Cet ensemble de données provient du documentAméliorer la capacité de diagnostic avec des modèles de langage conversationnels multi-agents« L’ensemble de tests utilisé dans cette étude a été accepté par Nature.

L'ensemble de données contient 302 maladies rares, avec 1 à 9 maladies rares sélectionnées aléatoirement dans chaque catégorie. Ces maladies rares ont été sélectionnées parmi plus de 7 000 maladies rares de 33 types dans la base de données Orphanet, une base de données complète sur les maladies rares cofinancée par la Commission européenne. Étant donné que les maladies rares sont réparties différemment selon les types, une méthode d’échantillonnage aléatoire pondéré normalisé a été utilisée pour la sélection afin de garantir une représentation équilibrée. Les poids d’échantillonnage ont été ajustés en fonction du nombre de maladies de chaque type et ajustés par transformation logarithmique naturelle.