raidium/ECN-QA
收藏Hugging Face2024-06-21 更新2024-06-25 收录
下载链接：
https://hf-mirror.com/datasets/raidium/ECN-QA
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含不同类型的医学问题，这些问题来源于ECN考试（法国医学考试）和FreeCN创建的问题。问题类型包括：IQ（独立问题），包含一个问题及多个可能正确或错误的选项；Custom，即由FreeCN创建的IQ；PQ（渐进式问题），包含一个案例介绍及多个后续问题，每个问题有多个选项。数据集有两个版本：法语和英语版本，其中法语版本是原始版本。
该数据集包含不同类型的医学问题，这些问题来源于ECN考试（法国医学考试）和FreeCN创建的问题。问题类型包括：IQ（独立问题），包含一个问题及多个可能正确或错误的选项；Custom，即由FreeCN创建的IQ；PQ（渐进式问题），包含一个案例介绍及多个后续问题，每个问题有多个选项。数据集有两个版本：法语和英语版本，其中法语版本是原始版本。
提供机构：
raidium原始信息汇总
数据集概述
数据集描述
该数据集包含不同类型的医学问题，源自过去的ECN考试（法国医学考试）和由FreeCN创建的问题。问题类型包括：
- IQ（个体问题）：包含一个问题和多个可能正确或错误的选项。
- Custom：由FreeCN创建的IQ问题。
- PQ（渐进式问题）：包含一个案例介绍和多个后续问题及多个选项。
数据集分为法语和英语两个版本，法语版本是原始数据集。
数据集配置
- english-full
- 训练集：
english/train.jsonl - 测试集：
english/test.jsonl
- 训练集：
- english-qi
- 训练集：
english/qi_train.jsonl - 测试集：
english/qi_test.jsonl
- 训练集：
- english-dp
- 训练集：
english/dp_train.jsonl - 测试集：
english/dp_test.jsonl
- 训练集：
- english-custom
- 训练集：
english/custom_train.jsonl - 测试集：
english/custom_test.jsonl
- 训练集：
- french-full
- 训练集：
french/train.jsonl - 测试集：
french/test.jsonl
- 训练集：
- french-qi
- 训练集：
french/qi_train.jsonl - 测试集：
french/qi_test.jsonl
- 训练集：
- french-dp
- 训练集：
french/dp_train.jsonl - 测试集：
french/dp_test.jsonl
- 训练集：
- french-custom
- 训练集：
french/custom_train.jsonl - 测试集：
french/custom_test.jsonl
- 训练集：
任务类别
- 多项选择
语言
- 法语
- 英语
标签
- 医学问答
数据集名称
- ecn-qa
许可证
- Apache 2.0
警告
- 部分问题需要图像才能回答，这些未在此数据集中过滤，因此无法在此数据集上达到100%准确率。
- 英语版本是使用Azure Translation API自动翻译的，可能包含翻译错误。
搜集汇总
数据集介绍
构建方式
ECN-QA数据集由Raidium团队构建，旨在推动医学问答领域的发展。该数据集源自法国国家医学考试（ECN）的历年真题以及FreeCN平台自主创作的题目，涵盖了多种医学问题类型。具体包括独立问题（IQ），即包含一个问题和多个正确或错误选项的题目；由FreeCN创作的定制化独立问题（Custom）；以及渐进式问题（PQ），其以一个临床案例为引，后续附带多个包含选项的子问题。数据集提供法语和英语两个版本，其中法语版为原始语料，英语版则通过Azure翻译API自动翻译而成。
使用方法
