Home

Awesome

ENTClinPT - Uma API para Extração de Entidades Clínicas em Português

** trabalho em andamento **

Índice

  1. Modelos de NER
  2. Como executar localmente
  3. Executando via docker
  4. Como citar

Modelos de NER

Vamos usar os modelos de NER treinados no projeto BioBERTpt. São 13 modelos, um para cada tipo semântico: Disorders, Chemicals and Drugs, Medical Procedure, Diagnostic Procedure, Disease Or Syndrome, Findings, Health Care Activity, Laboratory or Test Result, Medical Device, Pharmacologic Substance, Quantitative Concept, Sign or Symptom and Therapeutic or Preventive Procedure.

Todos os modelos estão publicamente disponíveis no repositório Hugging Faces.

Se os modelos forem úteis de alguma forma, adoraríamos receber um like ❤️

<img src="./img/like-biobertpt-diagnostic.jpg" alt="BioBERTpt - Diagnostic">

Como executar localmente

  1. Clone o repositório
  2. Instale as biblitecas necessárias (se preferir, use Anaconda)
pip install numpy
pip install transformers == 4.3.0
pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install flask == 4.3.0

ou através do comnando:

pip install -r requirements.txt
  1. Execute o app.py (está configurado para rodar na porta 5000)
python app.py

  1. No navegador, acesse http://localhost:5000/

  2. Escreve uma sentença clínica ou selecione alguma frase de exemplo e clicar no botão de pesquisa (lupa).

Serão retornadas as entidades clínicas identificadas na sentença de entrada. Acommpanhe as cores pela legenda. O primeiro acesso pode ser mais lento, já que o(s) modelo(s) de NER serão baixados do repositório HuggingFaces. Tenha um pouquinho de paciência :)

<img src="img/entclinpt1.jpg"> <img src="img/entclinpt2.jpg"> <img src="img/entclinpt3.jpg"> <img src="img/entclinpt4.jpg">

Output da API:

<img src="img/entclinpt5.jpg">
  1. Selecionando outros tipos de entidade

Para extrair as entidades dos tipos semânticos desejados, altere a lista MODELS_DIR no arquivo app.py, indicando quais modelos de NER você deseja (por padrão configuramos o Finding (achados clínicos)). No arquivo predict_ner.py, por favor altere a lista tags_values, de acordo com o modelo escolhido.

Executando via Docker

  1. Para executar a API dentro de um container Docker, onde não é necessário se preocupar com o ambiente e bibliotecas, basta obter a imagem através do comando:
docker pull terumi/entclinpt:v1

Caso não possua, instale o Docker seguindo essas orientações.

Para mais detalhes, visite a página do repositório no DockerHub: https://hub.docker.com/r/terumi/entclinpt

  1. Execute o seguinte comando (para executar o container na porta 5000)
docker run -p 0.0.0.0:5000:5000 terumi/entclinpt:v1
  1. No navegador, acesse http://localhost:5000/

OBS: Configuramos a imagem para extrair entidades do tipo Findings, apenas como exemplo. Se você está familizarizado com o comando docker exec -it, pode alterar o filtro alterando os arquivos diretamente dentro do container, conforme as instruções do passo "5- Selecionando outros tipos de entidade". Em breve isso será melhorado.

Como citar

** em breve **