Upload 2 files

app.py

@@ -0,0 +1,119 @@
+from typing import Dict, Union
+from gliner import GLiNER
+import gradio as gr
+
+model = GLiNER.from_pretrained("BSC-NLP4BIA/chagas-ner",
+                               revision="gliner-bi-small-v1.0_2025-02-11_15-59-05",
+                               load_tokenizer=True)
+
+examples = [
+    [
+        """
+        Sexo: Femenino
+País de Nacimiento: Paraguay
+Fecha de Nacimiento: XXXX
+Resultado Chagas: Positivo
+Informe: Seguimiento de consultas externas
+Visita: Primera visita
+Fecha: 20 de julio XXXX
+Paciente paraguaya de 32 años diagnosticada con enfermedad de Chagas tras cribado comunitario. Sin antecedentes transfusionales ni de familiares afectados. Refiere buen estado general.
+EF:
+Buen estado general.
+AC: rítmico, sin soplos.
+AP: MVC sin hallazgos.
+Abdomen blando, sin masas.
+PLAN:
+Solicitar estudio inicial de Chagas con ECG, ETT y serología.
+Informe: Seguimiento de consultas externas
+Visita: Seguimiento
+Fecha: 10 de diciembre XXXX
+Asintomática. PCR para T.cruzi negativa. ECG muestra ritmo sinusal con bloqueo de rama derecha. ETT sin alteraciones funcionales.
+EF:
+Sin cambios en exploración física.
+PLAN:
+Seguimiento anual con ECG y serología.
+        """,
+        "ENFERMEDAD, SINTOMA",
+        0.4,
+        False,
+    ],
+]
+
+
+def ner(
+        text, labels: str, threshold: float, nested_ner: bool
+) -> Dict[str, Union[str, int, float]]:
+    labels = labels.split(",")
+    return {
+        "text": text,
+        "entities": [
+            {
+                "entity": entity["label"],
+                "word": entity["text"],
+                "start": entity["start"],
+                "end": entity["end"],
+                "score": 0,
+            }
+            for entity in model.predict_entities(
+                text, labels, flat_ner=not nested_ner, threshold=threshold
+            )
+        ],
+    }
+
+
+with gr.Blocks(title="GLiNER for Chagas detection - NER ") as demo:
+
+    input_text = gr.Textbox(
+        value=examples[0][0], label="Text input", placeholder="Enter your text here"
+    )
+    with gr.Row() as row:
+        labels = gr.Textbox(
+            value=examples[0][1],
+            label="Labels",
+            placeholder="Enter your labels here (comma separated)",
+            scale=2,
+        )
+        threshold = gr.Slider(
+            0,
+            1,
+            value=0.3,
+            step=0.01,
+            label="Threshold",
+            info="Lower the threshold to increase how many entities get predicted.",
+            scale=1,
+        )
+        nested_ner = gr.Checkbox(
+            value=examples[0][2],
+            label="Nested NER",
+            info="Allow for nested NER?",
+            scale=0,
+        )
+    output = gr.HighlightedText(label="Predicted Entities")
+    submit_btn = gr.Button("Submit")
+    examples = gr.Examples(
+        examples,
+        fn=ner,
+        inputs=[input_text, labels, threshold, nested_ner],
+        outputs=output,
+        cache_examples=True,
+    )
+
+    # Submitting
+    input_text.submit(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    labels.submit(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    threshold.release(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    submit_btn.click(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    nested_ner.change(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+
+demo.queue()
+demo.launch(debug=True)

requirements.txt

@@ -0,0 +1 @@
+gliner