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

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}")

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