GENIE_en_8bオープンソースモデル - 電子健康記録から生物医学的実体と属性を無料で抽出する

ホーム

GENIE En 8b

THUMedInfoによって開発

GENIEは、電子健康記録（EHR）から自由テキストを構造化し、生物医学的命名エンティティとその関連属性を抽出するためのエンドツーエンドモデルです。

大規模言語モデル

Safetensors

英語オープンソースライセンス:Apache-2.0 #電子健康記録の構造化 #医療情報抽出 #プロンプトエンジニアリング不要

ダウンロード数 141

リリース時間 : 11/19/2024

モデル概要

GENIEは、EHRを単一処理することで、生物医学的命名エンティティとそのアサーション状態、身体部位、修飾語、数値、単位、および期待される目的を抽出し、これらの情報を構造化されたJSON形式で出力します。

モデル特徴

エンドツーエンド処理

単一モデルでEHRを処理し、従来の自然言語処理ワークフローを簡素化、複数の分析コンポーネントが不要です。

構造化出力

生物医学的命名エンティティとその関連属性を含む構造化JSON形式の出力を直接生成します。

効率的な処理

すべての関連属性を一度に生成し、実行時間と運用コストを大幅に削減します。

プロンプトエンジニアリング不要

一般的なLLMとは異なり、GENIEはプロンプトエンジニアリングや少数のサンプルを必要としません。

モデル能力

電子健康記録の構造化

生物医学的命名エンティティ抽出

アサーション状態認識

身体部位の特定

修飾語抽出

数値と単位の抽出

期待される目的の識別

使用事例

医療情報管理

EHR構造化処理

電子健康記録から構造化情報を抽出し、医療データ分析と保存に使用します。

生物医学的命名エンティティとその属性を含む構造化JSONデータを出力します。

臨床研究

患者記録分析

患者記録を自動分析し、研究に使用する重要な医療情報を抽出します。

疾患、症状、薬物などの重要な情報を迅速に識別します。

🚀 GENIEのモデルカード

GENIE（Generative Note Information Extraction）は、電子カルテ（EHR）の自由記述テキストを構造化するためのエンドツーエンドのモデルです。このモデルは、大規模言語モデル（LLM）の高度な分析機能を活用し、EHRの情報抽出を効率的に行います。

🚀 クイックスタート

モデルの詳細

属性	详情
モデルサイズ	8B (英語)
最大トークン数	8192
ベースモデル	Llama 3.1 8B (英語)

モデルの説明

GENIE（Generative Note Information Extraction）は、電子カルテ（EHR）からの自由記述テキストを構造化するために設計されたエンドツーエンドのモデルです。このモデルは、EHRを一度に処理し、生物医学的な固有表現とそのアサーションステータス、身体の位置、修飾語、値、単位、および意図された目的を抽出し、これらの情報を構造化されたJSON形式で出力します。この合理化されたアプローチは、従来の自然言語処理ワークフローを簡素化し、すべての分析コンポーネントを単一のモデルで置き換えることで、システムの保守を容易にし、大規模言語モデル（LLM）の高度な分析機能を活用します。汎用のLLMと比較して、GENIEはプロンプトエンジニアリングや少数例の例を必要としません。さらに、一度の処理ですべての関連属性を生成するため、実行時間と運用コストを大幅に削減します。 GENIEは、Sheng Yu（https://www.stat.tsinghua.edu.cn/teachers/shengyu/）、Tianxi Cai（https://dbmi.hms.harvard.edu/people/tianxi-cai）、およびIsaac Kohane（https://dbmi.hms.harvard.edu/people/isaac-kohane）のグループによって共同開発されました。

💻 使用例

基本的な使用法

from vllm import LLM, SamplingParams

model = LLM(model='THUMedInfo/GENIE_en_8b', tensor_parallel_size=1)
#model = LLM(model=path/to/your/local/model, tensor_parallel_size=1)

PROMPT_TEMPLATE = "Human:\n{query}\n\n Assistant:"
sampling_params = SamplingParams(temperature=temperature, max_tokens=max_new_token)
EHR = ['xxxxx1','xxxxx2']
texts = [PROMPT_TEMPLATE.format(query=k) for k in EHR]
output = model.generate(texts, sampling_params)
res = json.loads(output[0].outputs[0].text)