使用ECN-QA数据集时，可通过HuggingFace的datasets库便捷加载。用户首先需通过`huggingface-cli login`完成身份验证，随后利用`load_dataset`函数指定配置名称即可获取相应数据。例如，加载法语完整版使用`load_dataset("raidium/ECN-QA", "french-full")`，英语完整版则为`"english-full"`。若需特定子集，可替换配置名为`french-qi`、`french-dp`、`french-custom`或对应的英语版本。该数据集以JSONL格式存储，每行包含一个独立样本，适用于多选问答任务的训练与评估。
背景与挑战
背景概述
ECN-QA数据集由Raidium团队于2024年发布，旨在应对医学领域问答系统面临的标注数据稀缺与知识密集型问题。该数据集源自法国国家医学考试（ECN）的历年真题，并融合了FreeCN平台自主创作的题目，由Julien Khlaut、Corentin Dancette等研究人员在NAACL 2024临床自然语言处理研讨会上提出。核心研究问题聚焦于如何利用知识增强的问题生成技术，构建涵盖独立问答（IQ）、渐进式病例分析（PQ）及自定义题型的高质量医学问答资源。该数据集包含法语原始版本与英语自动翻译版本，为多语言医学问答研究提供了基准，显著推动了临床知识推理与少样本学习领域的进展。
当前挑战
ECN-QA数据集面临的挑战主要体现在三个方面：首先，医学问答的领域特性要求模型具备从复杂病例中提取关键信息的能力，部分题目依赖图像理解，导致模型难以实现百分百准确率，这对多模态融合与知识推理能力提出了严苛要求。其次，数据集构建过程中，英语版本依赖Azure翻译API进行自动转换，可能引入语义偏差或术语误译，影响跨语言任务的可靠性。此外，原始法语ECN考试题目存在专业术语密集、逻辑嵌套复杂的特点，人工标注成本高昂，而自动生成问题需平衡知识覆盖与噪声控制，确保数据集的生态效度与泛化能力。
常用场景
经典使用场景
在医学自然语言处理领域，ECN-QA数据集被广泛用于评估和提升模型在多项选择题型上的问答能力。该数据集包含来自法国医学考试ECN的真实考题以及FreeCN平台生成的定制问题，覆盖了独立问题（IQ）和递进式病例问题（PQ）两种核心类型。研究者常利用其英语和法语双版本，构建跨语言的医学问答基准，从而检验模型在知识检索、上下文理解和多命题判断上的综合表现。
解决学术问题
ECN-QA有效解决了医学问答领域缺乏高质量、多类型标注数据集的学术难题。传统数据集多聚焦于单一问题格式或缺乏临床考试的真实性，而该数据集的IQ和PQ结构模拟了实际医学考试中的复杂推理场景。它推动了知识增强型问答生成方法的发展，使模型能够更好地应对需要结合外部知识库（如医学文献或临床指南）的挑战，显著提升了答案的准确性与可解释性。
实际应用
在实际应用中，ECN-QA为医学教育智能辅导系统提供了核心支撑。通过在该数据集上训练的问答模型，医学生能够获得针对ECN考试的自适应练习与即时反馈，例如解析病例中的渐进式问题或纠正错误选项。此外，该数据集的双语特性（法语与自动翻译的英语版本）使其可服务于国际医学教育平台，辅助非法语地区的医学生理解法国医学考试范式，从而促进跨区域临床知识的传播与标准化评估。
数据集最近研究
最新研究方向
在医疗问答领域，数据集ECN-QA的构建与知识增强型问题生成技术紧密相连，代表了前沿研究中对高效、精准医学知识检索与推理能力的追求。该数据集源自法国国家医学考试（ECN）及FreeCN平台，涵盖独立问题（IQ）、渐进问题（PQ）及自定义问题等多种类型，并提供了法语原版与英语翻译版，为跨语言医学问答研究奠定了坚实基础。当前，随着大型语言模型在临床决策支持中的广泛应用，ECN-QA被用于评估模型在复杂医学情境下的多选推理能力，尤其是对需要图像解释的未过滤问题的处理，揭示了现有模型在真实临床环境中的局限性。其研究意义在于推动知识增强方法的发展，通过融合外部医学知识库来提升回答的准确性与可解释性，进而促进医疗AI从理论走向实际应用，对改善患者护理和医学教育具有深远影响。
以上内容由遇见数据集搜集并总结生成
