HiTZ/casimedicos-squad

casimedicos-squad数据集是一个多语言的医学考试数据集，主要包含西班牙语的医学考试题目及其解释。该数据集旨在通过SQuAD抽取式问答范式，自动评估语言模型在医学考试中识别正确答案解释的能力，从而减少对医学专家手动评估的依赖。数据集来源于CasiMedicos社区，该社区由西班牙医学专业人士组成，他们自愿免费发布关于MIR考试答案的解释。数据集经过提取、清理、结构化和注释，每个文档包括临床案例、正确答案、多项选择题以及由西班牙本土医学医生撰写的考试评论。评论中标注了与正确答案解释对应的文本片段。数据集分为训练集、验证集和测试集，分别包含404、56和119个文档。

原始信息汇总

数据集概述

数据集名称

• casimedicos-squad

许可证

• CC-BY-4.0

语言

• 西班牙语 (es)

标签

• casimedicos
• explainability
• medical exams
• medical question answering
• extractive question answering
• squad
• multilinguality
• LLMs
• LLM

配置

• config_name: es
  • train: data/es/es_train_casimedicos_squad.json
  • validation: data/es/es_dev_casimedicos_squad.json
  • test: data/es/es_test_casimedicos_squad.json

任务类别

• question-answering

大小类别

• 1K<n<10K

数据集内容

• 包含临床案例、正确答案、多项选择题及由西班牙语医学专家编写的评论考试。
• 评论中标注了正确答案解释的文本范围。

数据集结构

• context: 文档中的解释（E）
• qas: 可能的答案和问题列表
  • answers: 正确答案的解释（A）
  • question: 临床案例（C）和问题（Q）
  • id: 文档的唯一标识符

数据集示例

• 示例展示了包含文本内容（临床案例、问题、可能答案和解释）的文档，并标注了正确答案解释的文本范围。

数据集引用

• 引用文献：Explanatory Argument Extraction of Correct Answers in Resident Medical Exams
• 作者：Iakes Goenaga, Aitziber Atutxa, Koldo Gojenola, Maite Oronoz, Rodrigo Agerri
• 年份：2023

联系信息

• Iakes Goenaga: http://www.hitz.eus/es/node/65
• Rodrigo Agerri: https://ragerri.github.io/
• HiTZ Center - Ixa, University of the Basque Country UPV/EHU

搜集汇总

数据集介绍

构建方式

在医学自然语言处理领域，可解释性问答系统的构建依赖于高质量的标注数据。casimedicos-squad数据集源自西班牙CasiMedicos社区，该社区由医学专业人员协作撰写住院医师（MIR）考试中每个选择题的解析文本。研究者从CasiMedicos项目网站提取了包含临床案例、问题、选项及医生撰写的完整解析内容，并对其进行了清洗与结构化处理。特别地，他们基于SQuAD抽取式问答范式，在解析文本中精确标注了对应正确答案解释的文本片段（span），从而构建了一个面向医疗考试解释性论元抽取的多语言并行数据集。数据集按标准划分为训练集（404例）、验证集（56例）和测试集（119例），每个样本均包含上下文（解析文本）与问答对（临床案例与问题、正确答案解释的起止位置）。

特点

该数据集的核心创新在于其双重解释性结构：不仅包含正确答案的论据，还涵盖对错误选项的驳斥性解析，这在现有医疗问答数据集中极为罕见。其独特之处在于将抽取式问答范式创新性地应用于解释性论元识别任务，使得模型能够自动定位医生撰写的正确答案解释文本，从而替代传统依赖医学专家的人工评估。数据集中的解析文本由西班牙语母语医生撰写，保证了语言的专业性与自然性。此外，在标注过程中，研究者倾向于选择完整的句子或从句作为解释片段，以确保语法完整性，这为后续模型训练提供了语义连贯的监督信号。