入力例

EHR = ["""Unit No:___

Admission Date:___



  Discharge Date:___

Date of Birth:___



 Sex:   F

Service: MEDICINE

Allergies:
Sulfur / Norvasc

Attending:___
Addendum:
See below

Chief Complaint:
abdominal pain

Major Surgical or Invasive Procedure:
none

History of Present Illness:
84 F with PMHx of Renovascular HTN c/b NSTEMI now s/p renal
stents, Gout and h/o Crohn's disease who presented to the ED on
___with RLQ pain for approx 2 days.  She denies any
nausea/vomiting/diarrhea or constipation but has not been taking

po well and felt dehydrated."""]

出力例

res = [{'phrase': 'allergies',
  'semantic_type': 'Disease, Syndrome or Pathologic Function',
  'assertion_status': 'title',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'sulfur',
  'semantic_type': 'Chemical or Drug',
  'assertion_status': 'conditional',
  'body_location': 'not applicable',
  'modifier': 'not applicable',
  'value': 'null',
  'unit': 'units: null',
  'purpose': 'null'},
 {'phrase': 'norvasc',
  'semantic_type': 'Chemical or Drug',
  'assertion_status': 'conditional',
  'body_location': 'not applicable',
  'modifier': 'not applicable',
  'value': 'null',
  'unit': 'units: null',
  'purpose': 'null'},
 {'phrase': 'abdominal pain',
  'semantic_type': 'Sign, Symptom, or Finding',
  'assertion_status': 'present',
  'body_location': 'Abdominal',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'surgical or invasive procedure',
  'semantic_type': 'Therapeutic or Preventive Procedure',
  'assertion_status': 'title',
  'body_location': 'null',
  'modifier': 'not applicable',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'null'},
 {'phrase': 'renovascular hypertension',
  'semantic_type': 'Disease, Syndrome or Pathologic Function',
  'assertion_status': 'present',
  'body_location': 'renal',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'non-st elevation myocardial infarction',
  'semantic_type': 'Disease, Syndrome or Pathologic Function',
  'assertion_status': 'present',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'gout',
  'semantic_type': 'Disease, Syndrome or Pathologic Function',
  'assertion_status': 'present',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': "crohn ' s disease",
  'semantic_type': 'Disease, Syndrome or Pathologic Function',
  'assertion_status': 'present',
  'body_location': 'not applicable',
  'modifier': 'not applicable',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'emergency department',
  'semantic_type': 'Therapeutic or Preventive Procedure',
  'assertion_status': 'present',
  'body_location': 'null',
  'modifier': 'not applicable',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'null'},
 {'phrase': 'pain',
  'semantic_type': 'Sign, Symptom, or Finding',
  'assertion_status': 'present',
  'body_location': 'right lower quadrant',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'nausea',
  'semantic_type': 'Sign, Symptom, or Finding',
  'assertion_status': 'absent',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'vomiting',
  'semantic_type': 'Sign, Symptom, or Finding',
  'assertion_status': 'absent',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'diarrhea',
  'semantic_type': 'Sign, Symptom, or Finding',
  'assertion_status': 'absent',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'},
 {'phrase': 'constipation',
  'semantic_type': 'Sign, Symptom, or Finding',
  'assertion_status': 'absent',
  'body_location': 'null',
  'modifier': 'null',
  'value': 'not applicable',
  'unit': 'not applicable',
  'purpose': 'not applicable'}]

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

📚 引用

もしあなたがこの論文やモデルを役立つと感じた場合、以下のように引用してください。

BibTeX:

@misc{ying2025geniegenerativenoteinformation,
      title={GENIE: Generative Note Information Extraction model for structuring EHR data}, 
      author={Huaiyuan Ying and Hongyi Yuan and Jinsen Lu and Zitian Qu and Yang Zhao and Zhengyun Zhao and Isaac Kohane and Tianxi Cai and Sheng Yu},
      year={2025},
      eprint={2501.18435},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2501.18435}, 
}