首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

LusoClin:用于欧洲葡萄牙语医疗信息检索的综合临床记录数据集

2026-11-19 1 阅读 约1分钟阅读 Carla Teixeira Lopes, Daniel F\'elix
分享:
字号:
arXiv:2611.23454v1 公告类型:新 摘要:访问大规模临床文本集合对于推进医疗信息检索研究至关重要,包括临床记录搜索、患者队列识别和领域自适应检索模型。然而,由于隐私法规的原因,很少有真正的临床记录,这特别限制了欧洲葡萄牙语等资源匮乏语言的进展。我们推出 LusoClin,这是一个公开发布的欧洲葡萄牙语合成临床笔记数据集,旨在支持临床文本检索的隐私保护研究。 LusoClin 是通过预处理真实临床数据、使用量化低阶适应微调开源 Llama 3.2 (3B) 指令调整模型以及应用基于提示的临床记录生成来生成的。为了促进语义索引和临床搜索,注释会使用基于 BERT 的模型自动注释临床实体。我们使用自动指标和人工评估来评估 LusoClin 的实用性、保真度、多样性和隐私性。结果表明,该数据集捕获了临床相关的语言模式,并且可以支持下游 IR 应用程序,例如临床文档检索和特定领域模型适应,尽管注释者通常可以区分合成注释和真实注释,并且仍然存在一些医学不一致的情况。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