность принятых автоматически результатов в описанном тесте составила 98,2–98,8% при охвате 46–79% в зависимости от состава выборки. Модель обучена только на строках VANDF, поэтому качество может быть ниже на названиях из других источников; для FDA Structured Product Label указана точность около 0,71. Кандидаты соответствуют выпуску RxNorm от 8 сентября 2026 года и требуют обновления при изменении RxNorm. Ошибки дозировки и лекарственной формы могут быть клинически значимыми, поэтому модель не предназначена для самостоятельного клинического применения: результаты следует проверять, а сомнительные случаи направлять фармацевту. Лицензия — Apache-2.0.

Aurigene AI разместила копию BiomedBERT от Microsoft, также известной как PubMedBERT для аннотаций и полных текстов. Это encoder-модель семейства BERT с 136,7 млн параметров, предварительно обученная с нуля на аннотациях PubMed и полнотекстовых статьях PubMed Central. Она принимает текст и предсказывает замаскированные токены в последовательностях длиной до 512 токенов. Модель предназначена для биомедицинского NLP и может служить энкодером для извлечения биомедицинских сущностей и отношений, а также для поиска и анализа научной литературы. В README заявлены сильные результаты на биомедицинских NLP-задачах и лидерство на Biomedical Language Understanding and Reasoning Benchmark. Доступны веса PyTorch и Flax; лицензия — MIT.

snumin44/medical-biencoder-ko-bert-question — корейская медицинская модель поиска на основе BERT с двухбашенной архитектурой Bi-Encoder. Она кодирует вопросы отдельным Question Encoder и предназначена для совместного использования с Context Encoder, который кодирует медицинские тексты. Модель дообучена на данных корейско-английских медицинских вопросов и ответов AI Hub; перед этим базовая модель SapBERT-KO-EN обучалась сближать представления медицинских терминов с одинаковым кодом, включая корейские и английские варианты. Модель содержит 137,8 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Её применяют для получения векторных представлений вопросов и поиска медицинских текстов по смысловой близости, в том числе при смешении корейской и английской терминологии. Это Question Encoder, поэтому для сопоставления вопроса с документами требуется совместимый Context Encoder. Модель распространяется по лицензии MIT.

OpenMed разработала эту специализированную модель для распознавания химических сущностей в биомедицинских текстах. Это дообученная модель семейства ModernBERT с архитектурой ModernBertForTokenClassification и примерно 394,7 млн параметров; она принимает текст и возвращает BIO-разметку токенов. Модель обучена на корпусе BC4CHEMD и распознаёт химические вещества и соединения, отмечая их тегами B-CHEM и I-CHEM. Контекст составляет до 8192 токенов. Модель предназначена для извлечения названий химических соединений и лекарств из научных публикаций, клинических записей и медицинских документов. Эти данные можно использовать для поиска упоминаний препаратов, анализа литературы и построения биомедицинских баз знаний. Карточка сообщает о F1 0,94 на BC4CHEMD, но не приводит подробностей независимой проверки на иных корпусах и типах текстов. Поддерживается английский язык. Лицензия Apache-2.0.

OpenMed разработала OpenMed-NER-ChemicalDetect-TinyMed-135M — дообученную модель DistilBERT для распознавания химических сущностей в биомедицинских текстах. Она выделяет названия химических соединений и веществ, помечая токены тегами B-CHEM и I-CHEM, и предназначена для анализа научной литературы, медицинских записей и других документов о здоровье. Модель основана на distilbert-base-multilingual-cased, принимает текст и возвращает BIO-разметку токенов. Контекст ограничен 512 токенами. В README сообщается о F1 0,93 на BC4CHEMD; обучение проводилось на этом корпусе. Модель можно применять для извлечения упоминаний химических веществ при поиске лекарственных взаимодействий, мониторинге нежелательных явлений и построении биомедицинских баз знаний. Заявленные результаты не гарантируют такую же точность на других типах текстов. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-PII-BioClinicalBERT-Base-110M-v1 — англоязычную модель на базе BERT для классификации токенов и выявления персональных и медицинских идентификаторов в тексте. Она дообучена на emilyalsentzer/Bio_ClinicalBERT с использованием набора NVIDIA Nemotron-PII. Модель охватывает 54 типа сущностей, включая имена, адреса, контактные данные, номера документов и медицинские записи; архитектура — BertForTokenClassification, размер — 135,5 млн параметров, максимальный контекст — 512 токенов. Модель подходит для поиска чувствительных данных в клинических записях и документах, подготовки текстовых наборов к исследованию, автоматизированной деидентификации и поддержки аудита приватности. В README указана оценка micro F1 0,9437 на тестовой выборке из 2 000 примеров Nemotron-PII. Модель выпускается под лицензией Apache-2.0. Это вспомогательный инструмент: возможны пропуски чувствительных данных, а качество зависит от предметной области и типа сущности. README указывает, что обучение ориентировано преимущественно на английский; для критически важных сценариев результаты требуют проверки человеком.

