IV.4Клиническая медицина и общественное здоровье

OpenMed-PII-Italian-BiomedBERT-Large-340M-v1 — модель OpenMed для поиска и классификации персональных данных в итальянском тексте. Это дообученная для token classification модель семейства BERT на базе microsoft/BiomedNLP-BiomedBERT-large-uncased-abstract. В метаданных указаны 433,9 млн параметров, контекст до 512 токенов и библиотека Transformers; модель распространяется в формате Safetensors по лицензии Apache-2.0. Модель размечает токены и выявляет 54 типа чувствительных данных, включая имена, адреса, идентификаторы, медицинские и финансовые сведения, контакты и даты. Её можно применять для предварительного обезличивания клинических записей и медицинских документов, подготовки наборов данных и аудита документов на наличие PII. В README приведён результат micro F1 0,9461 на итальянской части набора AI4Privacy. Модель оптимизирована для итальянского языка и может ошибаться, особенно пропускать PII; качество также зависит от терминологии и контекста. README рекомендует использовать её как вспомогательный инструмент с проверкой человеком, особенно в критически важных сценариях.

OpenMed-PII-Portuguese-SuperClinical-Large-434M-v1 — модель OpenMed для выявления и классификации персональных данных в текстах на португальском языке. Это дообученная на Microsoft DeBERTa-v3-large модель токеновой классификации на базе DeBERTa V2 с 533,8 млн параметров и контекстом до 512 токенов. Модель размечает 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские сведения. Она предназначена для поиска и удаления PII в клинических записях и документах, подготовки данных к исследованиям и поддержки аудита конфиденциальности. По README, на португальском тестовом наборе она достигла micro F1 0,8889. Модель оптимизирована для португальского и может хуже работать на других языках или с узкоспециальной терминологией. README рекомендует использовать её как вспомогательный инструмент и проверять результаты человеком, поскольку возможны пропуски чувствительных данных. Лицензия — Apache-2.0.

PaSa-7B-Selector — дообученная ByteDance Research языковая модель на архитектуре Qwen2 для поиска научных статей. Она предназначена для работы в составе агента PaSa, который помогает находить академические публикации по запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; карточка указывает английский язык и диалоговые возможности. Модель основана на Qwen/Qwen2.5-7B-Instruct и дообучена на датасете CarlanLark/pasa-dataset. Доступны веса PyTorch в формате safetensors. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения на тех же условиях.

GanjinZero/UMLSBert_ENG — англоязычная версия CODER, модели векторных представлений медицинских терминов, разработанной Zheng Yuan, Zhengyun Zhao, Haixia Sun, Jiao Li, Fei Wang и Sheng Yu. README отдельно уточняет, что это не UMLSBert; в статье CODER описана как модель для нормализации медицинских терминов с использованием знаний и межъязыковых представлений. Модель основана на BERT и предназначена для извлечения признаков из текста: представления терминов можно применять для их сопоставления и нормализации. Параметры модели — 136,7 млн, максимальная длина контекста — 512 токенов. Репозиторий предоставляет веса PyTorch и safetensors. Модель рассчитана на английский язык и медицинскую терминологию. Доступна по лицензии Apache-2.0. README не приводит конкретных оценок качества или подробностей обучения этой английской версии.

ANGEL_pretrained — англоязычная генеративная модель для связывания упоминаний биомедицинских сущностей с понятиями из справочников. Её разработали Chanhwi Kim, Hyunjae Kim, Sihyeon Park, Jiwoo Lee, Mujeen Sung и Jaewoo Kang, дообучив BART-large на данных UMLS-2020-AA. Модель содержит 252,8 млн параметров, использует архитектуру encoder-decoder BART и имеет контекст до 1024 токенов. Модель сопоставляет слово или упоминание с кандидатами на сущности, обучаясь различать похожие упоминания с разными идентификаторами CUI. Её можно применять для биомедицинского entity linking, а для практических сценариев авторы рекомендуют сначала дообучить её на целевом наборе данных. В README сообщается об оценке на NCBI-disease, BC5CDR, COMETA, AAP и MedMentions; указано улучшение средних результатов относительно GenBioEL, но таблица с подробными метриками отсутствует. Модель принимает текст и генерирует текстовый результат. Лицензия — GPL-3.0.

