Este artículo se centra en ayudar a los profesionales médicos a analizar textos específicos del dominio y seleccionar y comparar marcos de Reconocimiento de Entidades Nombradas (NER). Detalla el desarrollo y la evaluación de un sistema que utiliza un enfoque genérico junto con la metodología estructurada de Nunamaker. Este sistema empodera a los profesionales médicos para entrenar, evaluar y comparar modelos de NER a través de diversos marcos, como Stanford CoreNLP, spaCy y Hugging Face Transformers, independientemente de sus implementaciones específicas. Además, introduce un concepto para modelar un proceso general de entrenamiento y evaluación. Finalmente, se realizan experimentos utilizando varias ontologías del corpus CRAFT para evaluar la efectividad del prototipo actual.