Instructions to use Ruhadam2020/checkpoint-85239 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use Ruhadam2020/checkpoint-85239 with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("fill-mask", model="Ruhadam2020/checkpoint-85239")# Load model directly from transformers import AutoTokenizer, AutoModelForMaskedLM tokenizer = AutoTokenizer.from_pretrained("Ruhadam2020/checkpoint-85239") model = AutoModelForMaskedLM.from_pretrained("Ruhadam2020/checkpoint-85239", device_map="auto") - Notebooks
- Google Colab
- Kaggle
BERTurk — Türkçe Klinik/Tıbbi Alan Uyarlaması
dbmdz/bert-base-turkish-cased
modelinin Türkçe tıbbi metinlerle fine-tune edilmiş hâli. Maskeli dil modelleme
(fill-mask) göreviyle eğitildi; laboratuvar sonuçlarından klinik örüntü çıkarımı
için HealthScope projesinde
kullanılıyor.
⚠️ Bu model teşhis koymaz ve tıbbi cihaz değildir. Bir araştırma çıktısıdır ve klinik karar destek amaçlıdır; hekim değerlendirmesinin yerine geçmez. Tek başına klinik kullanıma uygun değildir.
Kullanım
from transformers import pipeline
pipe = pipeline("fill-mask", model="Ruhadam2020/checkpoint-85239")
pipe("Hastanın ALT ve AST değerleri yüksek, [MASK] hastalığı düşünülmelidir.")
Ölçülen başarım
126 sentetik klinik vaka üzerinde, üretilen çıkarımın vakanın beklenen klinik konusuyla örtüşmesi ölçüldü:
| Yaklaşım | İsabet | Ortalama süre |
|---|---|---|
| Bu model, tek başına (fill-mask) | 82 / 126 (%65) | 27 ms |
| Kural motoru + klinik indeks (deterministik) | 126 / 126 (%100) | < 1 ms |
| Hibrit: kural motoru → üretken model | 119 / 126 (%94) | 14.4 s |
Ölçüt cömerttir (alt dizge araması yapar), dolayısıyla rakamlar bir üst sınır olarak okunmalıdır. Ölçüm sentetik vakalar üzerindedir; gerçek hasta verisiyle doğrulama ayrı bir çalışmadır.
Bu tabloyu doğru okumak önemli: fill-mask, laboratuvar değerlerinden klinik tablo ayırt etmek için yanlış görev biçimidir. Ölçümde ağır karaciğer, ağır böbrek ve ağır anemi vakalarına birbirine çok benzer cevaplar üretti — sayı dizisi, maskeli dil modeli için ayırt edici bir sinyal değil. HealthScope bu yüzden modeli sınıflandırıcı olarak değil, deterministik bir kural motorunun yanında yardımcı katman olarak kullanır.
Sınırlar
- Yalnızca Türkçe.
- Eğitim verisi tıbbi soru-cevap ve genel Türkçe metinlerden oluşur; gerçek hasta kayıtları kullanılmamıştır.
- Model hiçbir referans aralığı, doz veya tedavi bilgisi doğrulamaz.
- Çıktıları hekim onayı olmadan kullanmayın.
Kaynaklar ve lisans
Bu model Apache-2.0 ile yayımlanmıştır. Türev olduğu kaynaklar:
| Kaynak | Lisans |
|---|---|
dbmdz/bert-base-turkish-cased — temel model, MDZ Digital Library / Bayerische Staatsbibliothek |
MIT |
falan42/MedicalQA-TR — Türkçe tıbbi soru-cevap verisi |
Apache-2.0 |
Yapılan değişiklik: temel model, yukarıdaki tıbbi metin verisiyle maskeli dil modelleme (MLM) görevinde fine-tune edilmiştir. Ağırlıklar dışında mimari değişiklik yoktur.
- Downloads last month
- -
Model tree for Ruhadam2020/checkpoint-85239
Base model
dbmdz/bert-base-turkish-cased