MMedLM 2 — мультиязычная медицинская языковая модель Henrychur с 7,4 млрд параметров на архитектуре InternLM2. Это авторегрессионная плотная модель, дообученная продолжением предварительного обучения на медицинском корпусе MMedC; корпус содержит 25,5 млрд токенов. Модель предназначена для исследований и задач, требующих медицинских знаний на английском, китайском, японском, французском, русском и испанском языках. Она поддерживает контекст до 32 768 токенов и может использоваться для генерации текста и извлечения признаков; модельная карточка заявляет оценку на медицинском мультиязычном бенчмарке MMedBench. Модель не проходила дообучение на инструкциях, поэтому для диалога и выполнения пользовательских запросов может потребоваться дополнительная настройка. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия — Apache-2.0.

OpenMed-NER-ChemicalDetect-ElectraMed-560M — модель организации OpenMed для распознавания названий химических соединений и веществ в биомедицинских текстах. Это трансформер XLM-RoBERTa с классификационной головой для токенов, дообученный на корпусе BC4CHEMD. Модель содержит 658,7 млн параметров, принимает токенизированный текст и выдаёт BIO-метки B-CHEM и I-CHEM; длина контекста — 514 токенов. В карточке указаны английский язык и совместимость с библиотекой Transformers. Модель предназначена для извлечения химических сущностей из научной литературы, медицинских записей и других биомедицинских документов. Её можно применять для поиска упоминаний лекарств и соединений, анализа литературы и построения биомедицинских баз знаний. README заявляет F1 0,95 на BC4CHEMD, однако не приводит подробностей протокола оценки. Модель выпущена по лицензии Apache-2.0.

OpenMed-PII-French-BioClinicalBERT-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных данных во французском тексте. Это дообученная для токенной классификации архитектура BERT на базе emilyalsentzer/Bio_ClinicalBERT; в метаданных указано 135,5 млн параметров, контекст до 512 токенов и формат safetensors. Модель находит 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые сведения, контактные данные и даты. Модель предназначена для разметки PII в клинических записях, медицинских документах и других французских текстах, чтобы поддерживать обезличивание, подготовку наборов данных и аудит документов. По карточке, на французской части AI4Privacy модель показала Micro F1 0,9381. Распространяется по лицензии Apache-2.0. Карточка рекомендует использовать модель как вспомогательный инструмент с проверкой человеком: возможны пропуски персональных данных, а качество может меняться в зависимости от терминологии и контекста. Она оптимизирована для французского языка и может хуже работать на других языках.

OpenMed-PII-French-BiomedELECTRA-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных и иных чувствительных данных во французском тексте. Это дообученная модель токенной классификации на базе Microsoft BiomedELECTRA; она содержит 136,7 млн параметров, использует архитектуру семейства BERT и контекст до 512 токенов. Модель рассчитана на обработку клинических записей, медицинских документов и других текстовых коллекций, где требуется находить данные для последующего обезличивания, проверки конфиденциальности или подготовки исследовательских наборов. Модель распознаёт 54 типа сущностей, включая имена, адреса, контактные данные, идентификаторы, финансовую и медицинскую информацию. В README приведён результат micro F1 0,9288 на французской части набора AI4Privacy. Модель принимает текст и возвращает метки токенов, указывающие на найденные сущности. Она оптимизирована для французского языка; на других языках и при специализированной терминологии качество может снижаться. README рекомендует использовать её как вспомогательный инструмент и проверять результаты человеком, поскольку возможны пропуски чувствительных данных. Лицензия — Apache-2.0.

OpenMed-PII-Italian-SuperClinical-Large-434M-v1 — модель OpenMed для выявления и классификации персональных и других чувствительных данных в итальянском тексте. Это дообученная на базе microsoft/deberta-v3-large модель DeBERTa V2 для классификации токенов: она размечает до 54 типов сущностей, включая личные идентификаторы, медицинские сведения, контакты, адреса, финансовые данные и даты. Модель содержит 533,8 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки сущностей в формате BIO. Модель предназначена для поиска PII в клинических записях, медицинских документах и других итальянских текстах, чтобы подготовить их к обезличиванию, проверке на утечки и исследовательскому использованию. В README сообщается о Micro F1 0,9728 на итальянской части набора AI4Privacy; качество может зависеть от типа текста и терминологии. Лицензия — Apache-2.0. Модель задумана как вспомогательное средство: она может пропускать чувствительные сведения, поэтому результаты для важных сценариев требуют проверки человеком. Оптимизирована для итальянского языка, а качество на других языках не гарантируется.

