Biobert Ner Disease Ncbi

🚀 BioBERT Disease NER Model

このモデルは、信頼性の高いNCBI Diseaseデータセットを使用してBioBERTをファインチューニングした、最も強力で高精度な疾患固有表現抽出（NER）モデルの一つです。このモデルは、驚異的な98.64%の正解率と印象的なF1スコア89.04% を達成し、疾患抽出タスクにおいて高い性能を発揮します。

臨床および生物医学テキストからの疾患、症状、および医学的状態の正確な識別に最適化されています。

✨ 主な機能

• 臨床および生物医学文書からの疾患の言及を抽出します。
• 医療AIシステムや医学研究の自動化をサポートします。

📦 インストール

このモデルは、Hugging Face Transformersライブラリを使用して利用できます。

💻 使用例

基本的な使用法

from transformers import pipeline

nlp = pipeline(
    "ner",
    model="Ishan0612/biobert-ner-disease-ncbi",
    tokenizer="Ishan0612/biobert-ner-disease-ncbi",
    aggregation_strategy="simple"
)

text = "The patient has signs of diabetes mellitus and chronic obstructive pulmonary disease."

results = nlp(text)

for entity in results:
    print(f"{entity['word']} - ({entity['entity_group']})")

このコードは以下の出力を生成します。

抽出された医療関連の固有表現:

the patient has signs of - (LABEL_0)

diabetes - (LABEL_1)

mellitus - (LABEL_2)

and - (LABEL_0)

chronic - (LABEL_1)

obstructive pulmonary disease - (LABEL_2)

. - (LABEL_0)

高度な使用法

# 高度な使用法の説明はありませんが、ここに高度なコードを記述できます。
# 例えば、大量のテキストをまとめて処理する場合など。

📚 ドキュメント

モデルの性能

• 適合率（Precision）: 86.80%
• 再現率（Recall）: 91.39%
• F1スコア: 89.04%
• 正解率（Accuracy）: 98.64%

✅ 6,800以上の注釈付きサンプルを使って5エポックにわたってファインチューニングされ、一貫して高い検証スコアを達成しています。

想定される用途

• 臨床および生物医学文書からの疾患の言及を抽出します。
• 医療AIシステムや医学研究の自動化をサポートします。

学習データ

このモデルは、NCBI diseaseデータセットを使って学習されました。このデータセットは、6892の疾患の言及が含まれる793のPubMed抄録で構成されています。

注意事項

注: LABEL_0は「O」（Outside）に対応し、LABEL_1は「B-Disease」、LABEL_2は「I-Disease」に対応しており、BIOタグ付け形式に従っています。

🔧 技術詳細

このモデルは、dmis-lab/biobert-base-cased-v1.1をベースモデルとして使用し、トークン分類のパイプラインタグを持っています。

📄 ライセンス

このモデルは、元のBioBERT (dmis-lab/biobert-base-cased-v1.1) と同じく、Apache 2.0 Licenseの下でライセンスされています。

引用

@article{lee2020biobert,
  title={BioBERT: a pre-trained biomedical language representation model for biomedical text mining},
  author={Lee, Jinhyuk and Yoon, Wonjin and Kim, Sungdong and Kim, Donghyeon and So, Chan Ho and Kang, Jaewoo},
  journal={Bioinformatics},
  volume={36},
  number={4},
  pages={1234--1240},
  year={2020},
  publisher={Oxford University Press}
}