医生撰写与LLM生成患者摘要中无依据事实的医学专家标注
由两名医学专家标注的、针对100份原始MIMIC患者摘要（出院指导）中缺乏支持的事实以及100份大语言模型（LLM）生成的患者摘要中幻觉的标注
基本信息
资源简介
医生撰写与LLM生成患者摘要中无依据事实的医学专家标注
由两名医学专家标注的、针对100份原始MIMIC患者摘要（出院指导）中缺乏支持的事实以及100份大语言模型（LLM）生成的患者摘要中幻觉的标注
ann-pt-summ
【数据集背景】
本数据集源站标题为《Medical Expert Annotations of Unsupported Facts in Doctor-Written and LLM-Generated Patient Summaries》。
【数据内容】
源站描述（机器翻译，仅供参考）：由两名医学专家标注的、针对100份原始MIMIC患者摘要（出院指导）中缺乏支持的事实以及100份大语言模型（LLM）生成的患者摘要中幻觉的标注。
【主题与分类】
主题标签：文本摘要、出院指导、幻觉检测、事实核查、大模型输出、专家标注、MIMIC。本站分类：其他/其他。
【获取与许可】
源站页面：https://physionet.org/content/ann-pt-summ/
使用许可：PhysioNet Credentialed Health Data License 1.5.0。
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。
需登录公开下载
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。
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（PhysioNet）
- 源站标题：Medical Expert Annotations of Unsupported Facts in Doctor-Written and LLM-Generated Patient Summaries
- 版本：1.0.1
- DOI：10.13026/gedc-j464
- 源站页面：https://physionet.org/content/ann-pt-summ/1.0.1
PhysioNet 数据需注册账号（机构邮箱）并签署数据使用协议后下载：
- 在 https://physionet.org/content/ann-pt-summ/1.0.1 页面登录并接受许可条款；
- 命令行整目录下载：
wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/ann-pt-summ/1.0.1/
- 或用官方工具（推荐，支持断点续传与校验）：
pip install physionet-download
physionet-download ann-pt-summ
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
医疗保健领域的大语言模型能够生成信息丰富的患者摘要，同时减轻医护人员的文书工作负担。然而，这些模型容易产生幻觉，即生成缺乏依据的信息，这在敏感的医疗健康领域会造成问题。为了更好地刻画医学文本中缺乏依据的事实，我们制定了一套严格的标注协议。按照该协议，两名医学专家标注了来自 MIMIC-IV-Note Discharge Instructions 的100份医生撰写的摘要中的无依据事实，以及100份LLM生成的患者摘要中的幻觉。在此，我们发布基于这些标注的两个数据集：
许可
PhysioNet Credentialed Health Data License 1.5.0
引用
学术使用请引用：Hegselmann et al. (2025). Medical Expert Annotations of Unsupported Facts in Doctor-Written and LLM-Generated Patient Summaries. PhysioNet. doi:10.13026/gedc-j464 DOI 10.13026/gedc-j464。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