OpenMed-PII-Spanish-ClinicalBGE-Large-568M-v1 — модель OpenMed для поиска и классификации персональных и других чувствительных данных в испанском тексте. Это дообученная на базе BAAI/bge-m3 модель XLM-RoBERTa для разметки токенов; в метаданных указаны 658,7 млн параметров и контекст до 8194 токенов. Модель распространяется в формате safetensors и предназначена для использования с Transformers. Модель выявляет 54 типа сущностей, включая имена, адреса, идентификаторы, медицинские записи, контактные и финансовые сведения. Её применяют для деидентификации клинических заметок и документов, подготовки наборов данных к исследованиям и аудита документов на наличие чувствительной информации. В оценке на испанской части AI4Privacy указана micro F1 0,9391. Модель обучалась на тексте без диакритических знаков; README рекомендует удалять акценты перед обработкой. Возможны пропуски сущностей, а качество зависит от терминологии и может быть ниже вне испанского языка, поэтому результаты в критичных сценариях следует проверять. Лицензия — Apache-2.0.

OpenMed-PII-Vietnamese-SuperClinical-Small-44M-v1 — модель OpenMed на базе DeBERTa V3 Small, дообученная для токенной классификации и обнаружения 54 типов персональных и чувствительных данных во вьетнамском тексте. Она принимает текст и размечает сущности, включая имена, адреса, идентификаторы, медицинские записи, контактные и финансовые сведения; модель предназначена для деидентификации клинических заметок и документов, подготовки наборов данных и аудита конфиденциальности. Контекст модели составляет 512 токенов, формат весов — safetensors, лицензия — Apache-2.0. В README приведена оценка F1 0,7305 на вьетнамском тестовом наборе AI4Privacy и синтетических данных. Модель лучше всего подходит для вьетнамских текстов; пропуски чувствительных данных возможны, поэтому результаты в важных сценариях следует проверять человеком.

PubMedBert-PubMed200kRCT — модель классификации текста, дообученная автором репозитория на основе microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext на наборе PubMed200kRCT. Она предназначена для разметки неструктурированных фрагментов текстов рандомизированных контролируемых исследований по пяти категориям: BACKGROUND, CONCLUSIONS, METHODS, OBJECTIVE и RESULTS. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает текст длиной до 512 токенов. В README указаны точность 0,8942 и функция потерь 0,2833 на оценочной выборке. Модель подходит для автоматической сегментации и сортировки разделов аннотаций клинических исследований. Лицензия — MIT.

Это модель для распознавания именованных сущностей в биомедицинских текстах: она выделяет упоминания химических веществ и заболеваний. Модель разработана на основе roberta-large и дообучена авторами T-NER на наборе данных tner/bc5cdr; архитектура — RobertaForTokenClassification, размер — 454,1 млн параметров, контекст — до 514 токенов. Модель предназначена для извлечения химических веществ и заболеваний из научных и других биомедицинских текстов. В тестовой оценке BC5CDR она показала micro-F1 0,884; F1 для химических веществ составил 0,926, для заболеваний — 0,834. Для использования авторы рекомендуют библиотеку T-NER: при работе через Transformers слой CRF не поддерживается. Лицензия в предоставленных данных не указана.

judithrosell/BC5CDR_PubMedBERT_NER — модель на архитектуре BERT, дообученная на базе microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext для извлечения из биомедицинского текста упоминаний химических веществ и заболеваний с классификацией токенов. Она содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Модель предназначена для разметки научных публикаций и других биомедицинских текстов; в карточке приведены результаты оценки: F1 0,98 для класса Chemical и 0,81 для Disease. Репозиторий распространяется под лицензией MIT.

