rntc / mc-bio-gliner-lymphome-ecrf

mc-bio-gliner-lymphome-ecrf

Remplit un eCRF de 89 champs depuis un dossier patient longitudinal français (~22 000 caractères, plusieurs comptes-rendus). Un passage, 150 M paramètres.

Il ne surligne pas, il produit la valeur : « patiente » → femme , « le 8 avril 2017 » → 2017-04-15 , « phénotype non germinal » → NGC .

Utilisation

pip install gliner2 torch huggingface_hub

from modeling_assign import ECRFExtractor          # fourni dans ce dépôt

m = ECRFExtractor.from_pretrained("rntc/mc-bio-gliner-lymphome-ecrf", device="cuda")
ecrf = m.extract(open("dossier.txt").read())       # {champ: valeur ou None}

python predict.py --demo                           # exemple exécutable

Résultats

macro-F1 par famille au niveau (document, champ), 410 documents de test, égalité de chaîne canonique. Une valeur fausse compte comme faux positif et faux négatif.

Jeu d'évaluation : rntc/lymphome-synth-v5-eval .

Limites

Gold produit par un annotateur LLM sur des documents synthétiques du même pipeline. 97,4 % des cibles CAT du test sont déjà dans le vocabulaire d'entraînement, donc le test dit peu sur les valeurs nouvelles. Aucune validation hors de ce corpus. Non validé cliniquement , modèle de recherche. MIT.