README.md

# Mehd212/camembert-bio-morpho

French biomedical **token-classification** model for detecting **morphological terms** (tumour / lesion morphology) in clinical oncology texts.

- **Base model**: French biomedical CamemBERT-Bio  
- **Fine-tuned on**: the **FRACCO** corpus (French Clinical Cases in Oncology), using the `morphologie` annotations  
- **Task**: Named Entity Recognition (NER) with a single entity type `MORPHO`

This model is intended for research and prototyping, for automatically extracting tumour / lesion morphology mentions from French oncology narratives.

---

## Usage with 🤗 Transformers

```python
from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

model = "Mehd212/camembert-bio-morpho"

tokenizer = AutoTokenizer.from_pretrained(model)
model = AutoModelForTokenClassification.from_pretrained(model)

ner_pipe = pipeline(
    "token-classification",
    model=model,
    tokenizer=tokenizer,
    aggregation_strategy="simple",  # merge sub-tokens into full words/spans
)

text = """Anamnèse
Patient âgé de 18 ans, traité pour un rétinoblastome bilatéral à 14 mois avec énucléation de l'œil gauche et chimiothérapie de l'œil droit. Après rechute locale, énucléation de l'œil droit à 32 mois. Etude génétique : mutation p.Arg455X dans l'exon 14 du gène Rb1. Elle présente une masse temporale droite évoluant depuis 3 mois.

Examen physique
État de performance (ECOG) de 1. Masse temporale droite de 4 cm, induration parotidienne et adénopathie latérocervicale droite de 2 cm.

Examens complémentaires
Une tomodensitométrie du corps entier a été réalisée : masse temporale droite de 4,6 cm. Masse parotidienne droite de 3,5 cm. Adénopathies latérocervicales droites, jusqu'à 1,9 cm.
Une ponction-aspiration à l'aiguille fine a été effectuée, avec un rapport de néoplasme malin à cellules rondes bleues, compatible avec une récidive de rétinoblastome.
Adressée au service d'oncologie médicale, une biopsie a été demandée, qui a révélé un néoplasme malin à cellules rondes bleues, mais compatible avec un rhabdomyosarcome embryonnaire, d'après le profil immunohistochimique (MyoD1+).

Diagnostic
Rhabdomyosarcome embryonnaire dans la zone irradiée ; stade III.

Traitement
Évalué conjointement avec la chirurgie maxillo-faciale et la radiothérapie, une chimiothérapie a été décidée (schéma VAIA avec une alternance de doxorubicine et de dactomycine) ; pour une chirurgie ultérieure à effort maximal.
Il a progressé après 3 cycles et une deuxième ligne a été lancée avec du carboplatine et de l'étoposide, avec laquelle il a eu une réponse radiologique complète après 3 cycles, de sorte que la chirurgie a été rejetée et la radiothérapie a été administrée en même temps que les 3 derniers cycles (dose de 67,94 Gy). Elle s'est terminée en août 2011.

Évolution
En janvier 2012, un scanner a montré une lésion hépatique unique de 7,6 cm, avec un diagnostic différentiel entre un kyste hydatique et une métastase ; elle ne se prêtait pas à un diagnostic percutané en raison de sa localisation et de sa nature kystique. Une hépatectomie droite a été pratiquée, avec un rapport de métastase de rhabdomyosarcome.
La tomodensitométrie post-chirurgicale a montré une progression métastatique multiple. Elle a présenté le PS 2, avec un syndrome général, des douleurs et de multiples nodules cervicaux bilatéraux.
Elle a reçu un traitement palliatif par docétaxel-gemcitabine, avec une réponse clinique (rémission de la douleur, de l'asthénie et des lésions cervicales) et une réponse radiologique au scanner.
Après 6 cycles, elle s'est présentée aux urgences pour un malaise général, un syndrome émétique et une insuffisance respiratoire. Un traitement symptomatique a été mis en place, mais elle est décédée quelques heures plus tard.
"""  # noqa: E501

entities = ner_pipe(text)
for ent in entities:
    print(ent)
```

---

## Usage with medkit

```python
import torch
from medkit.text.ner.hf_entity_matcher import HFEntityMatcher
from medkit.core.text import TextDocument
from medkit.text.segmentation import SentenceTokenizer

DEVICE = 0 if torch.cuda.is_available() else -1

morpho_matcher = HFEntityMatcher(
    model="Mehd212/camembert-bio-morpho",
    aggregation_strategy="simple",
    device=DEVICE,
)

text = """Anamnèse
Patient âgé de 18 ans, traité pour un rétinoblastome bilatéral...
"""

doc = TextDocument(text=text)

sent_tok = SentenceTokenizer(
    output_label="sentence",
    split_on_newlines=True,
    punct_chars=[".", "?", "!"],
    keep_punct=True,
)

sentence_segs = sent_tok.run([doc.raw_segment])

entities = morpho_matcher.run(sentence_segs)

for ent in entities:
    print(ent.label, repr(ent.text), [(s.start, s.end) for s in ent.spans])
```

---

## Results on FRACCO (test set)

Evaluation on the FRACCO **test** split (entity-level, seqeval):

```text
              precision    recall  f1-score   support

      MORPHO     0.8882    0.9072    0.8976      3837

   micro avg     0.8882    0.9072    0.8976      3837
   macro avg     0.8882    0.9072    0.8976      3837
weighted avg     0.8882    0.9072    0.8976      3837
```