MedCaseReasoning
קוד פתוחzou-labmit2025-05-16
המאגר מרכז מעל 14 אלף מקרי בוחן רפואיים ממאמרים אקדמיים עם נימוקי אבחון מלאים. הוא מתאים למי שרוצה לאמן מודלים על תהליך הסקת מסקנות קליני ולא רק לקבל תשובה סופית.
- 1,206הורדות בחודש
- 40לייקים
מה זה
כל רשומה כאן מייצגת מקרה רפואי שנלקח ממאמר מדעי, ומקושרת למזהה המאמר המקורי ב־PubMed Central יחד עם שם כתב העת, תאריך הפרסום והקישור אליו. הנתונים מחולקים כבר מראש למבנה עבודה ברור: תיאור המקרה עצמו, שאלת האבחון שהוצגה, תהליך החשיבה וההסבר הקליני, והאבחנה הסופית שהתקבלה.
החלוקה הפנימית מסודרת לשלושה חלקים מוכנים. יש פה אימון עם 13,092 דוגמאות, אימות עם 500 דוגמאות ובדיקה שכוללת 897 מקרים. המקורות מגיעים ישירות מספרות רפואית שפורסמה, כך שהשפה והמינוחים הם ברמה מקצועית ולא שיחות חופשיות של מטופלים.
מתאים ל
- אימון שרשרת חשיבה רפואית
לימוד מודלים לפרט את שלבי הסקת המסקנות הקליניים בדרך לאבחנה על בסיס שדה ההנמקה.
- הערכת מודלי שפה באבחון
בדיקת דיוק והיגיון רפואי של מודלים קיימים מול מקרי המבחן שמופיעים בחלק הטסט.
- חילוץ ישויות ומאפיינים
בניית כלים שמזהים תסמינים קריטיים מתוך תיאורי מקרה מורכבים של חולים.
איפה זה נופל
הכרטיס לא מפרט תהליך סינון ידני או בדיקות איכות שנעשו על הטקסט, ולכן סביר להניח שהחילוץ מהמאמרים נעשה אוטומטית. כל המקרים מבוססים על ספרות באנגלית ממקורות PMC, כך שאין פה שום ייצוג לעברית או לטרמינולוגיה מקומית של מערכת הבריאות בארץ. לפני שמשלבים מודל כזה במערכת שמקבלת החלטות, צריך לבדוק היטב אם הטקסטים מכילים שגיאות OCR או שרידי עימוד מהמאמרים המקוריים.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט לפיתוח מוצר מסחרי?
כן, הרישיון המדווח הוא MIT, שמתיר שימוש מסחרי מלא ללא הגבלת הפצה. צריך רק לשמור על תנאי הרישיון ומתן הקרדיט המקורי בקוד או בתיעוד.
האם יש במאגר נתונים בעברית?
לא, הנתונים כולם באנגלית ומגיעים ממאמרים רפואיים שפורסמו ב־PubMed Central. אם אתם מכוונים למערכת בעברית, תצטרכו לתרגם את המקרים או לבצע התאמה ייעודית.
כמה שטח אחסון צריך כדי לעבוד איתו?
הקובץ המכווץ להורדה שוקל כ־110 מגה בייט, ובמצב פתוח הנתונים תופסים כ־205 מגה בייט. מדובר בנפח קטן מאוד שאפשר להריץ על כל מחשב פיתוח רגיל.
האם הדאטהסט מתאים להחלטות קליניות בפועל?
לא הייתי מסתמך עליו לכלי רפואי קריטי בלי בדיקה מעמיקה של איכות החילוץ. המידע הגיע ממאמרים אקדמיים ומציג מקרים שנבחרו לפרסום, מה שלעיתים מוטה למחלות נדירות ולא לרפואה שגרתית.
איך טוענים
טוענים את הנתונים ישירות דרך ספריית datasets או מקבצי parquet ו־csv שנמצאים במאגר. גודל ההורדה הכולל הוא סביב 110 מגה בייט, כך שהוא נטען תוך שניות בודדות ולא דורש משאבי אחסון חריגים. אין צורך לבקש אישור גישה מראש. השדות שהכי יעניינו אתכם באימון הם case_prompt כקלט, diagnostic_reasoning שמחזיק את שרשרת ההסקה, ו־final_diagnosis שמכיל את התוצאה הסופית.
from datasets import load_dataset
ds = load_dataset("zou-lab/MedCaseReasoning")הרישיון
המאגר מופץ תחת רישיון MIT. מותר להשתמש בו לצרכים מסחריים ומחקריים, לשנות אותו ולשלב אותו במוצרים סגורים. התנאי היחיד הוא שמירת הודעת זכויות היוצרים והרישיון המקורי. מודלים שתאמנו על הדאטהסט לא מחויבים בקוד פתוח.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש