XLM-RoBERTa-large — NER Clínico de Cáncer de Próstata
Descripción
Modelo XLM-RoBERTa-large afinado (finetuned) para el Reconocimiento de
Entidades Nombradas (NER) en textos clínicos sobre cáncer de próstata en español.
Desarrollado como parte del Taller de Clasificación de Texto y NER de MAIN-Univalle.
Entidades reconocidas
| Entidad |
Descripción |
| CANCER |
Tipo de cáncer |
| FECHA |
Fechas clínicas |
| DOSIS |
Dosis de medicamentos |
| TRATAMIENTO |
Tratamientos médicos |
| GLEASON |
Puntaje de Gleason |
| BIOMARCADOR |
Biomarcadores (PSA, etc.) |
| MEDICAMENTO |
Medicamentos |
| TNM |
Estadificación TNM |
| CIRUGIA |
Cirugías realizadas |
| EDAD |
Edad del paciente |
Uso
from transformers import pipeline
ner = pipeline(
"ner",
model="Catalina77/xlmr-ner-prostata",
aggregation_strategy="first"
)
texto = "Paciente masculino de 72 años con adenocarcinoma de próstata."
resultado = ner(texto)
print(resultado)
Datos de entrenamiento
- Dataset: Dataset Próstata (anotado en formato BIO)
- Train: 3,106 oraciones
- Validation: 929 oraciones
- Test: 991 oraciones
Entrenamiento
- Modelo base: xlm-roberta-large
- Batch size: 16
- Épocas: 6
- Learning rate: 2e-5
- Hardware: NVIDIA A100-SXM4-40GB
Resultados en test
| Métrica |
Valor |
| F1 |
96.63% |
| Precisión |
96.41% |
| Recall |
96.85% |
| Accuracy |
99.43% |
