top of page

Making Machine Learning in Healthcare more accesible //

MEDNER

Local and fast AI model for recognizing clinical information from medical documentation

MedNER to system rozpoznawania jednostek nazewniczych (NER), zaprojektowany specjalnie dla języka polskiego i dokumentacji medycznej. Został wytrenowany na 50 000 zanonimizowanych notatkach lekarskich, co zapewnia wysoką trafność przy pracy z rzeczywistymi danymi szpitalnymi.

Jakie informacje rozpoznaje MedNER?

Choroby i diagnozy

(np. zawał serca, cukrzyca typu 2)

Wyniki badań

(np. CRP: 42 mg/l, RTG: zacienienie w lewym płucu)

Leki

(np. Apap, Metformina)

Struktury anatomiczne

(np. tarczyca, nerka lewa)

Objawy

(np. duszność, ból głowy)

Oddziały szpitalne i specjalizacje

(np. SOR, neurologia)

Procedury medyczne

(np. tomografia głowy, gastroskopia)

Dane demograficzne i personalne

(np. wiek, płeć, imię i nazwisko)

Zastosowania w praktyce

Systemy HIS i EHR

  • Automatyczne uzupełnianie pól dokumentacji medycznej

  • Wyszukiwanie i filtrowanie przypadków wg chorób, procedur lub leków

  • Przyspieszenie kodowania rozliczeniowego (ICD-10, ICD-9, leki)

Badania naukowe

  • Automatyczna ekstrakcja danych klinicznych do analiz retrospektywnych

  • Selekcja grup pacjentów wg złożonych kryteriów (np. „wiek > 65 + duszność + ACEI”)

  • Ułatwienie anonimizacji i udostępniania dokumentacji badawczej

Zgodność z RODO

  • Wbudowane mechanizmy wykrywania i maskowania danych wrażliwych

  • Możliwość pełnego przetwarzania dokumentacji w infrastrukturze lokalnej

Jesteś zainteresowany modelem?

Skontaktuj się z nami

bottom of page