Update README.md

README.md

@@ -15,6 +15,14 @@ tags:
 datasets:
 - pacovalentino/synth_emerg_ITA
 ---
+### Modello NER per Schede Emergenziali del 118 Italiano
+Questo modello esegue Named Entity Recognition (NER) su testi in lingua italiana provenienti da schede emergenziali del servizio 118. È stato addestrato su un dataset sintetico creato per rappresentare fedelmente il linguaggio e la struttura dei documenti operativi utilizzati in contesti di emergenza sanitaria. L’obiettivo del modello è l’estrazione automatica di informazioni strutturate da testi liberi, come dati anagrafici, parametri vitali, orari e luoghi di intervento, figure professionali coinvolte e condizioni cliniche riferite.
+
+Il modello deriva da un linguaggio pre-addestrato in italiano, successivamente adattato al dominio medico-emergenziale attraverso una combinazione di Domain-Adaptive Pre-Training (DAPT) e fine-tuning con LoRA. Il DAPT ha consentito di specializzare le rappresentazioni linguistiche del modello su testi sintetici di natura emergenziale, mentre il fine-tuning con LoRA ha permesso un addestramento efficiente su un dataset annotato per il compito di riconoscimento di entità. Il risultato è un modello ottimizzato per identificare automaticamente entità nominali e numeriche rilevanti nelle schede operative del 118, includendo informazioni su pazienti, operatori, parametri clinici, codici e tempistiche operative.
+
+Il modello riconosce le seguenti 55 categorie di entità: O, AUTISTA, AUTORITA_PRESENTE, CAUSA_TRASPORTO_NON_EFFETTUATO, CODICE_RIENTRO, CODICE_USCITA, COMUNE_RESIDENZA, CONDIZIONE_RIFERITA, COSCIENZA, CRI, CUTE, DATA_CHIAMATA, DATA_NASCITA, DECESSO, DICHIARANTE_DATI, FC_BPM, GCS_APERTURA_OCCHI, GCS_RISPOSTA_MOTORIA, GCS_RISPOSTA_VERBALE, GLICEMIA, INFERMIERE_PROFESSIONALE, LESIONE, LUOGO_INTERVENTO, LUOGO_NASCITA, MEDICINA, MEDICO, NOME_COGNOME, NUMERO_RESIDENZA, NUMERO_TELEFONO, ORA_CHIAMATA, ORA_DECESSO, ORA_IN_PRONTO_SOCCORSO, ORA_LIBERO_OPERATIVO, ORA_PARTENZA, ORA_PARTENZA_POSTO, ORA_SUL_POSTO, PARTE_CORPO, PA_MMHG, PROVINCIA_RESIDENZA, PROVVEDIMENTI_ALTRO, PROVVEDIMENTI_CIRCOLO, PROVVEDIMENTI_IMMOBILIZZAZIONE, PROVVEDIMENTI_RESPIRO, PUPILLE_REATTIVITA, PUPILLE_TIPO_DX, PUPILLE_TIPO_SX, RESPIRO, RIFIUTO, SEL, SESSO, SOCCORRITORE_1, SOCCORRITORE_2, SOCCORRITORE_3, SpO2, TEMPERATURA, VIA_RESIDENZA.
+
+Il modello è destinato a scopi di ricerca e sperimentazione nel campo dell’elaborazione del linguaggio naturale applicata al dominio medico-emergenziale. Non è adatto all’uso clinico o decisionale senza un’adeguata validazione su dati reali e revisionati da personale esperto. Le tecniche utilizzate comprendono il Domain-Adaptive Pre-Training (DAPT) e il fine-tuning LoRA su un dataset sintetico in lingua italiana. Il modello appartiene alla categoria token-classification (Named Entity Recognition) ed è ottimizzato per il contesto linguistico e operativo del sistema di emergenza sanitaria italiano.
 