Zaiyaan123/biobert-ner-bc5cdr — модель на базе Transformers, предназначенная, судя по идентификатору, для распознавания именованных сущностей в биомедицинских текстах по набору данных BC5CDR. Вероятно, она использует BioBERT и ориентирована на извлечение упоминаний химических веществ и заболеваний, однако README не подтверждает архитектуру, разработчика, языки, размер, контекст или точные параметры обучения. Модель может применяться в задачах обработки научной и медицинской литературы, включая структурирование биомедицинской информации и последующий анализ сущностей. README не содержит сведений о качестве, метриках, ограничениях, рисках, обучающих данных, способе использования или лицензии. Поэтому перед применением необходимы проверка фактической архитектуры, оценка на целевых текстах и уточнение условий распространения. Разработчик в карточке не указан.

Minbyul создал эту модель как дообученную версию BioMistral/BioMistral-7B на наборе HuggingFaceH4/deita-10k-v0-sft. Это плотная причинная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. Базовая BioMistral обучалась на биомедицинских текстах и ориентирована на ответы на медицинские и биологические вопросы; эта версия унаследовала её основу и дообучена на общем наборе инструкционных примеров. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. В README приведена оценка loss 1,8395 на наборе оценки, но описание не содержит дополнительных сведений о методике оценки или качестве в конкретных сценариях. Биомедицинская направленность базовой модели не заменяет профессиональную медицинскую проверку ответов.

CAT-Translate-7B — специализированная языковая модель CyberAgent для перевода между японским и английским языками. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,2 млрд параметров; она распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Для перевода требуется инструкция в запросе. Модель предназначена для двустороннего перевода, в том числе диалогов и текстов из деловой, судебной, медицинской и патентной областей. CyberAgent сообщает о многоэтапном дообучении с учителем на синтетических данных и последующем обучении с подкреплением; в оценке на перечисленных в карточке бенчмарках модель показала высокие результаты для своего размера. Заявленные результаты относятся к конкретным тестовым наборам и не гарантируют такое же качество на любых текстах. Модель выпущена под лицензией MIT. В карточке не описаны ограничения по длине отдельных переводов или меры защиты от ошибок перевода.

gipformer-68M-rnnt — компактная модель распознавания вьетнамской речи от G-Group AI Lab. Она построена на архитектуре Zipformer Transducer (RNNT) и распространяется в формате ONNX для запуска через ONNX Runtime. Модель предназначена для транскрибации вьетнамской речи, включая записи колл-центров с шумом и региональными акцентами, а также медицинские разговоры, эфирную и прочую речь. По данным карточки модели, она показывает высокие результаты на вьетнамских ASR-бенчмарках и рассчитана на эффективное выполнение на мобильных и встраиваемых устройствах, в том числе локально и офлайн. Это может быть полезно для приложений, которым важно обрабатывать аудио на устройстве. В README указано 68M в названии модели; отдельное значение числа параметров в предоставленных данных не приведено. Модель ориентирована на вьетнамский язык. Лицензия — MIT. Заявления о качестве основаны на бенчмарках из README; фактическая точность зависит от условий записи и соответствия аудио тестовым данным.

OpenMed разработала OpenMed-NER-ChemicalDetect-PubMed-v2-109M — модель на базе BiomedNLP-BiomedBERT для распознавания химических сущностей в биомедицинских текстах. Это BERT-модель для классификации токенов с 136,7 млн параметров и контекстом до 512 токенов; она принимает токенизированный текст и размечает упоминания химических веществ тегами BIO B-CHEM и I-CHEM. Модель дообучена на корпусе BC4CHEMD с аннотациями химических соединений в аннотациях PubMed. Модель подходит для извлечения названий химических соединений и лекарств из научных публикаций и медицинских документов, а также для поиска сущностей при мониторинге нежелательных явлений и построении биомедицинских баз знаний. В README приведены результаты на BC4CHEMD: F1 0,949, точность 0,9447 и полнота 0,9534. Карточка не подтверждает независимую валидацию этих показателей на клинических данных, поэтому качество на иных типах текстов может отличаться. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-PharmaDetect-EuroMed-212M — модель на базе EuroBERT для распознавания химических сущностей в биомедицинском тексте. Она дообучена для задачи разметки последовательностей на наборе BC5CDR-Chem и выделяет сущности метками B-CHEM и I-CHEM. Модель содержит около 212 млн параметров, принимает токенизированный текст, поддерживает контекст до 8192 токенов и интегрируется с Transformers. Модель предназначена для извлечения названий химических соединений, лекарств и терапевтических веществ из научных публикаций и медицинских записей. Её можно использовать для поиска упоминаний препаратов, мониторинга нежелательных явлений и подготовки данных для биомедицинских баз знаний. В README указаны F1 0,93, точность 0,93 и полнота 0,92 на BC5CDR-Chem; эти результаты относятся к описанной в карточке оценке и не гарантируют качество на других текстах. Лицензия — Apache-2.0. Модель рассчитана на английский язык и обучена на корпусе научных аннотаций; качество на клинических записях или других языках отдельно не подтверждено.

