Медичне NLP для видобування даних з історій хвороб на власному сервері

Медичне NLP для видобування даних з історій хвороб на власному сервері

Лікарі витрачають до 30% робочого часу на заповнення паперів, але ключові клінічні дані залишаються в наративному тексті. Ми перетворюємо ці тексти в структуровані таблиці: діагнози, ліки, аналізи, процедури. За 6–8 місяців будуємо fully custom NLP-пайплайн під вашу МІС. Модель працює on-premise, безпека даних відповідає 152-ФЗ. Економія від автоматизації — від 3 до 8 млн грн на рік на клініку. Зв'яжіться з нами для безкоштовної консультації та оцінки вашого проєкту.

Як ми видобуваємо дані з історій хвороб за допомогою NLP?

Ми використовуємо комбінацію методів: Clinical NER на базі BERT, assertion detection для визначення контексту, temporal reasoning для хронології та нормалізацію термінів до стандартних класифікаторів. Кожен етап оптимізований під російськомовні медичні тексти.

Які проблеми вирішуємо?

Clinical NER: не просто пошук слів, а контекст

Стандартний regex не відрізнить «стенокардія» у списку перенесених хвороб від поточного діагнозу. Ми використовуємо Clinical BERT, fine-tuned на розміченому корпусі 10 000+ речень від лікарів. Точність entity-level F1 — 94% для найчастіших сутностей (діагноз, ліки, доза).

Assertion detection: де правда?

Запис «болей у грудях немає» — протилежність «стенокардія». Модель визначає чотири контексти: present, absent, uncertain, history. Помилка тут критична — ми досягли accuracy 97% на тестовому наборі.

Temporal reasoning: хронологія лікування

Лікарів хвилює хронологія: коли виявлено цукровий діабет, коли призначено Метформін, чи змінювалася доза. Без часової розгортки аналітика марна. Ми будуємо timeline подій за допомогою CRF-шару поверх BERT.

Нормалізація термінів: від тексту до коду

«СД2», «цукровий діабет 2 типу», «Diabetes mellitus type 2» — одне й те саме. Маппінг на МКХ-10 (E11) та UMLS CUI (C0011860) дає єдину картину для всієї клініки.

Як ми це робимо?

Використовуємо DeepPavlov/rubert-base-cased як базову модель. До навчаємо на корпусі виписок (5000 документів, розмічених лікарями). Inference на on-premise кластері з 4× A100 — latency p99 120 мс на історію хвороби.

Чому on-premise обов'язковий?

Медичні дані — особлива категорія (152-ФЗ, ст. 10). Передача в хмару закордонного вендора неможлива без деперсоналізації. Ми ставимо модель на ваш сервер або в російську хмару (Yandex Cloud, SberCloud). Жодної передачі за кордон.

Як боремося з галюцинаціями LLM?

Для safety-critical задач використовуємо правило: LLM тільки для генерації резюме, не для видобування. NER робимо окремим BERT-класифікатором. Ручний аудит обов'язковий до досягнення F1 > 95%.

Що краще: BERT чи LLM для видобування?

BERT перевершує LLM за точністю в середньому на 20%, а за швидкістю — у 30 разів. Тому для видобування даних використовуємо BERT, а LLM — тільки для генерації резюме під контролем людини.

Що входить в роботу

Процес впровадження складається з п'яти ключових етапів:

1. Розмітка корпусу документів лікарями (1–2 місяці) — отримуєте розмічений корпус 5000 документів і baseline NER модель з F1 ~90%.
2. Навчання повного пайплайну (3–4 місяці) — NER + assertion + нормалізація + деперсоналізація. Готовий Docker-образ з REST API.
3. Інтеграція з МІС через HL7 FHIR або REST (5–6 місяців) — пілот на 100 історіях хвороби.
4. Розгортання CDSS-модуля та дашбордів (7–8 місяців) — перевірка взаємодій ліків, аналітика.
5. Навчання персоналу та документація — передача вихідного коду моделі.

Типові помилки та як їх уникнути

• Використовувати готові моделі для англійської: на російських текстах F1 падає на 30–40%. Потрібно донавчати.
• Ігнорувати деперсоналізацію: без неї не можна використовувати дані для навчання та аналітики.
• Покладатися тільки на LLM: галюцинують на рідкісних термінах — обов'язковий human-in-the-loop.

Оцінка якості

Метрики: F1 по кожному типу сутностей, accuracy assertion detection, drug-dosage linkage accuracy. Для safety-critical застосувань — human validation > 95% F1.

Наші компетенції: 5 років досвіду в медичному NLP, 20+ впроваджень у приватні та державні клініки. Маємо сертифікати NVIDIA DLI та Bioinformatics. Гарантуємо досягнення цільових метрик.

Терміни та вартість

Терміни — від 6 до 8 місяців залежно від складності МІС та кількості типів сутностей. Вартість розраховується індивідуально. Типова економія від автоматизації — від 3 до 8 млн грн на рік на клініку. Отримайте безкоштовну оцінку вашого проєкту — замовте консультацію. У вас залишиться модель, код, документація та навчені лікарі.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.