Este documento presenta un sistema basado en la nube que se basa en el marco FIT4NER para apoyar a expertos médicos en el entrenamiento de modelos de aprendizaje automático para el reconocimiento de entidades nombradas (NER) utilizando Microsoft Azure. El sistema está diseñado para simplificar configuraciones complejas en la nube mientras proporciona una interfaz intuitiva para gestionar y convertir conjuntos de datos de entrenamiento y evaluación a gran escala en formatos como PDF, DOCX, TXT, BioC, spaCyJSON y CoNLL-2003. También permite la configuración de tuberías spaCy basadas en transformadores y orquesta los servicios en la nube de Azure para un entrenamiento de modelos NER escalable y eficiente. Siguiendo la metodología de investigación estructurada de Nunamaker, el documento introduce el contexto de la investigación, examina el estado del arte y destaca los principales desafíos que enfrentan los profesionales médicos en el NER basado en la nube. Luego detalla la modelización, implementación e integración del sistema. Los resultados de la evaluación, tanto cualitativos como cuantitativos, demuestran una mayor usabilidad, escalabilidad y accesibilidad para usuarios no técnicos en dominios médicos. El documento concluye con las ideas obtenidas y esboza direcciones para trabajos futuros.