MedNER-TR: Turkish Medical Named Entity Recognition

Türkçe klinik ve tıbbi metinlerde ilaç, hastalık, semptom, organ ve tıbbi test adlarını tanıyan BERT tabanlı NER modeli.

Model Özeti

MedNER-TR, Türkçe sağlık metinleri (hasta notları, tıbbi raporlar, reçeteler) üzerinde beş temel tıbbi varlık türünü işaretlemek için dbmdz/bert-base-turkish-cased üzerinden fine-tune edilmiştir. Model, klinik NLP araştırmaları, tıbbi bilgi çıkarımı ve elektronik hasta kaydı analizinde kullanım için tasarlanmıştır.

🚀 Demo

Canlı demo için: tugrulkaya/medner-tr Space — alternatif Gradio demo

Desteklenen Varlıklar

Etiket	Açıklama	Örnek
ILAC	İlaç adı	Parol, Aspirin
HASTALIK	Hastalık / tanı	Migren, Diyabet
SEMPTOM	Semptom / şikayet	Baş ağrısı, Ateş
ORGAN	Organ / anatomik yapı	Karaciğer, Kalp
TEST	Tıbbi test / tetkik	MR, Kan testi

Performans

Metrik	Değer
F1 (micro)	99.49%
Precision	99.49%
Recall	99.49%
Accuracy	99.76%

Not: Yüksek skorlar görece küçük ve kontrollü bir test setinden alınmıştır. Gerçek klinik metinlerde performans değişebilir.

Kullanım

from transformers import pipeline

ner = pipeline(
    "token-classification",
    model="tugrulkaya/medner-tr",
    aggregation_strategy="simple",
)

text = "Hastaya Parol 500mg başlandı, baş ağrısı ve ateş şikayeti mevcut."
for ent in ner(text):
    print(f"{ent['entity_group']:10s} {ent['word']:20s} {ent['score']:.3f}")

Eğitim Detayları

• Base model: dbmdz/bert-base-turkish-cased
• Dataset: ~2000 el ile etiketlenmiş Türkçe tıbbi cümle
• Epoch: 3
• Optimizer: AdamW
• Max length: 128

Sınırlamalar ve Etik

• Model klinik karar vermek için kullanılmamalıdır. Yalnızca bilgi çıkarımı / araştırma amaçlıdır.
• Eğitim verisi küçük olduğu için nadir hastalıklar veya non-standart terimlerde performans düşebilir.
• Her klinik uygulamada insan denetimi zorunludur.

Lisans

MIT

Atıf

@misc{kaya2025mednertr,
  author = {Kaya, Tuğrul},
  title  = {MedNER-TR: Turkish Medical Named Entity Recognition},
  year   = {2025},
  url    = {https://huggingface.co/tugrulkaya/medner-tr}
}