Arrtemwolf/medical-specialist-routing

Датасет для маршрутизации медицинских обращений

Контекст задачи

Данный датасет создан для обучения модели классификации текстов жалоб пациентов по медицинским специализациям. Цель — автоматически определять, к какому врачу следует направить пациента на основе его описания симптомов.

Создание датасета

• —Реальные данные взяты из датасета blinoff/medical_qa_ru_data и очищены (удалены пустые значения, короткие/длинные тексты, проведена дедупликация).
• —Синтетические данные сгенерированы с помощью LLM (Qwen2.5-1.5B-Instruct) методом Self-Instruct для покрытия редких классов и разнообразия формулировок.
• —Итоговый датасет сбалансирован по классам (или близок к сбалансированному).

Распределение классов

label Гинеколог 241 Терапевт 153 Невролог 115 Гастроэнтеролог 91 Дерматолог 71 Уролог 61 Отоларинголог 57 Травматолог 51 Хирург 49 Офтальмолог 42 Стоматолог 37 Проктолог 35

Всего записей: 1003

Структура

• —text: текст жалобы пациента (str)
• —label: медицинская специализация (str)

Ограничения

• —Датасет содержит синтетические данные, которые могут иметь артефакты генерации.
• —Реальные данные взяты с форума, могут содержать неполные или нерелевантные описания.
• —Размер датасета ограничен, для продакшн-систем рекомендуется увеличение выборки.

Использование

Датасет предназначен для дообучения (SFT) языковых моделей или для обучения классификаторов на основе эмбеддингов.