CancerGUIDE Synthetic Patient هو مجموعة بيانات مرضى الأورام الاصطناعية تم إصدارها بواسطة Microsoft Research في عام 2025، وتستند إلى توليد GPT-4.1، والورقة البحثية ذات الصلة هي "CancerGUIDE: Cancer Guideline Understanding via Internal Disagreement Estimation"، وتهدف إلى توفير بيانات مرجعية محمية للخصوصية وقابلة للتحكم لتقييم وتدريب نماذج اللغة الكبيرة في مهام اتباع إرشادات السريرية والاستدلال.

تحتوي مجموعة البيانات على سجلات مرضى الأورام الاصطناعية والتوصيات العلاجية المقابلة، وتنقسم إلى طريقتين للتوليد: المنظمة وغير المنظمة، حيث تحتوي البيانات المنظمة على 165 سجلًا، بينما تحتوي البيانات غير المنظمة على 151 سجلًا. تم توليد هذه البيانات بواسطة GPT-4.1، وتهدف إلى دعم الأبحاث في الاستدلال السريري ومهام التوصية للنماذج الكبيرة، مع تجنب مخاطر الخصوصية المرتبطة باستخدام بيانات المرضى الحقيقية.

تكوين مجموعة البيانات

تحتوي مجموعة البيانات على ملفي تكوين (config)، يتوافق كل منهما مع طريقة توليد مختلفة:

• synthetic_structured: يحتوي على 165 سجلًا، ويستخدم طريقة التوليد المنظمة (قالب موجه جدولي).
• synthetic_unstructured: يحتوي على 151 سجلًا، ويستخدم طريقة التوليد غير المنظمة (سرد نص حر).

يحتوي كل سجل (بتنسيق JSON) على الحقول التالية:

• patient_id: معرف فريد للمريض
• patient_note: وصف نصي للتاريخ الطبي للمريض الاصطناعي
• label: خطة العلاج الموصى بها من النموذج

Citation

@article{CancerGUIDE,
  title = {CancerGUIDE: Cancer Guideline Understanding via Internal Disagreement Estimation},
  author = {Unell,  Alyssa and Codella,  Noel C. F. and Preston,  Sam and Argaw,  Peniel and Yim,  Wen-wai and Gero,  Zelalem and Wong,  Cliff and Jena,  Rajesh and Horvitz,  Eric and Hall,  Amanda K. and Zhong,  Ruican Rachel and Li,  Jiachen and Jain,  Shrey and Wei,  Mu and Lungren,  Matthew and Poon,  Hoifung},
  url = {https://doi.org/10.48550/arxiv.2509.07325},
  publisher = {arXiv},
  year = {2025},
}