数据集概述

此数据集包含用于描述症状的自然语言描述，标记有22种相关的诊断。 Gretel/symptom_to_diagnosis提供了1065个用英语标记的症状描述，对应着22种诊断，重点关注细粒度的单一领域诊断。

数据字段

每一行包含以下字段：

input_text：包含症状的字符串字段
output_text：包含诊断的字符串字段

示例：

{
"output_text": "drug reaction",
"input_text": "I've been having headaches and migraines, and I can't sleep. My whole body shakes and twitches. Sometimes I feel lightheaded."
}

诊断

该表格包含训练集和测试集中每种诊断的计数。

Diagnosis	train.jsonl	test.jsonl
0	drug reaction	40	8
1	allergy	40	10
2	chicken pox	40	10
3	diabetes	40	10
4	psoriasis	40	10
5	hypertension	40	10
6	cervical spondylosis	40	10
7	bronchial asthma	40	10
8	varicose veins	40	10
9	malaria	40	10
10	dengue	40	10
11	arthritis	40	10
12	impetigo	40	10
13	fungal infection	39	9
14	common cold	39	10
15	gastroesophageal reflux disease	39	10
16	urinary tract infection	39	9
17	typhoid	38	9
18	pneumonia	37	10
19	peptic ulcer disease	37	10
20	jaundice	33	7
21	migraine	32	10

数据拆分

数据拆分为80%的训练集（853个样本，167kb）和20%的测试集（212个样本，42kb）。

数据集创建

数据经过筛选，排除了不需要的类别，并使用LLM进行更新，以便创建与患者用自然语言向医生描述症状更一致的语言。

源数据

此数据集基于Kaggle的 Symptom2Disease 数据集进行了改编。

个人和敏感信息

此数据集中的症状经过LLM修改，不包含个人数据。

限制

此数据集已获得Apache 2.0许可，可免费使用。

作者:

gretelai

数据集大小:

213.11 KB