genzeonplatform/healthcare-brain-clinical-findings-ner

🏥 Healthcare Brain Clinical Findings NER — Trích xuất thực thể lâm sàng từ văn bản y tế

Một mô hình transformer dựa trên Bio_ClinicalBERT, được tinh chỉnh bởi Genzeon Platforms để trích xuất các thực thể lâm sàng từ văn bản không có cấu trúc trong hệ thống EHR.

Healthcare Brain Clinical Findings NER là một mô hình Named Entity Recognition (NER) dựa trên transformer do Genzeon Platforms phát triển, dùng để tự động trích xuất các bệnh lý, triệu chứng, cấu trúc cơ thể và các mô tả lâm sàng từ văn bản y tế như hồ sơ bệnh nhân, tóm tắt xuất viện, ghi chú tiến độ bệnh. Mô hình được xây dựng trên nền tảng Bio_ClinicalBERT và tinh chỉnh trên các bộ dữ liệu y học sinh học, hỗ trợ 8 danh mục thực thể lâm sàng.

✨ Điểm nổi bật

• Kiến trúc SpaCy Transformer + TransitionBasedParser: Kết hợp transformer mạnh với parser dựa trên trạng thái chuyển đổi cho NER.
• Hỗ trợ 8 loại thực thể lâm sàng: Bao gồm DISEASE, CLINICAL_FINDING, CONDITION, BODY_LOCATION, SEVERITY, LATERALITY, COURSE, CLINICAL_STATUS.
• Kỹ thuật BIO tagging với 17 nhãn: Áp dụng chuẩn gán nhãn BIO cho toàn bộ quá trình trích xuất thực thể.
• Độ dài chuỗi tối đa 512 token: Xử lý văn bản dài thông qua kỹ thuật strided spans (window=64, stride=48).
• Hiệu suất F1 (Strict) đạt 0.6209: Độ chính xác tổng thể tốt trên các bộ dữ liệu NCBI Disease, BC5CDR, MedMentions.
• Hỗ trợ pipeline SpaCy 3.8: Tích hợp liền mạch với hệ sinh thái SpaCy và spacy-transformers.
• Giấy phép Apache-2.0: Cho phép sử dụng thương mại và điều chỉnh tùy nhu cầu.
• Hỗ trợ triển khai nhanh qua Hugging Face: Tải và sử dụng trực tiếp qua spacy.load().

💡 Vì sao đáng chú ý

Mô hình không chỉ tập trung vào trích xuất tên bệnh mà còn phân tích sâu các mô tả lâm sàng như mức độ nặng (SEVERITY), vị trí cơ thể (BODY_LOCATION), tiến độ bệnh (COURSE) — giúp xây dựng pipeline hiểu biết lâm sàng toàn diện từ văn bản không có cấu trúc. Điều này đặc biệt hữu ích cho các hệ thống hỗ trợ ra quyết định lâm sàng, làm giàu dữ liệu EHR và khai thác dữ liệu nghiên cứu y học.

So với các mô hình NER chung, Healthcare Brain Clinical Findings NER được tối ưu riêng cho ngữ cảnh y tế thông qua việc tinh chỉnh trên Bio_ClinicalBERT — một mô hình ngôn ngữ pre-trained chuyên cho văn bản lâm sàng. Kết quả đánh giá với matching relaxed cho thấy F1 lên tới 0.9680 với DISEASE, chứng tỏ mô hình nắm vững ngữ nghĩa thực thể dù biên giới có thể chưa luôn chính xác tuyệt đối.

---

#Healthcare #ClinicalNER #BioClinicalBERT #SpaCy #NamedEntityRecognition #TiniX