Датасет · louisbrulenaudet
База клинических исследований с эмбеддингами
louisbrulenaudet/clinical-trials
Записи с ClinicalTrials.gov с метаданными и готовыми эмбеддингами для биомедицинских задач.
Что внутри
Крупный набор от 100 000 до 1 млн записей, систематически собранный из официальной базы данных ClinicalTrials.gov на английском, французском и испанском языках. Каждая запись сочетает текстовые и табличные данные: структурированные метаданные, подробные описания исследований и заранее вычисленные семантические эмбеддинги.
Что можно сделать
- Построение систем семантического поиска и RAG по базе клинических испытаний без пересчёта векторов
- Обучение моделей классификации медицинских текстов и извлечения признаков (feature extraction)
- Подготовка QA-систем для ответов на вопросы о протоколах и статусах исследований
- Задачи
- Вопрос-ответ, Эмбеддинги, Классификация текста
- Языки
- Английский, Французский, Испанский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 669
- Лайков
- 42
Как загрузить
from datasets import load_dataset
ds = load_dataset("louisbrulenaudet/clinical-trials")