GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
uludagur
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
uludagur
Model Tree
google/medgemma-1.5-4b-it
Input Modalities
Output Modalities
Supported Functionality
KADIM (Klinik Akıl Destekli İleri Modül), Türkiye'de gerçek hastane ortamında konuşlandırılmış, internet izolasyonlu tıbbi karar destek sistemidir. Bu repo, sistemin ince ayarlı (fine-tuned) dil modelini barındırmaktadır.
KADIM; Türkiye'nin bilinen ilk fine-tuned klinik karar destek uygulamasıdır — yalnızca bir model değil, hastane içinde çalışan uçtan uca bir sistem: RAG motoru, klinik hesaplayıcılar, ilaç etkileşim kontrolü, lab yorumlayıcı ve güvenli kimlik doğrulama ile birlikte.
| Alan | Detay |
|---|---|
| Baz Model | google/medgemma-1.5-4b-it |
| Tür | LoRA Adapter (PEFT) |
| Dil | Türkçe (birincil) |
| Parametre | 4B (baz) + LoRA delta |
| Adapter Boyutu | ~131 MB |
| Görev | Klinik karar destek, tıbbi soru-cevap |
| Lisans | Apache 2.0 (adapter) |
| Geliştirici | Ugur Uludag |
| Aktif Sürüm | v13_sft (2026-07-01) |
| Kaynak | Adet | Açıklama |
|---|---|---|
| MedTurkQuAD | 7.380 | Türkçe tıbbi soru-cevap |
| iCliniq TR | 485 | İngilizce→Türkçe çeviri |
| TUSGPT-TR | 55.430 | Türkçe tıbbi QA — Türker Berk Dönmez (YTU) |
| Klinik Vaka | 500 | gpt-oss ile üretilmiş yapılandırılmış klinik vakalar |
| Golden CoT | 5.000 | 57K'dan kalite filtreli alt küme; Gemma4 teacher ile CoT zenginleştirilmiş |
text
57K Türkçe tıbbi QA → MedGemma 1.5 4B fine-tune (Q-LoRA, 4bit) → Top 5K kalite seçimi + Gemma4 teacher ile CoT zenginleştirme → Golden fine-tune (LR=5e-5, epoch=3) → Hedefli klinik vaka fine-tune (kronik hata senaryoları) → SFT on chosen examples (LR=5e-7, 39 çift) → v13_sft (%87)| Parametre | Değer |
|---|---|
| Yöntem | SFT on chosen examples (DPO-style) |
| Learning rate | 5e-7 |
| Epochs | 3 |
| Max seq length | 1024 |
| Framework | Unsloth + TRL 0.15.2 |
| Donanım | NVIDIA RTX 4070 Ti SUPER 16GB |
50 Türkçe klinik soru, 19 uzmanlık dalı (iç değerlendirme, RAG aktif):
| Model | Boyut | Klinik Skor |
|---|---|---|
| KADIM v13_sft (bu repo) | 4B | 43.5/50 (%87 avg) |
| gpt-oss (genel amaçlı) | 20.9B | 21/40 (%52.5) |
| MedGemma 1.5 (fine-tune öncesi) | 4B | 11/40 (%27.5) |
4B ince ayarlı model, 20.9B genel modeli Türkçe klinik sorularda geride bırakmaktadır.
python
from transformers import AutoTokenizer, AutoModelForCausalLMfrom peft import PeftModelimport torch base_model_id = "google/medgemma-1.5-4b-it"adapter_id = "uludagur/kadim-tr-medical-4b" tokenizer = AutoTokenizer.from_pretrained(base_model_id)model = AutoModelForCausalLM.from_pretrained( base_model_id, torch_dtype=torch.bfloat16, device_map="auto", load_in_4bit=True,)model = PeftModel.from_pretrained(model, adapter_id) soru = """Hasta: 65 yaşında erkek, 2 saattir süren göğüs ağrısı, terleme, nefes darlığı.EKG: DII, DIII, aVF'de ST elevasyonu. 1. Olası Tanılar2. Eksik Tetkikler3. Tedavi4. Kırmızı Bayraklar5. Konsültasyon""" messages = [{"role": "user", "content": soru}]inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)outputs = model.generate(inputs, max_new_tokens=800, do_sample=False)print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))Bu adapter, KADIM sisteminin inference bileşenidir. Sistem bir bütün olarak:
KADIM, aynı sunucuda çalışan N.E.F.E.S (Neural Early Evaluation for Screening) ile entegre bir hastane AI platformu oluşturmaktadır.
