Lucyan85/xlmr-ner-prostata

XLM-RoBERTa Fine-tuned for NER on Prostate Cancer Clinical Texts

Descripción

Modelo XLM-RoBERTa (multilingüe) afinado para reconocimiento de entidades nombradas (NER) en textos clínicos sobre cáncer de próstata.

Modelo base: xlm-roberta-base

Entidades Reconocidas

El modelo identifica 10 tipos de entidades clínicas:

1. EDAD: Edad del paciente
2. BIOMARCADOR: PSA, marcadores biológicos
3. CANCER: Tipos de cáncer
4. GLEASON: Score de Gleason
5. TNM: Clasificación TNM
6. TRATAMIENTO: Tratamientos médicos
7. MEDICAMENTO: Medicamentos
8. DOSIS: Dosis de medicamentos
9. CIRUGIA: Procedimientos quirúrgicos
10. FECHA: Fechas de eventos médicos

Rendimiento

Métrica	Valor
F1-score	96.70%
Precision	96.41%
Recall	97.00%
Accuracy	99.37%

Uso

from transformers import pipeline

# Cargar modelo
ner_pipeline = pipeline(
    "token-classification",
    model="Lucyan85/xlmr-ner-prostata",
    aggregation_strategy="simple"
)

# Ejemplo
texto = '''Paciente masculino de 72 años con adenocarcinoma de próstata. 
Gleason 3+3, PSA 9.9 ng/dL.'''

resultados = ner_pipeline(texto)
for entidad in resultados:
    print(f"{entidad['entity_group']}: {entidad['word']}")

Entrenamiento

• Batch size: 16
• Learning rate: 2e-05
• Épocas: 10
• Max length: 128
• Early stopping: 3 épocas

Comparación con BETO

XLM-RoBERTa es un modelo multilingüe entrenado en 100 idiomas, mientras que BETO está especializado en español. Este modelo puede generalizar mejor en textos con términos médicos en diferentes idiomas.

Autor

Lucyan85 - Maestría en Ingeniería de Sistemas y Computación, Universidad Nacional de Colombia