自动临床术语词汇表 (v2023)

此数据集包含422,070个简短的、由计算机生成的SnomedCT概念的定义，涵盖了疾病、程序、药物和解剖学等各个领域。为了生成这些定义，我们使用高质量的SnomedCT关系的口头描述来启动OpenAI Turbo模型，该模型是GPT 3.5的一种变种。

质量控制

重要提示：经过质量控制，我们报告称这些定义中包含了大部分准确、有见地和流畅的定义。然而，由此过程生成的约30%的定义不符合向用户展示的高标准，也不适用于在需要推理的情境下使用机器学习模型，因为它们的质量并非完美。然而，超过95%的定义对于生物医学模型的预训练是有用的。因此，我们发布此数据集用于构建基于检索的系统，并评估在生成定义任务上的大型生物医学语言模型（最终用于对现有语言模型进行低秩微调）。

许可协议

使用此作品的许可协议受到 SnomedCT 和 OpenAI API 协议的约束。我们强烈建议在使用此数据集之前检查这些许可协议。

引用

如果您使用此数据集，请引用以下作品：TODO：将出现在BioNLP 2023中

@misc{remy-and-demeester-2023-glossary,
    title = "Automatic Glossary of Clinical Terminology: a Large-Scale Dictionary of Biomedical Definitions Generated from Ontological Knowledge",
    author = "Remy, François  and
      Demeester, Thomas",
    year = 2023
}