Extrae información de notas clínicas en francés utilizando componentes basados en reglas y aprendizaje profundo.
Marco de PLN modular y rápido compatible con PyTorch y spaCy, diseñado para textos clínicos en francés.
EDS-NLP es un marco de código abierto diseñado para extraer información estructurada de texto clínico en francés. Combina tuberías basadas en reglas compatibles con spaCy con módulos de aprendizaje profundo de PyTorch para tareas como la detección de negación y el reconocimiento de entidades nombradas. Se adapta a investigadores clínicos y desarrolladores que trabajan con historias clínicas en francés.
La biblioteca organiza funciones basadas en reglas y módulos de aprendizaje profundo en un sistema de tuberías eficiente. Es compatible con modelos de aprendizaje profundo multitarea con compartición de pesos, componentes basados en LLM y inferencia rápida en múltiples GPU. También gestiona varios formatos de datos, incluidos BRAT, JSON, Parquet, Pandas y Spark.
Se adapta a desarrolladores y investigadores que construyen tuberías de almacenes de datos clínicos para documentos médicos en francés. No está diseñado para el procesamiento clínico general en inglés ni para usuarios sin experiencia en programación en Python.
Componentes basados en reglas adaptados específicamente para notas clínicas en francés.
Compatible con PyTorch para componentes entrenables como NER y clasificación de tramos.
Compatible con modelos de aprendizaje profundo multitarea con compartición de pesos de subcomponentes.
Compatible con la carga y el guardado de datos para BRAT, JSON, Parquet, Pandas y Spark.
Gratuito bajo su licencia BSD-3-Clause. El único coste es ejecutarlo por cuenta propia en su propia infraestructura de hardware.
877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Utiliza spaCy para la representación de documentos y anotaciones, y PyTorch como el backend de aprendizaje profundo para los componentes entrenables.
El marco es versátil y se puede utilizar en cualquier documento textual, pero sus componentes de reglas preconstruidos se dirigen a notas clínicas en francés.
Ve Zekai primero en Google