OpenMed-NER-PharmaDetect-MultiMed-568M — модель OpenMed для распознавания химических сущностей в биомедицинском тексте. Это дообученный трансформер XLM-RoBERTa с примерно 658,7 млн параметров, предназначенный для задачи классификации токенов. Модель принимает токенизированный текст и присваивает токенам BIO-метки B-CHEM и I-CHEM. Модель обучена на наборе BC5CDR_CHEM и предназначена для извлечения названий химических соединений, лекарств и других химических сущностей из научных публикаций и медицинских документов. Это может помогать при анализе литературы, извлечении упоминаний лекарств из записей и подготовке данных для последующей фармаконадзорной аналитики. В README приведены метрики F1 0,95, точность 0,94, полнота 0,96 и accuracy 0,99; они относятся к описанной оценке на BC5CDR_CHEM и не гарантируют такие же результаты на других текстах. Заявленная область контекста — 8194 токена. Карточка указывает английский язык. Модель распространяется под лицензией Apache-2.0. Она распознаёт химические сущности, но сама по себе не устанавливает лекарственные взаимодействия и не заменяет клиническую проверку результатов.

OpenMed разработала OpenMed-NER-PharmaDetect-TinyMed-66M — модель DistilBERT для распознавания химических сущностей в биомедицинских текстах. Это дообученная версия distilbert-base-uncased с классификацией токенов и BIO-метками B-CHEM и I-CHEM; модель содержит 66 млн параметров и принимает токенизированный текст. Контекст ограничен 512 токенами. Модель предназначена для извлечения названий химических соединений, лекарств и других химических сущностей из медицинских записей и научных публикаций, в том числе для мониторинга нежелательных реакций и поиска сведений о препаратах в литературе. В README заявлены F1 0,95, точность 0,94, полнота 0,95 и accuracy 0,98 на BC5CDR-Chem. Карточка указывает совместимость с Transformers; репозиторий использует формат safetensors. Лицензия — Apache-2.0. Модель обучена на англоязычном корпусе BC5CDR-Chem и не предназначена для распознавания сущностей на русском языке.

OpenMed-PII-German-SnowflakeMed-Large-568M-v1 — модель OpenMed для обнаружения персональных и других чувствительных данных в немецком тексте. Это дообученная модель классификации токенов на базе Snowflake/snowflake-arctic-embed-l-v2.0 с архитектурой XLM-RoBERTa; метаданные указывают 658,7 млн параметров, библиотеку Transformers и контекст до 8194 токенов. Модель размечает 54 типа сущностей, включая идентификаторы, имена, контактные и финансовые данные, сведения о здоровье и местоположении. Модель предназначена для выявления PII в клинических записях, медицинских документах и других немецкоязычных материалах, чтобы поддерживать деидентификацию, подготовку исследовательских данных и аудит документов. В оценке на немецкой части AI4Privacy указана micro-F1 0,9724. Модель оптимизирована для немецкого языка; в README её рекомендуют использовать как вспомогательный инструмент с проверкой результатов человеком, поскольку возможны пропуски PII и снижение качества на специализированной терминологии. Лицензия — Apache-2.0.

