CancerGUIDE Synthetic Patient ist ein von Microsoft Research im Jahr 2025 veröffentlichter, auf GPT-4.1 basierender synthetischer onkologischer Patientendatensatz. Die zugehörige Forschungspublikation ist „CancerGUIDE: Cancer Guideline Understanding via Internal Disagreement Estimation" und zielt darauf ab, datenschutzgeschützte, kontrollierbare Benchmark-Daten für die Bewertung und das Training großer Sprachmodelle bei Aufgaben zur Einhaltung klinischer Leitlinien und zur klinischen Schlussfolgerung bereitzustellen.

Der Datensatz enthält synthetische onkologische Patientenakten sowie entsprechende Behandlungsempfehlungen und ist in zwei Generierungsarten unterteilt: strukturiert und unstrukturiert. Die strukturierten Daten umfassen 165 Datensätze, die unstrukturierten Daten 151 Datensätze. Diese Daten wurden mit GPT-4.1 generiert und sollen die Forschung großer Modelle bei klinischen Schlussfolgerungs- und Empfehlungsaufgaben unterstützen, während gleichzeitig Datenschutzrisiken durch die Verwendung realer Patientendaten vermieden werden.

Zusammensetzung des Datensatzes

Der Datensatz enthält zwei Konfigurationsdateien (Configs), die jeweils unterschiedlichen Generierungsmethoden entsprechen:

• synthetic_structured: Enthält 165 Datensätze und verwendet eine strukturierte (tabellenbasierte Prompt-Vorlage) Generierungsmethode.
• synthetic_unstructured: Enthält 151 Datensätze und verwendet eine unstrukturierte (freitextliche Erzählung) Generierungsmethode.

Jeder Datensatz (im JSON-Format) enthält die folgenden Felder:

• patient_id: Eindeutige Patientenidentifikation
• patient_note: Textbeschreibung der Krankengeschichte des synthetischen Patienten
• label: Vom Modell empfohlener Behandlungsplan

Zitierung

@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},
}