面向低资源编码的GPT-3.5生成出院小结数据集

资源简介

面向低资源编码的GPT-3.5生成出院小结数据集

MIMIC-IV-Ext-GPT-3_5-Generated-Discharge-Summaries-for-Low-Resource-Codes 是一个面向临床文本生成研究的合成数据集，共包含 9,606 份合成出院小结。这些出院小结由 GPT-3.5 生成，生成依据是 MIMIC-IV 中真实出院小结所关联的 ICD-10 编码描述的组合，并且重点关注低资源编码。该数据集来源于 PhysioNet，采用 PhysioNet Credentialed Health Data License 1.5.0 许可，主题涵盖合成出院小结、GPT-3.5 生成、ICD-10 编码、低资源编码、MIMIC-IV 与临床文本生成等方向。

【数据集背景】

临床文本生成研究通常依赖真实出院小结，但真实数据受隐私保护限制，获取门槛较高；同时，部分 ICD-10 编码在真实语料中出现频次低，属于低资源编码，相关文本样本稀缺，难以支撑模型训练与评估。该数据集正是针对这一背景构建，利用大语言模型生成合成出院小结，以补充低资源编码对应的文本样本。其源站标题为 generated-codes-low-resource，本站分类归入“其他 / 其他”。

【数据内容】

数据集包含 9,606 份合成出院小结。每份小结由 GPT-3.5 基于 ICD-10 编码描述的组合生成，这些编码描述来自 MIMIC-IV 中真实出院小结所关联的编码。数据集聚焦低资源编码，即真实语料中样本较少的编码类别。除上述规模与生成方式外，源站未提供更细的字段结构、文本长度分布或编码覆盖数量等信息。

【采集与来源】

数据来源站为 physionet.org。生成过程以 MIMIC-IV 中真实出院小结关联的 ICD-10 编码描述为输入组合，由 GPT-3.5 产出合成文本。源站未提供具体的生成时间、生成参数、提示词设计以及筛选流程等细节。

【适用场景】

基于其合成属性与低资源编码聚焦，该数据集可用于临床文本生成模型的训练与评测、低资源编码相关文本的扩充、合成临床文本的质量研究，以及 ICD-10 编码描述到出院小结文本的生成任务探索。由于文本为合成数据，也适合在受控环境中开展方法学研究。源站未提供具体的基准任务或评测协议。

【使用方法】

源站未提供具体的使用说明、数据加载方式或推荐的处理流程。使用者需遵循 PhysioNet Credentialed Health Data License 1.5.0 的相关要求访问与使用数据。

【质量与限制】

该数据集为 GPT-3.5 生成的合成出院小结，并非真实临床记录，其内容可能不完全反映真实临床书写习惯与事实准确性。数据聚焦低资源编码，编码分布不代表真实临床总体分布。源站未提供人工校验、质量评估指标或错误率等信息。

【引用与许可】

该数据集采用 PhysioNet Credentialed Health Data License 1.5.0 许可。源站未提供具体的引用格式或文献出处。使用时应遵守该许可的访问与使用条款。