使用方法

使用该数据集时，研究人员可将其加载为标准的SQuAD格式，通过HuggingFace Datasets库直接调用，例如使用load_dataset('HiTZ/casimedicos-squad', 'es')加载西班牙语子集。数据集适用于训练和评估基于Transformer架构的抽取式问答模型（如BERT、RoBERTa等），以完成正确答案解释文本的定位任务。具体应用时，模型的输入为临床案例与问题拼接的文本，输出需预测解释片段在上下文中的起始与结束位置。研究者还可利用其多语言特性进行跨语言迁移学习，或结合论文中提供的基线代码（GitHub仓库）复现实验。评估指标建议采用精确匹配（EM）和F1分数，以衡量抽取结果的准确性。

背景与挑战

背景概述

在自然语言处理与医学人工智能的交叉领域，可解释性问答系统正成为提升临床决策可信度的关键方向。由西班牙HiTZ中心与巴斯克大学的研究团队于2023年发布的casimedicos-squad数据集，聚焦于住院医师医学考试（MIR）中正确答案的解释性论据抽取。该数据集源自CasiMedicos社区，由医学专家协作撰写，包含404条训练样本、56条验证样本及119条测试样本，开创性地将SQuAD格式的抽取式问答范式应用于医学解释性文本。其核心研究问题在于：如何利用标注的解释性片段自动评估语言模型对医学考试正确答案的推理能力，从而减少对昂贵人工评估的依赖。该数据集不仅推动了多语言医学问答的发展，更为可解释人工智能在医疗教育中的落地提供了基准资源。

当前挑战

当前casimedicos-squad面临多重挑战。首先，在领域问题层面，医学解释性论据抽取任务需要模型在复杂临床案例中精准定位包含因果关系的长文本片段，这对现有抽取式问答模型的细粒度推理能力构成显著考验，尤其是处理西班牙语医学文本中特有的术语歧义与句法结构。其次，构建过程中，数据源自社区协作的非结构化评论，需人工标注完整句或从句以确保语法完整性，但不同标注者对解释性边界的主观判断可能引入不一致性。此外，数据集规模较小（不足千条），限制了深度学习模型在少样本场景下的泛化能力，且缺乏跨语言平行语料的扩展，难以直接适配其他语种的医学考试场景。

常用场景

经典使用场景

在医学自然语言处理领域，casimedicos-squad数据集被广泛用于构建和评估基于抽取式问答的医学解释性论证提取系统。其经典使用场景是，给定一段由西班牙执业医师撰写的医学考试评注文本，模型需从该评注中精准定位并抽取与正确答案相对应的解释性片段。这一任务借鉴了SQuAD的抽取式问答范式，将临床案例与问题作为查询，将医师撰写的解释文本作为上下文，从而自动评估模型在医学文本中识别关键论证的能力。该数据集因其独特的注释结构和专业医学背景，成为研究可解释人工智能在医疗决策支持系统中应用的重要基准。

实际应用

在实际应用中，casimedicos-squad数据集支撑了智能医学教育辅助工具的开发。基于该数据集训练的模型可以嵌入在线学习平台，自动为医学生解析住院医师（MIR）考试中的复杂病例，不仅指出正确答案，还能追溯并呈现医师撰写的原理解释。这极大减轻了教学人员的工作负担，使学习者能够即时获得高质量的临床推理指导。此外，该技术还可延伸至临床决策支持系统，帮助医生在诊断过程中快速检索并理解病历中的关键论证线索，提升诊疗效率与准确性。数据集的多语言特性亦为跨国医学知识共享与本地化适配提供了可能。

衍生相关工作

casimedicos-squad数据集催生了一系列具有影响力的衍生研究工作。其原始论文《Explanatory Argument Extraction of Correct Answers in Resident Medical Exams》首次定义了从医学考试评注中抽取正确解释的任务，并提供了基线模型与评估框架。后续研究在此基础上，探索了利用大型语言模型（LLMs）进行少样本或零样本医学解释抽取的可能性，比较了不同预训练模型在西班牙语医学文本上的表现。此外，该数据集也被用于研究对抗性攻击下医学问答系统的鲁棒性，以及结合知识图谱增强论证抽取的语义理解。这些工作共同构建了一个围绕医学可解释性论证挖掘的研究生态，推动了相关领域的持续发展。