Aperçu du jeu de données

Les Données Synthétiques CancerGUIDE constituent un ensemble de données synthétique en oncologie généré par GPT-4.1 et publié par Microsoft Research en 2025. Les résultats associés sont publiés dans l'article « CancerGUIDE: Cancer Guideline Understanding via Internal Disagreement Estimation ». Cet ensemble vise à fournir des données de référence protégées pour la vie privée et contrôlables afin d'évaluer et d'entraîner les grands modèles linguistiques sur le respect des directives cliniques et les tâches de raisonnement.

L’ensemble comprend des dossiers médicaux synthétiques en oncologie ainsi que les recommandations thérapeutiques correspondantes. Il est produit selon deux approches : structurée et non structurée. Les données structurées contiennent 165 enregistrements, tandis que les données non structurées en comptent 151. Ces données ont été générées par GPT-4.1 afin de soutenir la recherche sur le raisonnement clinique et les tâches de recommandation au sein des grands modèles, tout en évitant les risques liés à l’utilisation de véritables données patients.

Composition du jeu de données

Le jeu de données inclut deux fichiers de configuration (configs), correspondant chacun à une méthode de génération différente :

• synthetic_structured : contient 165 enregistrements, produits via une approche structurée (modèles d’invite tabulaire).
• synthetic_unstructured : contient 151 enregistrements, produits via une approche non structurée (récits en texte libre).

Chaque enregistrement (au format JSON) comporte les champs suivants :

• patient_id : identifiant unique du patient
• patient_note : description textuelle historique du patient synthétique
• label : traitement recommandé par le modèle

Référence bibliographique

@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},
}