CancerGUIDE
CancerGUIDE是由GPT-4.1生成的合成肿瘤学患者档案数据集，包含患者描述和推荐治疗方案，用于评估LLM的指南遵循和临床推理能力。
基本信息
资源简介
CancerGUIDE
【数据集背景】
本数据集源站标题为《microsoft/CancerGUIDE》。源站首次发布：2026-01-28。
【数据内容】
源站原始描述：# Dataset Card for CancerGUIDE Synthetic Patient Data ## Dataset Summary CancerGUIDE Synthetic Patient Data contains synthetically generated oncology patient profiles paired with recommended treatments. The dataset was created using GPT-4.1 following the methodology described in the *CancerGUIDE* paper, employing both structured and unstructured generation approaches. The resulting data serves as a benchmark for evaluating and training large language models (LLMs) in guideline-following and clin…
文件 synthetic_structured.json 为 JSON 结构（顶层键：label、patient_id、patient_note）。
文件 synthetic_unstructured.json 为 JSON 结构（顶层键：label、patient_id、patient_note）。
【数据结构与技术规格】
文件数 2 个，合计 1.34 MB。
【主题与分类】
主题标签：language:en、license:mit、size_categories:n<1K、format:json、modality:text、library:datasets、library:pandas、library:polars、library:mlcroissant、arxiv:2509.07325。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://huggingface.co/datasets/microsoft/CancerGUIDE
使用许可：mit。
【使用注意】
· 源站最后修改于 2026-02-06，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("microsoft/CancerGUIDE")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/microsoft/CancerGUIDE
数据说明
CancerGUIDE合成患者数据是一个由GPT-4.1生成的合成肿瘤学患者档案数据集，包含患者描述和推荐治疗方案。数据集采用结构化和非结构化两种生成方法，共316条记录，旨在为评估和训练大型语言模型在遵循指南和临床推理任务中提供基准。数据集由微软研究院策划，使用CC BY 4.0许可，适用于临床指南遵循性评估、结构化临床推理任务模型训练等研究用途，完全不包含真实临床数据。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
