TCMEval-SDT:一种用于综合症分化思维的基准数据集,用于传统中医学的综合症分化思维

科学领域:

• 计算医学是一种计算医学.
• 传统中国医学 (TCM) 是一种
• 医疗保健中的人工智能

背景情况:

• 综合征分化是中国传统医学 (TCM) 中的一个核心诊断过程.
• 开发可模拟TCM诊断推理的计算模型需要强大的,专家策划的数据集.
• 现有的资源可能缺乏用于TCM中高级AI模型培训所需的全面细节.

研究的目的:

• 引入TCMEval-SDT,这是一个大型的,公开可用的TCM综合征差异化基准数据集.
• 提供一个结构化的数据集,支持开发模拟TCM诊断思维过程的算法.
• 在TCM临床诊断中建立评估AI模型的验证标准.

主要方法:

• 来自各种来源 (互联网,文本,医院记录) 的300个TCM综合征诊断病例的汇编.
• 由TCM专家对病例的注释和治疗,包括临床数据,病原和综合征.
• 遵守元数据的可查找,可访问,可互操作和可重复使用 (FAIR) 原则.
• 将TCM诊断过程结构化为四个关键步骤:信息提取,病变发生推理,综合征推理和解释总结.

主要成果:

• 创建TCMEval-SDT数据集,这是TCM综合征差异化研究的全面资源.
• 该数据集包括详细的元数据和专家注释,以促进AI模型开发.
• 确立了验证标准,用于评估诊断算法的性能.

结论:

• TCMEval-SDT数据集是推进TCM计算方法的宝贵资源.
• 根据CC-BY 4.0许可证的公共可用性促进了TCM综合征诊断的研究和评估.
• 这一数据集将有助于构建能够模仿TCM临床医生的诊断推理的AI系统.