OpenMed-PII-French-SnowflakeMed-Large-568M-v1 — модель OpenMed для обнаружения и классификации персональных и других чувствительных данных во французском тексте. Это дообученный трансформер XLM-RoBERTa для разметки токенов: он выделяет 54 типа сущностей, включая имена, адреса, идентификаторы, финансовые и медицинские сведения, контактные данные и даты. Модель принимает текст и возвращает метки сущностей; нативная длина контекста составляет 8194 токена. В README приведён результат micro F1 0,9728 на французской части набора AI4Privacy. Модель предназначена для выявления и удаления PII из клинических записей и документов, подготовки исследовательских данных и аудита коллекций документов. Она разработана для французского языка и не рассчитана на надёжную работу с другими языками. Возможны пропуски чувствительных данных, а качество зависит от терминологии и контекста, поэтому критические результаты требуют проверки человеком. Лицензия — Apache-2.0.

OpenMed-PII-Italian-SuperClinical-Base-184M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это дообученная на базе Microsoft DeBERTa-v3-base модель DeBERTa для классификации токенов: она размечает 54 типа сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские сведения. Размер по метаданным — 211,6 млн параметров, контекст — до 512 токенов; модель работает с текстом и выдаёт метки сущностей.

OpenMed-PII-Portuguese-SuperMedical-Base-125M-v1 — модель OpenMed для обнаружения и классификации персональных данных в португальском тексте. Это дообученная на основе FacebookAI/roberta-base модель RoBERTa с архитектурой RobertaForTokenClassification; она содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Модель размечает текст по 54 типам чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые сведения, контакты и даты. Модель предназначена для выявления PII в клинических записях и документах, подготовки данных к исследованиям, поддержки деидентификации и аудита приватности. В карточке указана оценка F1 0,8856 на португальском тестовом наборе AI4Privacy и синтетических данных. Модель обучалась на португальских данных, включая синтетические примеры с локальными форматами, такими как CPF и бразильские телефонные номера. Она распространяется по лицензии Apache-2.0. Результаты следует проверять человеком: модель может пропускать чувствительные данные, а качество зависит от контекста и терминологии; для языков, кроме португальского, она не оптимизирована.

OpenMed-PII-SuperMedical-Large-355M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная на NVIDIA Nemotron-PII модель FacebookAI/roberta-large с архитектурой RoBERTa для классификации токенов; в метаданных указано 454,1 млн параметров и контекст до 514 токенов. Модель размечает 54 типа чувствительных сущностей, включая имена, адреса, номера социального страхования и медицинские номера записей. Модель предназначена для поиска и удаления персональных данных в клинических записях, медицинских документах и наборах данных, а также для аудита коллекций документов и поддержки процедур защиты данных. В README приведена оценка micro F1 0,9592 на тестовой выборке из 2 000 примеров NVIDIA Nemotron-PII. Лицензия — Apache-2.0. Это вспомогательный инструмент, а не замена проверке человеком: модель может пропускать чувствительные данные, а качество зависит от предметной области. Она обучена преимущественно на английском тексте; для отдельных категорий точность ниже.

ugaray96/biobert_ncbi_disease_ner — дообученная на наборе NCBI Disease модель BioBERT для распознавания упоминаний заболеваний в тексте. Она предназначена для извлечения названий болезней из неструктурированных медицинских и биологических текстов, например аннотаций PubMed, чтобы поддерживать поиск информации и извлечение знаний. Модель использует архитектуру BERT с классификационной головой для токенов и содержит 135,5 млн параметров. Контекст ограничен 512 токенами. Обучающая выборка включает 793 аннотации PubMed и 6 892 упоминания заболеваний; в метаданных указан английский язык. Для работы доступны веса PyTorch, TensorFlow, JAX и safetensors. Модель рассчитана на распознавание заболеваний в англоязычных медицинских и биологических текстах. Лицензия — OpenRAIL.