N.E.F.E.S — Yapay Zeka Destekli Akciğer Görüntüleme Platformu:
| Modül | Model | Performans |
|---|---|---|
| BT (Bilgisayarlı Tomografi) | EfficientNet-B7 (66M param) | %94.58 doğruluk (benign/malignant/normal) |
| X-Ray (Akciğer Röntgeni) | EfficientNet-B4 (19M param) | %94.23 doğruluk — kanser recall %97.18 |
| EKG Analizi | 1D-ResNet | AUC=0.9114 (PTB-XL 21K kayıt) |
| Tüberküloz Tarama | EfficientNet-B4 | Geliştirme aşamasında |
UYARI: Bu model klinik karar destek amaçlıdır. Tek başına tanı veya tedavi kararı için kullanılamaz. Tüm çıktılar mutlaka yetkili sağlık profesyoneli tarafından değerlendirilmelidir.
KADIM (Clinical AI Decision Support Module) is an internet-isolated medical decision support system deployed in a real hospital environment in Turkey. This repository hosts its fine-tuned language model.
KADIM is Turkey's first known fine-tuned clinical decision support application — not just a model, but an end-to-end hospital system: RAG engine, clinical calculators, drug interaction checker, lab interpreter, and secure authentication.
| Field | Detail |
|---|---|
| Base Model | google/medgemma-1.5-4b-it |
| Type | LoRA Adapter (PEFT) |
| Language | Turkish (primary) |
| Parameters | 4B (base) + LoRA delta |
| Adapter Size | ~131 MB |
| Task | Clinical decision support, medical Q&A |
| License | Apache 2.0 (adapter) |
| Developer | Ugur Uludag |
| Source | Count | Description |
|---|---|---|
| MedTurkQuAD | 7,380 | Turkish medical Q&A |
| iCliniq TR | 485 | English→Turkish translation |
| TUSGPT-TR | 55,430 | Turkish medical QA — Türker Berk Dönmez (YTU) |
| Clinical Cases | 500 | Structured clinical cases generated with gpt-oss |
| Golden CoT | 5,000 | Quality-filtered subset of 57K; CoT-enriched with Gemma4 teacher |
text
57K Turkish medical QA → MedGemma 1.5 4B fine-tune (Q-LoRA, 4bit) → Top 5K quality selection + Gemma4 teacher CoT enrichment → Golden fine-tune (LR=5e-5, epoch=3) → Targeted clinical case fine-tune (chronic failure scenarios) → SFT on chosen examples (LR=5e-7, 39 pairs) → v13_sft (87%)| Parameter | Value |
|---|---|
| Method | SFT on chosen examples (DPO-style) |
| Learning rate | 5e-7 |
| Epochs | 3 |
| Max seq length | 1024 |
| Framework | Unsloth + TRL 0.15.2 |
| Hardware | NVIDIA RTX 4070 Ti SUPER 16GB |
50 Turkish clinical questions, 19 specialties (internal evaluation, RAG active):
| Model | Size | Clinical Score |
|---|---|---|
| KADIM v13_sft (this repo) | 4B | 43.5/50 (87% avg) |
| gpt-oss (general-purpose) | 20.9B | 21/40 (52.5%) |
| MedGemma 1.5 (before fine-tuning) | 4B | 11/40 (27.5%) |
A 4B fine-tuned model outperforms a 20.9B general-purpose model on Turkish clinical queries.
This adapter is the inference component of the KADIM system:
KADIM forms an integrated hospital AI platform together with N.E.F.E.S (Neural Early Evaluation for Screening) running on the same server.
N.E.F.E.S — AI-Powered Lung Imaging Platform:
| Module | Model | Performance |
|---|---|---|
| CT (Computed Tomography) | EfficientNet-B7 (66M params) | 94.58% accuracy (benign/malignant/normal) |
| X-Ray (Chest Radiograph) | EfficientNet-B4 (19M params) | 94.23% accuracy — cancer recall 97.18% |
| ECG Analysis | 1D-ResNet | AUC=0.9114 (PTB-XL 21K records) |
| Tuberculosis Screening | EfficientNet-B4 | In development |
WARNING: This model is for clinical decision support only. It cannot be used as the sole basis for diagnosis or treatment. All outputs must be reviewed by a qualified healthcare professional.
Apache 2.0 (adapter weights). Base model: Gemma Terms of Use.
| PDF Q&A | 5.000 | ChromaDB'deki 60 klinik kılavuzdan (751K chunk) RAG-aware Q&A — gpt-oss teacher |
| SFT Chosen | 39 | Kronik FAIL vakaları için gpt-oss (chosen) vs v8_lora (rejected) çiftleri |
| Active Version | v13_sft (2026-07-01) |
| PDF Q&A | 5,000 | RAG-aware Q&A from 60 clinical guidelines (751K chunks) — gpt-oss teacher |
| SFT Chosen | 39 | gpt-oss (chosen) vs v8_lora (rejected) pairs for chronic-fail cases |