数据集NLP医疗健康【免费下载链接】opus5-5-doctor-patient-conversations-all-human-diseases项目地址https://ai.gitcode.com/hf_mirrors/nisten/opus5-5-doctor-patient-conversations-all-human-diseases点击查看免费下载还在为训练医疗AI找不到覆盖面广 质量过硬的对话数据发愁吗开源项目opus5-5-doctor-patient-conversations-all-human-diseases是一个由 Claude Opus 5.5 生成的全疾病医患对话数据集覆盖2194 种人类疾病每种疾病对应一段从就诊 → 检查 → 治疗 → 处置完整走通的合成医患对话英文ChatML 格式可直接用于医疗 RAG 检索库和小模型微调。本文带你快速速览它的疾病清单与身体系统分布。 30秒速览数据集核心指标指标数值说明疾病覆盖2,194 种每种疾病 1 条完整诊疗记录数据格式JSONL每行 1 条 JSON共 20 个字段文件大小约 75 MB单文件即可取用对话长度平均 33.4 轮25–59 轮每条约 22,800 字符≈5,700 tokens总对话量约 1,250 万 tokensp95 约 7,000最长约 8,400 tokens文献引用6,377 条 PubMed 引用4,198 个去重 PMID全部经 NCBI 逐条在线核验生成方式一种疾病一个独立 agent通过自动质量闸门后才入库 相比前代 Opus 4.8 版本对话平均长出了约 60%并补齐了真实的生命体征、化验值、单位与参考范围。️ 疾病清单是如何组织的2194 条按 A–Z 全量铺开数据集的疾病名清单来源于作者的种子清单all-human-diseases共 2,194 种种子表 2,195 个名称中1 个因安全策略拦截被排除按字母顺序组织从22q11.2 deletion syndrome22q11.2 缺失综合征一路排到Zollinger-Ellison syndrome卓-艾综合征。完整的 2194 条疾病清单收录在 README.md 的 Disease coverage 小节按字母顺序逐条列出覆盖范围相当全面常见慢病2型糖尿病、COPD、高血压、动脉粥样硬化、类风湿关节炎……肿瘤从肺癌、乳腺癌到胶质母细胞瘤几乎每个器官系统都有对应癌种条目感染病新冠、流感、HIV/AIDS、结核、疟疾、登革热甚至包含天花这样的历史疫病罕见病Wilson 病、Tay-Sachs 病、Fabry 类遗传代谢病、Prader-Willi 综合征等儿科与孕产儿童哮喘、婴儿黄疸、早产、妊娠高血压、产后抑郁……精神心理抑郁症、焦虑症、双相障碍、PTSD、进食障碍、精神分裂症…… 想知道我的目标疾病在不在里面直接打开 README.md 按字母检索即可每条疾病名与数据集name字段一一对应。 身体系统分布速览body_systems 字段是最佳索引每条记录都带有一个body_systems字段字符串数组标注该疾病归属的身体系统例如body_systems: [endocrine, renal]它是做按系统筛选疾病的天然索引。结合疾病清单各系统覆盖情况大致如下身体系统示例标签覆盖量级典型疾病心血管cardiac / vascular高急性冠脉综合征、房颤、肺栓塞、心衰、主动脉夹层呼吸系统pulmonary高哮喘、COPD、肺炎、间质性肺病、气胸消化系统GI / hepatic高胃溃疡、克罗恩病、胰腺炎、肝炎、肝硬化肿瘤oncologic高各类实体瘤、白血病、淋巴瘤神经精神neurologic / psychiatric高偏头痛、癫痫、帕金森、阿尔茨海默、抑郁皮肤dermatologic中高银屑病、湿疹、痤疮、黑色素瘤、荨麻疹内分泌endocrine中甲亢/甲减、糖尿病、库欣综合征、垂体瘤泌尿renal / urologic中肾结石、肾病综合征、前列腺炎、肾癌骨肌肉musculoskeletal中骨折、滑囊炎、肌腱炎、骨质疏松免疫/血液immune / hematologic中系统性红斑狼疮、镰状细胞贫血、ITP、多发性骨髓瘤感染infectious中新冠、结核、疟疾、HIV、幽门螺杆菌感染生殖/孕产gynecologic / obstetric中子宫内膜异位症、多囊卵巢、先兆子痫、卵巢癌儿科pediatric中儿童哮喘、水痘、川崎病、脑瘫耳鼻喉 / 眼科 / 口腔中青光眼、干眼、牙周炎、鼻息肉、中耳炎⚠️ 部分疾病会跨多个系统如糖尿病肾病同时标记endocrinerenal建议按疾病 → 系统而非系统 → 疾病的方式理解分布。 一条记录长什么样20 个字段速览数据文件 opus5-5diseaseconversations.jsonl 每行是一条 JSON 记录固定 20 个字段分为三类来源类别字段说明 结构化临床字段源自权威库逐字复制name、aliases、search、description、related_drugs、drug_interactions、food_interactions、icd10、prevalence、body_systems疾病名、别名、ICD-10 编码、相关药物含 ATC 码、药物/食物相互作用、流行病学等 文献字段重建核验pubmed_refs格式为{pmid, title, year}只保留对话中实际引用且 NCBI 可解析的 PMID 生成字段Opus 5.5 