MA-Retriever — плотный ретривер, выпущенный вместе с набором данных MetaSyn и дообученный на базе BAAI/bge-large-en-v1.5. Он предназначен для поиска статей, связанных со списками включённых исследований в систематических обзорах, scoping-обзорах и метаанализах. Модель кодирует запросы и документы в нормализованные текстовые эмбеддинги, а затем ранжирует статьи по косинусному сходству. Запрос включает исследовательский вопрос и поля Population, Intervention или Exposure, Comparison и Outcome; документ состоит из заголовка и аннотации. Архитектура — BERT, размер — 433,9 млн параметров, максимальный контекст — 512 токенов. Основной язык — английский. На тестовом наборе из 86 отложенных обзоров средний Recall@20 составил 53,5%, а Recall@200 — 91,7%. Модель обучена на обзорах Nature Portfolio и корпусе, ориентированном на PubMed; качество может отличаться на других базах, языках и предметных областях. Результаты поиска требуют последующего отбора по протоколу и не должны трактоваться как решение о включении статьи. Лицензия — MIT.

OpenMed-NER-OncologyDetect-BigMed-560M — модель OpenMed для распознавания и классификации биомедицинских сущностей в текстах об онкологии и генетике рака. Она дообучена для задачи NER на корпусе BioNLP 2013 CG и основана на архитектуре XLM-RoBERTa; метаданные указывают 658,7 млн параметров. Модель принимает токенизированный текст и выдаёт метки сущностей в формате BIO, включая гены и их продукты, типы клеток, ткани, органы, опухоли и химические соединения. Модель предназначена для извлечения сущностей из научной литературы, клинических текстов и медицинских документов, например для поиска онкологических биомаркеров и построения биомедицинских баз знаний. В README заявлены F1 0,86, точность 0,86 и полнота 0,85 на BioNLP 2013 CG; эти показатели относятся к указанному корпусу и не гарантируют такое же качество на других данных. Контекст ограничен 514 токенами. Модель выпущена под лицензией Apache-2.0.

OpenMed-PII-Spanish-BiomedBERT-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных и чувствительных данных в испанском тексте. Это дообученная модель BERT для токенной классификации на базе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract. По карточке, модель распознаёт 54 типа сущностей, включая имена, адреса, контакты, финансовые идентификаторы и медицинские номера. В метаданных указано 136,7 млн параметров и контекст до 512 токенов; модель работает с текстом и выдаёт метки сущностей с привязкой к токенам. Модель предназначена для поиска и обезличивания PII в клинических записях, медицинских документах и других текстовых коллекциях на испанском языке, а также для подготовки данных к исследованиям и аудита документов. На испанской части датасета AI4Privacy в карточке приведена оценка Micro F1 0,8567. Для лучшего результата README рекомендует предварительно удалять диакритические знаки; смещения сущностей при этом сохраняются для сопоставления с исходным текстом. Модель может пропускать чувствительные данные, а качество зависит от контекста и терминологии, поэтому критические результаты требуют проверки человеком. Она оптимизирована для испанского и может хуже работать на других языках. Лицензия — Apache-2.0.

Карточка модели StanfordAIMI/stanford-deidentifier-only-i2b2 на Hugging Face совпадает с карточкой StanfordAIMI/stanford-deidentifier-with-radiology-reports-and-i2b2, поэтому описание составлено по ней. Модель StanfordAIMI предназначена для автоматического выявления персональных идентификаторов в радиологических и биомедицинских документах с помощью разметки последовательности токенов. Она разработана Stanford AIMI и обучена на разных радиологических и биомедицинских текстах; авторы указывают, что целились в точность, подходящую для производственного применения. Модель построена на архитектуре BERT и содержит 136,7 млн параметров. Она принимает текст на английском языке, работает с контекстом до 512 токенов и возвращает метки для токенов, что позволяет находить фрагменты, подлежащие деидентификации. Модель можно применять в конвейерах обезличивания радиологических заключений и других биомедицинских документов перед их хранением, обменом или исследовательским анализом. Репозиторий использует формат PyTorch и лицензию MIT. README ссылается на сопутствующую публикацию, но не приводит метрики качества или подробности схемы меток.

