Clinical Assertion Negation Bert

🚀 臨床アサーション/否定分類BERT

このモデルは、臨床患者の手紙に記載された医療状態をPRESENT、ABSENT、POSSIBLEに分類することで、手紙内の情報を整理するのに役立ちます。

🚀 クイックスタート

臨床アサーションと否定分類のBERTは、論文 Assertion Detection in Clinical Notes: Medical Language Models to the Rescue? で紹介されています。このモデルは、臨床患者の手紙に記載された医療状態をPRESENT、ABSENT、POSSIBLEに分類することで、手紙内の情報を整理するのに役立ちます。

このモデルは、Alsentzerらによる ClinicalBERT - Bio + Discharge Summary BERT Model をベースに、2010 i2b2 challenge のアサーションデータで微調整されています。

✨ 主な機能

• 臨床患者の手紙に記載された医療状態をPRESENT、ABSENT、POSSIBLEに分類する。
• 特定のエンティティを含む文章を入力として受け取り、そのエンティティの状態を分類する。

📦 インストール

transformers ライブラリを使用してモデルをロードすることができます。

from transformers import AutoTokenizer, AutoModelForSequenceClassification, TextClassificationPipeline
tokenizer = AutoTokenizer.from_pretrained("bvanaken/clinical-assertion-negation-bert")
model = AutoModelForSequenceClassification.from_pretrained("bvanaken/clinical-assertion-negation-bert")

💻 使用例

基本的な使用法

# モデルのロード
from transformers import AutoTokenizer, AutoModelForSequenceClassification, TextClassificationPipeline
tokenizer = AutoTokenizer.from_pretrained("bvanaken/clinical-assertion-negation-bert")
model = AutoModelForSequenceClassification.from_pretrained("bvanaken/clinical-assertion-negation-bert")

高度な使用法

# 入力と推論の例
input = "The patient recovered during the night and now denies any [entity] shortness of breath [entity]."

classifier = TextClassificationPipeline(model=model, tokenizer=tokenizer)

classification = classifier(input)
# [{'label': 'ABSENT', 'score': 0.9842607378959656}]

📚 ドキュメント

モデルは、PRESENT(0)、ABSENT(1)、または POSSIBLE(2) として分類するために、1つのマークされたエンティティを含むスパン/文の形式の入力を期待しています。対象のエンティティは、特殊トークン [entity] で囲まれて識別されます。

📄 ライセンス

このモデルを使用する際は、以下のように論文を引用してください。

@inproceedings{van-aken-2021-assertion,
    title = "Assertion Detection in Clinical Notes: Medical Language Models to the Rescue?",
    author = "van Aken, Betty  and
      Trajanovska, Ivana  and
      Siu, Amy  and
      Mayrdorfer, Manuel  and
      Budde, Klemens  and
      Loeser, Alexander",
    booktitle = "Proceedings of the Second Workshop on Natural Language Processing for Medical Conversations",
    year = "2021",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.nlpmc-1.5",
    doi = "10.18653/v1/2021.nlpmc-1.5"
}