CancerGUIDE Synthetic Patient는 Microsoft Research가 2025년에 발표한 GPT-4.1 기반 합성 종양학 환자 데이터세트로, 관련 논문은 「CancerGUIDE: Cancer Guideline Understanding via Internal Disagreement Estimation」이며, 대규모 언어 모델의 임상 가이드라인 준수 및 추론 작업 평가와 훈련을 위한 개인정보 보호 및 제어 가능한 벤치마크 데이터를 제공하는 것을 목표로 합니다.

이 데이터세트는 합성 종양학 환자 의무 기록과 해당 치료 권장 사항을 포함하며, 구조화 및 비구조화 두 가지 생성 방식으로 나뉩니다. 구조화 데이터에는 165개의 레코드가, 비구조화 데이터에는 151개의 레코드가 포함되어 있습니다. 이 데이터는 GPT-4.1로 생성되었으며, 실제 환자 데이터 사용으로 인한 개인정보 보호 위험을 피하면서 대규모 모델의 임상 추론 및 권장 작업 연구를 지원하기 위해 설계되었습니다.

데이터세트 구성

데이터세트는 각각 다른 생성 방법에 해당하는 두 개의 구성(config)을 포함합니다:

• synthetic_structured: 165개의 레코드를 포함하며, 구조화(테이블 프롬프트 템플릿) 생성 방법을 사용합니다.
• synthetic_unstructured: 151개의 레코드를 포함하며, 비구조화(자유 텍스트 서술) 생성 방법을 사용합니다.

각 레코드(JSON 형식)에는 다음 필드가 포함됩니다:

• patient_id: 고유 환자 식별자
• patient_note: 합성 환자의 병력 텍스트 설명
• label: 모델이 권장하는 치료 계획

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},
}