Модель StanfordAIMI предназначена для автоматического выявления персональных идентификаторов в радиологических и биомедицинских документах с помощью разметки последовательности токенов. Она разработана Stanford AIMI и обучена на разных радиологических и биомедицинских текстах; авторы указывают, что целились в точность, подходящую для производственного применения. Модель построена на архитектуре BERT и содержит 136,7 млн параметров. Она принимает текст на английском языке, работает с контекстом до 512 токенов и возвращает метки для токенов, что позволяет находить фрагменты, подлежащие деидентификации. Модель можно применять в конвейерах обезличивания радиологических заключений и других биомедицинских документов перед их хранением, обменом или исследовательским анализом. Репозиторий использует формат PyTorch и лицензию MIT. README ссылается на сопутствующую публикацию, но не приводит метрики качества или подробности схемы меток.

t0-1.1-k5-1.5B — языковая модель с причинной архитектурой Qwen2, разработанная командой t0 в Институте Алана Тьюринга. Это дообученная версия Qwen2.5-1.5B-Instruct с 1,5 млрд параметров; она предназначена прежде всего для генерации ответов в системе генерации с дополнением извлечёнными документами (RAG) и рассуждений по найденным материалам. Обозначение k5 указывает на использование top-k=5 при извлечении во время обучения и оценки. Модель принимает текст и генерирует текст, поддерживает диалог и рассчитана на английский язык. Контекстное окно — до 32 768 токенов. В качестве примера применения авторы приводят ответы на вопросы по страницам NHS A-to-Z о заболеваниях. Модель распространяется по лицензии Apache 2.0. Размер 1,5 млрд параметров ограничивает её возможности по сравнению с более крупными моделями; возможны ошибки и галлюцинации. Она не предназначена для постановки диагноза или клинических решений без надзора специалистов, для запросов вне английского языка и для ответов, требующих знаний сверх обучающих данных и предоставленного контекста. Медицинские ответы следует проверять у квалифицированных специалистов.

CeLLaTe-ner-2class-reinitllrd-pubmedbert-tapt-tokenizer-adapted-spanmask-gazetters-lr_3.375 — англоязычная BERT-модель для классификации токенов, разработанная Mardiyyah. Она дообучена на наборе OTAR3088/CeLLaTe-ner-2class-iob_final поверх Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-spanmask и предназначена для извлечения именованных сущностей из текста с разметкой IOB в двух классах. Модель содержит 138,2 млн параметров, принимает последовательности длиной до 512 токенов и распространяется по лицензии Apache-2.0. На оценочном наборе указаны micro F1 0,7816, precision 0,7920 и recall 0,7715. Эти показатели относятся к указанному набору данных; карточка не уточняет названия извлекаемых типов сущностей и ограничения применения.

EDS-Pseudo — гибридная модель AP-HP на базе библиотеки edsnlp для обнаружения идентифицирующих сведений в документах. Публичная предварительно обученная версия обучена на синтетических данных; в README указано, что её преимущественно проверяли на клинических отчётах хранилища клинических данных AP-HP. Модель сочетает правила и глубокое обучение и размечает сущности для последующей псевдонимизации или редактирования документов. Модель предназначена для извлечения персональных данных, включая адреса, даты и даты рождения; в карточке также заявлена медицинская направленность и французский язык. Для запуска используется edsnlp. Репозиторий содержит веса safetensors, лицензия — BSD 3-Clause. В README приведены высокие оценки точности и полноты для нескольких типов сущностей, однако тестирование на синтетических данных и клинических отчётах AP-HP не гарантирует такие же результаты на других типах документов и данных.

