V

מה זה

המאגר כולל 568 שאלות רב ברירה מבחינות רישוי רפואיות שנאספו מברזיל, ישראל, יפן וספרד. כל שאלה מגיעה בצמד של טקסט ותמונה רפואית תואמת, ומציגה ארבע אפשרויות בחירה עם תשובה נכונה מוגדרת. השאלות זמינות בשפת המקור שלהן, ביניהן עברית, פורטוגזית, יפנית וספרדית, ובנוסף תורגמו כולן לאנגלית.

לפי כרטיס המאגר, כל השאלות והתשובות עברו בדיקה ותיקוף קליני על ידי רופאים דוברי השפה מכל אחת מהמדינות הרלוונטיות. החלוקה הפיזית של הנתונים מסודרת בקובצי TSV נפרדים לפי מדינות ושפות, כך שיש קבצים מקומיים וקבצים מתורגמים לאנגלית עבור כל מקור.

מתאים ל

• בנצ'מרק למודלי ראייה ושפה

  בדיקת יכולת המודל לפענח תמונות רפואיות ולענות נכון על שאלות קליניות רב ברירה.

• השוואת ביצועים בעברית ובאנגלית

  הערכת הפער בין תשובות המודל לשאלות מקור ישראליות בעברית לעומת התרגום שלהן לאנגלית.

• מדידת הטיות רפואיות לפי מדינה

  בחינת ההבדלים ברמת הדיוק של מערכות בינה מלאכותית מול בחינות רישוי מארבע מדינות שונות.

איפה זה נופל

גודל המאגר, 568 שאלות בסך הכל שמתחלקות בין ארבע מדינות, הופך אותו לסט מבחן בלבד ולא למשהו שאפשר לאמן עליו מודלים. החלק הישראלי בעברית מהווה רק רבע מהכמות הזו, ולכן המדגם המקומי קטן מאוד. מעבר לכך, הכרטיס לא מציין מאילו שנים נלקחו בחינות הרישוי, אילו תחומי רפואה מכוסים ומהיכן הגיעו התמונות המקוריות, כך שקשה לדעת אם הנתונים מייצגים פרוטוקולים עדכניים.

איך טוענים

הנתונים יושבים בקובצי TSV ישירים שאינם דורשים אישור גישה מיוחד, לצד תיקיית תמונות רפואיות. הקבצים כוללים שדות מוגדרים של מזהה שאלה, תוכן השאלה, רשימת אפשרויות, התשובה הנכונה, נתיב לקובץ התמונה והשפה. מדובר במאגר קטן מאוד של פחות מאלף רשומות, כך שטעינה ועיבוד לא דורשים משאבי חומרה חריגים. היוצרים מספקים קישורים לקוד הערכה מותאם ולהרצה דרך מחברת קולאב.

from datasets import load_dataset

ds = load_dataset("WorldMedQA/V")

הרישיון

היוצרים לא דיווחו על רישיון שימוש במאגר. מבחינה משפטית, היעדר רישיון אומר שזכויות היוצרים שמורות ואין הרשאה ברורה להשתמש בחומרים, להפיץ אותם או לאמן עליהם מודלים מסחריים. שימוש במאגר במצב כזה מוגבל בפועל למחקר אקדמי עצמאי, ואי אפשר לשלב אותו במוצר בלי לקבל אישור מפורש מבעלי הזכויות.

הרישיון המלא ב־Hugging Face ↗