MedQA データセットは、米国医師免許試験 (USMLE) のスタイルをシミュレートした医療分野向けの質問と回答のデータセットで、MIT と華中科技大学の研究チームによって 2020 年にリリースされました。関連する論文結果は「この患者はどのような病気を患っていますか? 健康診断からの大規模なオープンドメイン質問回答データセット「」。このデータセットは専門的な健康診断から収集されたもので、英語、中国語（簡体字）、中国語（繁体字）をカバーし、それぞれ 12,723、34,251、14,123 の質問が含まれており、モデルの理解と医学知識の応用を評価することを目的としています。 。

MedQA データセットの構築は専門医師免許試験に基づいており、問題の高品質と専門性が保証されています。質問データに加えて、医学教科書の大規模なコーパスが収集および公開されており、読解モデルはそこから質問に答えるために必要な知識を取得できます。データセットはトレーニングセット、開発セット、テストセットに分かれており、それぞれモデルのトレーニング、検証、テストに使用されます。