Это неофициальный чекпойнт LongT5-large от Stancld на базе архитектуры LongT5, разработанной Google. Модель с механизмом внимания transient-global дообучена на наборе ccdv/pubmed-summarization в течение 3 000 шагов для суммаризации англоязычных научных статей из области биомедицины. Она принимает текст статьи и генерирует краткое изложение; в карточке приведены оценки ROUGE на тестовой выборке, полученные с beam search размером 3. Модель содержит 385,2 млн параметров и распространяется в форматах PyTorch, Flax и safetensors. Метаданные указывают контекст в 4 096 токенов. Автор отмечает, что обучение не доведено до сходимости, а результаты уступают показателям исходной работы LongT5; очень короткие статьи исключались из обучения. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-ChemicalDetect-TinyMed-66M — модель на основе DistilBERT, дообученную для распознавания химических сущностей в биомедицинских текстах. Она принимает токенизированный текст и присваивает токенам BIO-метки B-CHEM и I-CHEM; размер контекста составляет 512 токенов. Модель обучена на корпусе BC4CHEMD с аннотациями упоминаний химических соединений в научной литературе. Модель предназначена для извлечения химических веществ и соединений из научных публикаций, клинических записей и других биомедицинских документов. Её можно применять при поиске лекарственных взаимодействий, извлечении упоминаний препаратов из записей пациентов, мониторинге нежелательных явлений и построении биомедицинских баз знаний. В README приведены показатели на BC4CHEMD: F1 и точность 0,93, полнота 0,93, accuracy 0,98. Это англоязычная модель для классификации токенов, совместимая с Transformers; файлы весов представлены в формате safetensors. Лицензия — Apache-2.0. Результаты для BC4CHEMD не гарантируют такое же качество на других корпусах и типах клинических документов; модель размечает химические сущности и сама по себе не устанавливает взаимодействия или нежелательные реакции.

OpenMed-PII-French-BiomedELECTRA-Large-335M-v1 — модель OpenMed для обнаружения и классификации персональных данных во французском тексте. Это трансформер на базе BiomedELECTRA Large, дообученный для разметки токенов; в метаданных указано 433,9 млн параметров, а контекст составляет до 512 токенов. Модель принимает текст и размечает 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские сведения и контактные данные. Модель предназначена для поиска PII в клинических записях и документах, подготовки наборов данных к исследованиям, поддержки обезличивания и аудита приватности. В README приведён результат micro-F1 0,9644 на французской части набора AI4Privacy. Лицензия — Apache-2.0. Модель оптимизирована для французского языка. Она может пропускать чувствительные данные, а качество зависит от терминологии и контекста; README рекомендует проверку человеком в критичных сценариях.

OpenMed-PII-German-SuperClinical-Base-184M-v1 — модель OpenMed для поиска персональных и других чувствительных данных в немецком тексте. Это дообученная на token classification модель на архитектуре DeBERTa-v3-base; метаданные указывают 211,6 млн параметров, контекст 512 токенов и формат safetensors. Модель размечает токены BIO-тегами и выявляет 54 типа сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские данные. Модель предназначена для обнаружения PII в клинических записях, медицинских документах и других немецкоязычных текстах, чтобы поддерживать обезличивание данных, подготовку наборов для исследований и аудит документов. В README указана оценка micro F1 0,9627 на немецкой части AI4Privacy; модель описана как подходящая для производственных конвейеров, но требующая проверки результатов человеком. Лицензия — Apache-2.0.

JAlexis/PruebaBert — англоязычная модель для ответов на вопросы, созданная дообучением deepset/bert-base-cased-squad2 на наборе научных публикаций CORD-19 от 31 января 2022 года. Она использует архитектуру BERT и предназначена для извлечения ответов из предоставленного текста, в частности из материалов о COVID-19 и биомедицинских исследованиях. Модель содержит 135,5 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для обучения использовались Haystack и FARM; в метаданных указан формат PyTorch. Лицензия в предоставленных данных не обозначена.

Модель tner/xlm-roberta-base-bc5cdr — дообученная для распознавания именованных сущностей версия XLM-RoBERTa base из проекта TNER. Она выполняет поклассовую разметку токенов и предназначена для извлечения сущностей в тексте. Число параметров — 305,2 млн, максимальная длина контекста — 514 токенов; модель доступна в формате PyTorch. Название указывает на настройку для набора BC5CDR, связанного с распознаванием химических и медицинских сущностей в биомедицинских текстах. Модель подходит для извлечения таких упоминаний из научных публикаций и других текстовых материалов. README указывает на использование через Transformers, а базовую модель можно загрузить как asahi417/tner-xlm-roberta-base-bc5cdr. Это производная модель XLM-RoBERTa, дообученная для NER. README не сообщает лицензию и конкретный набор поддерживаемых языков; по названию набора BC5CDR назначение связано с англоязычными биомедицинскими текстами. Ограничение контекста составляет 514 токенов.

