CancerGUIDE Synthetic Patient は、Microsoft Research が2025年に発表した、GPT-4.1に基づいて生成された合成腫瘍学患者データセットであり、関連する論文成果は「CancerGUIDE: Cancer Guideline Understanding via Internal Disagreement Estimation」で、大規模言語モデルにおける臨床ガイドラインの遵守と推論タスクの評価およびトレーニングのために、プライバシー保護された制御可能なベンチマークデータを提供することを目的としています。

このデータセットには、合成腫瘍学患者の病歴と対応する治療推奨が含まれており、構造化と非構造化の2つの生成方法に分かれています。構造化データには165件のレコード、非構造化データには151件のレコードが含まれています。 これらのデータはGPT-4.1によって生成され、大規模モデルにおける臨床推論および推奨タスクの研究を支援するとともに、実際の患者データの使用に伴うプライバシーリスクを回避することを目的としています。

データセットの構成

データセットには、それぞれ異なる生成方法に対応する2つの設定ファイル（config）が含まれています：

• synthetic_structured: 165件のレコードを含み、構造化（表形式のプロンプトテンプレート）生成方法を採用。
• synthetic_unstructured: 151件のレコードを含み、非構造化（自由文形式の叙述）生成方法を採用。

各レコード（JSON形式）には、以下のフィールドが含まれます：

• patient_id: 一意の患者識別子
• patient_note: 合成患者の病歴のテキスト記述
• label: モデルが推奨する治療計画

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},
}