Открытый набор задач в области здравоохранения

Логический вывод (Natural Language Inference) позволяет проверить способность модели делать суждения на основе медицинских записей с учётом лингвистических нюансов: парафраз, фразеологизмы, аббревиатуры и т.п.

Каждый пример определён парой входных текстов, первый из которых содержит начальное утверждение (фрагмент из истории болезни пациента), а второй является проверяемой гипотезой. Результатом такого вывода может быть три варианта:

• - гипотеза верна, т.е. логически следует из начального утверждения;

• - гипотеза нейтральна, на основе предложенных данных невозможно сделать однозначного вывода;

• - гипотеза явно противоречит начальному утверждению.

Очевидно, что модель медицинского ИИ должна владеть приёмами клинического мышления и обладать глубокими знаниями в рамках базовых дисциплин ведущих медицинских высших учебных заведений.

В отличие от предыдущих, данная задача содержит только тестовую часть, без обучающей и валидационной. В такой постановке задача может быть использована для проверки больших языковых моделей в парадигме решения задач с минимальным набором обучающих примеров (zero- or few-shot learning).

Каждое задание состоит из вопроса и 4-х вариантов ответов, только один из которых правильный.

Уже более 100 лет метод электрокардиографии остаётся надёжным инструментом диагностики тяжёлых сердечных заболеваний. При таком методе фиксируются электрические импульсы сердца. Измерение сердечной активности обычно происходит через 12 стандартных отведений (каналов), полученные данные отображаются на электрокардиограмме (ЭКГ). Анализ и выявление сердечных патологий в таких сигналах требует кропотливой работы и внимания врачей-кардиологов высокой квалификации. Однако, методы машинного обучения для анализа ЭКГ-сигналов имеют огромный потенциал для более быстрого и качественного выявления возможных заболеваний сердца.

Данными для задачи являются ЭКГ-сигналы из открытого датасета PTB-XL. Разметка сигналов выполнена 3-мя кардиологами и проверена врачом-модератором в соответствии с тезаурусом диагностических заключений. Для каждого тестового примера нужно предсказать список из 73 возможных элементов тезауруса (сердечных патологий или служебно-технических классов).