tner/deberta-v3-large-bc5cdr — модель распознавания именованных сущностей, разработанная на базе microsoft/deberta-v3-large и дообученная проектом T-NER на наборе tner/bc5cdr. Она выделяет в тексте названия химических веществ и заболеваний, например при разборе биомедицинских публикаций. Модель содержит 533,8 млн параметров, использует архитектуру DeBERTa-v2 для классификации токенов и принимает текстовые фрагменты длиной до 512 токенов. На тестовом наборе авторы сообщают micro F1 0,890 и macro F1 0,886; F1 для химических веществ составил 0,930, для заболеваний — 0,843. Модель можно использовать через библиотеку T-NER; авторы отмечают, что применение через Transformers не рекомендуется, поскольку в этой конфигурации не поддерживается CRF-слой. Лицензия в предоставленных данных не указана.

Модель cea-list-ia/evalllm2026-mesh-finetuned разработана CEA-LIST для участия в соревновании evalLLM2026. Это дообученная на данных соревнования модель-ретривер на базе BAAI/bge-m3: она преобразует медицинские предложения в эмбеддинги и помогает находить соответствующие термины MeSH для связывания упоминаний сущностей. В README рекомендован префикс запроса «Represent this medical sentence for retrieving relevant MeSH terms:». Модель построена на XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-DiseaseDetect-PubMed-109M — модель на базе BiomedNLP-BiomedBERT, дообученную для распознавания названий заболеваний в биомедицинских текстах. Она обрабатывает токенизированный текст и размечает упоминания заболеваний BIO-тегами B-DISEASE и I-DISEASE. Архитектура — BERT для классификации токенов; размер составляет 136,7 млн параметров, контекст — до 512 токенов. Модель предназначена для извлечения заболеваний из аннотаций PubMed, научных публикаций и медицинских документов, а также для поиска упоминаний заболеваний при анализе биомедицинской литературы. В README указаны результаты на BC5CDR-Disease: F1 0,87, точность 0,85 и полнота 0,90. Датасет включает 1 500 аннотаций PubMed; эти показатели относятся к указанному набору данных и не гарантируют аналогичное качество на других типах текстов. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0.

OpenMed-NER-PharmaDetect-BioMed-109M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученная для token classification модель семейства BERT на основе BiomedNLP-BiomedELECTRA-base-uncased-abstract; она выделяет сущности BC5CDR-Chem и возвращает разметку BIO с метками B-CHEM и I-CHEM. В метаданных указаны 136,7 млн параметров и контекст до 512 токенов. Модель предназначена для извлечения названий химических соединений, лекарств и терапевтических веществ из научных публикаций и медицинских записей. Её можно применять для поиска лекарств в документах, мониторинга нежелательных явлений, анализа литературы в разработке препаратов и подготовки данных для биомедицинских графов знаний. README приводит результаты на BC5CDR-Chem: F1 0,95, точность 0,93 и полноту 0,96. Модель принимает токенизированный текст и выдаёт метки сущностей для токенов. Указанные в карточке язык и теги относятся к английскому; сведений о поддержке других языков нет. README заявляет лицензию Apache-2.0. Показатели и заявления о готовности к клиническому или промышленному применению приведены в карточке модели; независимая проверка этих утверждений не описана.

OpenMed-NER-PharmaDetect-TinyMed-65M — модель OpenMed для распознавания химических сущностей в биомедицинском тексте. Это дообученная модель DistilBERT для токенной классификации с примерно 65 млн параметров; она выделяет сущности метками B-CHEM и I-CHEM и возвращает BIO-разметку. Модель обучена на BC5CDR-Chem и рассчитана на англоязычные научные и медицинские тексты; максимальная длина контекста — 512 токенов. Модель предназначена для извлечения названий химических соединений и лекарств из аннотаций PubMed, медицинских записей и других биомедицинских документов. Такие извлечения могут использоваться при мониторинге нежелательных явлений, поиске лекарств в записях и анализе литературы. В карточке приведены показатели на BC5CDR-Chem: F1 0,95, точность 0,94 и полнота 0,95; эти результаты относятся к указанному набору данных и сами по себе не подтверждают качество на других текстах. Лицензия — Apache-2.0.