跳到正文
arXiv cs.AI· Carla Teixeira Lopes, Daniel F\'elix·· 10 小时前AI 评分20

LusoClin:面向欧洲葡萄牙语医学信息检索的合成临床笔记数据集

LusoClin: A Synthetic Clinical Note Dataset for Medical Information Retrieval in European Portuguese

AI 导读

LusoClin 是一个公开的欧洲葡萄牙语合成临床笔记数据集,用于隐私保护下的临床文本检索研究。该数据集通过预处理真实临床数据、用 QLoRA 微调开源 Llama 3.2(3B)指令模型并以提示词生成笔记,再用基于 BERT 的模型自动标注临床实体。评估显示其能捕捉临床相关语言模式并支持临床文档检索与领域模型适配,但标注者常能区分合成与真实笔记,且仍存在部分医学不一致。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:获取大规模临床文本集合对于推进医学信息检索研究至关重要,包括临床记录检索、患者队列识别以及领域自适应检索模型。然而,由于隐私法规,真实临床记录很少可用,这尤其限制了欧洲葡萄牙语等低资源语言的进展。我们提出 LusoClin,这是一个公开发布的欧洲葡萄牙语合成临床记录数据集,旨在支持隐私保护下的临床文本检索研究。LusoClin 通过预处理真实临床数据、使用量化低秩适应对开源 Llama 3.2(3B)指令微调模型进行微调,并应用基于提示的临床记录生成而创建。为便于语义索引和临床检索,这些记录使用基于 BERT 的模型自动标注临床实体。我们使用自动指标和人工评估从实用性、保真度、多样性和隐私性方面评估 LusoClin。结果表明,该数据集捕捉到了临床相关的语言模式,可以支持下游信息检索应用,如临床文档检索和领域特定模型自适应,尽管标注者通常能区分合成记录与真实记录,且一些医学不一致仍然存在。
主题: 人工智能(cs.AI);信息检索(cs.IR)
引用为: arXiv:2611.23454 [cs.AI]
  (或 arXiv:2611.23454v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23454

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Carla Teixeira Lopes [查看电子邮件]
[v1] 2026年11月17日星期二 20:03:13 UTC(678 KB)

来源:arXiv cs.AI · arxiv.org