 ## ESEMPIO DI UTILIZZO
 
@@ -54,7 +62,7 @@ for r in results:
     print(f"{entity:<40} | {label}")
 ```
 
-OUTPUT ATTESO
+## OUTPUT ATTESO
 
 ENTITÀ                                   | LABEL
 ------------------------------------------------------------
@@ -71,13 +79,24 @@ Croce Rossa Italiana di Parma             | CRI
 Bianchi Luca                               | AUTISTA
 Dott. Verdi Andrea                        | MEDICO
 
-DESCRIZIONE
+## DESCRIZIONE
 
 Il codice mostra passo passo come inizializzare il tokenizer e il modello, creare la pipeline NER con aggregazione, 
 applicarla a un testo di esempio e stampare le entità in formato tabellare chiaro. La tabella rappresenta le entità 
 automaticamente riconosciute dal modello con le rispettive label, utile per analisi strutturate delle schede emergenziali 
 del servizio 118.
 
+
+### NER Model for Italian 118 Emergency Medical Records
+
+This model performs Named Entity Recognition (NER) on Italian-language texts derived from emergency medical records of the Italian 118 service. It was trained on a synthetic dataset designed to reproduce the linguistic structure and style of operational documents used in emergency medical contexts. The model’s purpose is to automatically extract structured information from free text, such as personal data, vital signs, event times and locations, professional roles, and reported clinical conditions.
+
+The model is based on a pre-trained Italian language model, further adapted to the medical-emergency domain through a combination of Domain-Adaptive Pre-Training (DAPT) and LoRA fine-tuning. The DAPT phase allowed the model to specialize its linguistic representations on synthetic emergency-related texts, while LoRA fine-tuning enabled efficient task-specific training on a labeled dataset for entity recognition. As a result, the model can automatically identify relevant nominal and numerical entities within emergency records, including information about patients, staff, clinical parameters, operational codes, and event timing.
+
+The model recognizes the following 55 entity categories: O, AUTISTA, AUTORITA_PRESENTE, CAUSA_TRASPORTO_NON_EFFETTUATO, CODICE_RIENTRO, CODICE_USCITA, COMUNE_RESIDENZA, CONDIZIONE_RIFERITA, COSCIENZA, CRI, CUTE, DATA_CHIAMATA, DATA_NASCITA, DECESSO, DICHIARANTE_DATI, FC_BPM, GCS_APERTURA_OCCHI, GCS_RISPOSTA_MOTORIA, GCS_RISPOSTA_VERBALE, GLICEMIA, INFERMIERE_PROFESSIONALE, LESIONE, LUOGO_INTERVENTO, LUOGO_NASCITA, MEDICINA, MEDICO, NOME_COGNOME, NUMERO_RESIDENZA, NUMERO_TELEFONO, ORA_CHIAMATA, ORA_DECESSO, ORA_IN_PRONTO_SOCCORSO, ORA_LIBERO_OPERATIVO, ORA_PARTENZA, ORA_PARTENZA_POSTO, ORA_SUL_POSTO, PARTE_CORPO, PA_MMHG, PROVINCIA_RESIDENZA, PROVVEDIMENTI_ALTRO, PROVVEDIMENTI_CIRCOLO, PROVVEDIMENTI_IMMOBILIZZAZIONE, PROVVEDIMENTI_RESPIRO, PUPILLE_REATTIVITA, PUPILLE_TIPO_DX, PUPILLE_TIPO_SX, RESPIRO, RIFIUTO, SEL, SESSO, SOCCORRITORE_1, SOCCORRITORE_2, SOCCORRITORE_3, SpO2, TEMPERATURA, VIA_RESIDENZA.
+
+The model is intended for research and experimental purposes within domain-specific NLP applied to emergency medicine. It is not suitable for clinical or operational decision-making without further validation on real annotated data. The techniques used include Domain-Adaptive Pre-Training (DAPT) and LoRA fine-tuning on a synthetic Italian dataset. The model is categorized under token-classification (Named Entity Recognition) and is optimized for linguistic and contextual data typical of the Italian emergency medical system.
+
 ## USAGE EXAMPLE
 
 This example shows how to load the model and tokenizer, apply the NER pipeline to a sample text, and print the extracted entities.
@@ -116,7 +135,7 @@ for r in results:
     print(f"{entity:<40} | {label}")
 ```
 
-EXPECTED OUTPUT
+## EXPECTED OUTPUT
 
 ENTITY                                   | LABEL
 ------------------------------------------------------------
@@ -133,7 +152,7 @@ Italian Red Cross of Parma                | CRI
 Bianchi Luca                              | AUTISTA
 Dr. Verdi Andrea                          | MEDICO
 
-DESCRIPTION
+## DESCRIPTION
 
 The code shows step by step how to initialize the tokenizer and model, create the NER pipeline with aggregation, 
 apply it to a text example, and print the entities in a clear tabular format. The table represents the entities