项目挑战

• 大规模医疗数据集的收集和清洗工作是一个极为耗时且繁琐的过程。医疗数据的敏感性和多样性可能导致数据获取的困难，而数据的质量对于构建有效的模型至关重要。
• 目前现有的工作主要集中在英文医疗数据集上，因此基于中文医疗数据集进行基准测试需要耗费大量时间和资源，需要重新复现、训练以及评估现有模型的适用性和性能。
• 针对该数据集进行预训练大规模模型，并与通用模型进行比较需要庞大的计算资源和时间投入，这可能是项目中的另一个重大挑战。

项目意义

• 建立基准测试数据集和开源预训练语言模型，为中文医疗领域提供强有力的基准线，促进更多研究和工作。
• 构建大型中文医疗问答数据集有助于自动医疗问答平台的发展，提高问诊效率和准确性，减少症状相似性引起的重复回答和误诊漏诊。
• 该项目规模巨大，可作为检索领域评估的重要参考数据集，推动相关工作发展并提升评估准确性和全面性。
• 构建中文医疗数据集有助于提高医疗问答系统的普适性，为更广泛的用户群提供便捷和准确的医疗信息服务。

数据集构建

• 在线诊疗：

问答类数据：120000条问题权威问答，226265条医生回答；

• Chinese medical dialogue data 中文医疗问答数据集：

共计484847条数据，其中：

男科：77130个问答对

内科：132223个问答对

妇产科：93326个问答对

肿瘤科：42699个问答对

儿科：68225个问答对

外科：71244个问答对

数据集概览

数据集文本格式

`{"_id": "01-1704633", "source": "meddial", "conversation": [{"role": "user", "content": "足部骨折。你好大夫，谢谢您百忙中的时间。请问骨折对位可以吗？内侧契骨是稍有错位吗？"}, {"role": "assistant", "content": "您好，我很高兴能为您提供帮助。根据您的描述，骨折的对位情况还可以。但是，为了更准确地评估情况，我是否可以看一下术前的片子呢？"}, {"role": "user", "content": "这是图片。您好毛大夫，谢谢您的回答。请问内侧契骨那是稍有错位吗？"}, {"role": "assistant", "content": "非常感谢您提供的图片。根据图片显示，内侧契骨确实有轻微的错位。这种情况下，我们可以采取一些措施来帮助恢复骨折的对位。"}, {"role": "user", "content": "手术已经完成几天了。"}, {"role": "assistant", "content": "了解了，手术已经完成几天了。在手术后的这段时间里，您需要注意保持休息和定期进行复查。同时，遵循医生的建议进行康复训练，这对于恢复骨折的对位非常重要。如果您有任何不适或疑问，请及时与我们联系。"}]}`

_id: 数据集编号

conversation：问答对

role：角色，user表示用户，assistant表示系统

content：文本内容

数据集获取方式

联系我们：    chenbinbin@guangrong-tech.com

合作伙伴