生成并验证clinician_persona、patient_scenario、conversation、common_mistakes、differential_diagnosis、related_diseases、executive_summary医生人设、患者病情、完整对话{role, content}轮次、易犯临床错误、鉴别诊断、相关疾病、病例摘要其中conversation已经是标准 ChatML 轮次结构system/user/assistant严格交替≥15 轮转换微调数据集只需一步投影import json with open(opus5-5diseaseconversations.jsonl) as f, open(chatml.jsonl, w) as w: for line in f: rec json.loads(line) w.write(json.dumps({messages: rec[conversation]}) \n)每条对话还内置了一个教学设计患者恰好有一次隐瞒或说谎如谎称胰岛素依从性良好医生会在对话中体面地识破并纠正——非常适合训练模型的安全问诊能力。️ 两种最典型的用法SFT 微调与医疗 RAG用法一ChatML SFT 微调上面的转换脚本输出{messages: [...]}格式后即可直接用于主流框架的微管/微调流程平均每条约 5,700 tokens按窗口预算采样即可。用法二搭一个医疗 RAG 检索库README 中给出的官方建议不要对整段对话做向量化而是嵌入一个紧凑检索键疾病名 别名 描述 摘要仅几百 tokens把完整对话作为 payload 交给大模型。按上下文窗口大小决定一次检索几条记录k 值模型上下文窗口建议检索条数 k备注8k1紧张时建议只传executive_summary16k2常规配置32k≤4README 示例默认配置128k≤21上限参考值完整的向量检索 上下文组装代码示例见 README.md 的 Build a simple RAG over it 小节。✅ 质量门槛与局限性用之前必须知道的 3 件事引用是真核过的。生成时每条记录引用的 PMID 都实时调用 NCBI 校验标题匹配旧版整理出的文献列表只有 5.8% 准确因此本数据集的pubmed_refs全部按对话实际引用重建。内部一致性被强制保证。血气必须满足 Henderson-Hasselbalch 方程、阴离子间隙与生化面板吻合、剂量与体重匹配、用药必须来自本记录的related_drugs。它是合成数据不是医疗建议。仅适用于研究、RAG 接地与模型训练对话中的故意隐瞒是教学特性而非缺陷PMID 可解析不代表论文内容必然与对话表述一致临床事实使用前仍应对照原始文献。另外两个已声明的小 caveat种子表 2,195 个名称中有 1 个被安全策略拦截而未生成文件最后 6 行是重试时经通用opus别名生成的属 Opus 家族但无法确认为 5.5。 快速上手获取数据集git clone https://gitcode.com/hf_mirrors/nisten/opus5-5-doctor-patient-conversations-all-human-diseases克隆后核心文件就两个README.md完整说明含 2194 疾病清单、20 键 schema 表、转换与 RAG 代码示例opus5-5diseaseconversations.jsonl约 75 MB 的数据文件Git LFS 存储首次克隆需启用 LFS 小结这份Opus 5.5 全疾病医患对话数据集的价值在于三点2194 种疾病的完整覆盖、经 NCBI 核验的引用与内部一致性的临床数字、以及开箱即用的 ChatML 结构。无论你是在搭建医疗问答 RAG还是想给小模型补一堂从问诊到处方的完整临床课它都能直接开工。项目采用 Apache-2.0 许可作者 Nisten Tahiraj 欢迎社区提交纠错 PR。赞分享数据集NLP医疗健康【免费下载链接】opus5-5-doctor-patient-conversations-all-human-diseases项目地址https://ai.gitcode.com/hf_mirrors/nisten/opus5-5-doctor-patient-conversations-all-human-diseases点击查看免费下载相关推荐Opus5.5全疾病医患对话数据集终极指南2194种人类疾病临床对话如何一次看懂Opus5.5全疾病医患对话数据集终极指南2194种人类疾病临床对话如何一次看懂 Opus 5.5 全疾病医患对话数据集opus5 5 doctor pat数据集NLP医疗健康Opus5.5全疾病医患对话数据集Schema完全解析20个字段逐个拆解与新手使用建议Opus5.5全疾病医患对话数据集Schema完全解析20个字段逐个拆解与新手使用建议 本文逐字段拆解 Opus5.5 全疾病医患对话数据集 Doctor数据集NLP医疗健康如何使用 disease.sh API获取全球疾病统计数据的终极指南如何使用 disease.sh API获取全球疾病统计数据的终极指南 disease.sh 是一个功能强大的开源 API专注于提供 COVID 19 和流感上一篇表格组件终极优化vue-pure-admin中列拖拽与表头国际化切换下一篇FastDFS元数据查询算法设计效率与复杂度创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
