Model Card for `sociocom/MedTXTNER`

本モデルは、日本語医療テキストの NER（固有表現抽出）タスク向けに cl-tohoku/bert-base-japanese-v3 をファインチューニングしたモデルです。

モデル詳細

説明

ベースに cl-tohoku/bert-base-japanese-v3を使用
奈良先端大で作成された日本語医療テキストのアノテーション付きデータ（症例報告、読影レポート、看護記録）でファインチューニングを実施

項目	詳細
Developed by	NAIST ソーシャルコンピューティング研究室
Model type	Token classification
Language(s)	Japanese
Finetuned from	cl-tohoku/bert-base-japanese-v3

モデルソース

Hub リポジトリ: https://huggingface.co/sociocom/MedTXTNER

タグおよび属性一覧

タグ名	説明	属性一覧
a	臓器・部位（Anatomical parts）	なし
c	変化（Change）	なし
cc	クリニカルコンテクスト（Clinical Context）	executed, negated, other, scheduled
d	病変・症状（Diseases and symptoms）	general, negative, positive, suspicious
f	特徴・尺度（Features and measurements）	なし
m-key	薬品名（Medicine name）	executed, negated, other, scheduled
m-val	薬品値（Medicine value）	executed, negated, other, scheduled
r	治療（Remedy）	executed, negated, other, scheduled
t-key	検査項目（Test item）	executed, negated, other, scheduled
t-test	検査名（Test name）	executed, negated, other, scheduled
t-val	検査値（Test value）	なし
timex3	時間表現（Time expressions）	age, date, duration, med, misc, set, time

各タグ・属性の詳細はReal-MedNLP アノテーションガイドラインをご参照ください。

利用方法

import torch
from transformers import AutoTokenizer, AutoModelForTokenClassification

model_dir = "sociocom/MedTXTNER"
model     = AutoModelForTokenClassification.from_pretrained(model_dir)
tokenizer = AutoTokenizer.from_pretrained(model_dir, use_fast=True)
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
model.eval()

def predict_text(text: str):
    enc = tokenizer(
        text,
        return_tensors="pt",
        truncation=True,
        padding="longest",
        is_split_into_words=False
    ).to(device)

    with torch.no_grad():
        outputs = model(**enc)
        logits  = outputs.logits

    pred_ids = torch.argmax(logits, dim=-1)[0].cpu().tolist()
    tokens = tokenizer.convert_ids_to_tokens(enc["input_ids"][0])
    id2label = model.config.id2label

    result = []
    for tok, pid in zip(tokens, pred_ids):
        if tok in tokenizer.all_special_tokens:
            continue
        result.append((tok, id2label[pid]))
    return result

sample = "症例】５３歳女性。発熱と嘔気を認め、プレドニゾロンを中断しました。"
for tok, lab in predict_text(sample):
    print(f"{tok}\t{lab}")

出力例

症例    O
】      O
53      B-timex3_age
歳      I-timex3_age
女性    O
。      O
発熱    B-d_positive
と      I-d_positive
嘔      I-d_positive
##気    I-d_positive
を      O
認め    O
、      O
プレ    B-m-key_negated
##ド    I-m-key_negated
##ニ    I-m-key_negated
##ゾ    I-m-key_negated
##ロン  I-m-key_negated
を      O
中断    O
し      O
まし    O
た      O
。      O

Evaluation

属性なし（エンティティタイプのみ評価）

Dataset	Micro‑F1	Macro‑F1	Weighted‑F1
Overall	0.699	0.673	0.700
MedTxt‑CR	0.608	0.575	0.612
MedTxt‑RR	0.903	0.930	0.903
MedTxt‑NR	0.800	0.788	0.800

属性あり（エンティティタイプ+属性を区別して評価）

Dataset	Micro‑F1	Macro‑F1	Weighted‑F1
Overall	0.638	0.480	0.641
MedTxt‑CR	0.551	0.396	0.559
MedTxt‑RR	0.887	0.708	0.888
MedTxt‑NR	0.730	0.552	0.731

Publication

This model can be cites as:

@misc{social_computing_lab_2025,
    author       = { Social Computing Lab },
    title        = { MedTXTNER (Revision 6788187) },
    year         = 2025,
    url          = { https://huggingface.co/sociocom/MedTXTNER },
    doi          = { 10.57967/hf/5732 },
    publisher    = { Hugging Face }
}

Model Card for sociocom/MedTXTNER