OpenMed-PII-Italian-mSuperClinical-Large-279M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это дообученный на базе microsoft/mdeberta-v3-base трансформер DeBERTa V2 для классификации токенов: он выделяет 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые сведения, контакты и даты. Модель принимает текст и возвращает метки для его фрагментов; размер по метаданным — 306 млн параметров, контекст — до 512 токенов. Модель предназначена для поиска и удаления персональных данных в клинических заметках, медицинских документах и других итальянских текстах, а также для подготовки наборов данных и аудита документов. В README приведена оценка Micro F1 0,9587 на итальянской части AI4Privacy, однако качество может меняться на других данных и в специализированной терминологии. Разработчики рекомендуют использовать модель как вспомогательный инструмент с проверкой результатов человеком; для других языков она не оптимизирована. Лицензия — Apache-2.0.

OpenMed-PII-Spanish-BiomedELECTRA-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных данных в испанском тексте. Это дообученный для разметки токенов трансформер семейства BERT на базе microsoft/BiomedNLP-BiomedELECTRA-base-uncased-abstract; в метаданных указаны 136,7 млн параметров и контекст до 512 токенов. Модель выделяет 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, контактные, финансовые и медицинские данные. Модель предназначена для поиска персональных данных в клинических записях и документах, подготовки данных к исследованию и поддержки процессов обезличивания и аудита конфиденциальности. В README приведён результат micro F1 0,8375 на испанской части набора AI4Privacy PII Masking 400k. Для лучшей работы рекомендуется удалять диакритические знаки перед обработкой; модель оптимизирована для испанского и может хуже работать на других языках. Она служит вспомогательным средством, поэтому важные результаты требуют проверки человеком. Лицензия — Apache-2.0.

Tsumugii/Sunsimiao-1.8B — диалоговая языковая модель, дообученная на основе Qwen/Qwen1.5-1.8B. Она предназначена для генерации текста и ответов на запросы в формате чата. Для обучения использованы наборы CMB_answer_merge, belle_0.5M_random_305800 и HuatuoGPT2_sft_instruct_GPT4; по названиям наборов можно предположить медицинскую направленность части обучающих данных, но карточка не описывает конкретные сценарии или качество модели. Модель содержит около 1,5 млрд параметров, использует архитектуру Qwen2 с плотной причинно-языковой моделью и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория.

ArabicMedicalBERT-QA-82 — модель классификации арабских медицинских текстов, разработанная Глебом Шаншиным и дообученная на базе AymanElbery/arabic-medical-classifier-arabertv2. Она использует архитектуру BERT и содержит 162,4 млн параметров; максимальная длина входа — 512 токенов. Модель предназначена для отнесения медицинских вопросов и ответов на арабском языке к медицинским категориям. В карточке приведён список категорий, включающий, например, аллергию, генетику, патологию и детские заболевания. Модель подходит для тематической сортировки арабских медицинских обращений и текстов, а также для распределения медицинских вопросов по категориям. README указывает на исследование, посвящённое проблеме дисбаланса классов при классификации арабских медицинских текстов. Данные обучения, точные метрики качества и условия лицензии в доступных сведениях не описаны.

BioBERT_BC5CDR_NER_new — дообученная модель на базе dmis-lab/biobert-v1.1 для распознавания сущностей в биомедицинском тексте. Она использует архитектуру BERT и решает задачу классификации токенов; размер модели — 135,5 млн параметров, максимальный контекст — 512 токенов. Карточка сообщает метрики на оценочной выборке: F1 0,9737, точность 0,9749 и полнота 0,9725. Модель предназначена для извлечения и разметки биомедицинских сущностей в англоязычных текстах. Данные обучения в карточке обозначены как None, поэтому конкретный набор сущностей и состав датасета установить нельзя. Репозиторий использует формат safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

BioELECTRA-PICO — модель на базе архитектуры ELECTRA с 136,7 млн параметров, предназначенная для классификации токенов в биомедицинских текстах. Она может использоваться для извлечения сущностей PICO — популяции, вмешательства, сравнения и исходов — из научных публикаций и других медицинских текстов. Модель принимает текст и выдаёт метки для его токенов; максимальная длина контекста составляет 512 токенов. Модель опубликована пользователем kamalkraj на Hugging Face; README содержит название и просьбу цитировать статью, но не раскрывает подробности обучения или результаты. Доступны веса PyTorch и Safetensors. Сведения о лицензии и подтверждённых ограничениях качества в предоставленных данных отсутствуют.