MedNLI 临床自然语言推理数据集

MedNLI 由 IBM Almaden 研究院的研究者构建，现托管于 PhysioNet。前提句抽自 MIMIC-III 已故患者去标识病历的既往史段落，假设句由医生撰写，并标为蕴含、矛盾或中立。全库共 14,049 个句对，来自 4,683 个前提句。训练、验证、测试分别为 11,232、1,395、1,422 对，三个子集的前提句互不重叠。

自然语言推理要判断一句话能否从另一句话推出。临床病历里同一事实有多种写法，检验数值与“肌酐升高”这类概括之间就需要推理。这份数据可用于评价模型在临床语境下的推理能力。它也可用于研究通用领域的推理模型迁移到临床文本后的表现。

假设句与推理标签由临床医生编写，能学到 3.0 专家判断。模型可以从中学习临床缩写、检验数值与诊断概括之间的蕴含和矛盾关系。试点阶段两名放射科医师在 552 对上的一致性 Cohen’s κ 为 0.78。每个句对只有一份标注，部分前提句带有去标识留下的痕迹。句对脱离了完整病历和时间顺序，也没有结局信息，不能用来学习病程。

项目	内容
规模	14,049 个句对，来自 4,683 个前提句
记录语言	英语
记录来源	诊疗过程
记录单位	前提与假设句对
时间轴	单次，每条为一句前提与一句医生编写的假设
结局	无结局字段
专家标注	有，四名临床医生编写假设句并标注推理标签
任务环境	有，固定训练、验证、测试划分

表：mli_train_v1.jsonl。

字段	含义	类型或取值
gold_label	推理标签	entailment、contradiction 或 neutral
sentence1	前提句，取自既往病史段落	文本
sentence2	假设句，由医生撰写	文本
sentence1_parse	前提句的成分句法分析	Stanford parser 输出
sentence2_parse	假设句的成分句法分析	Stanford parser 输出
sentence1_binary_parse	前提句的二叉句法分析	Stanford parser 输出
sentence2_binary_parse	假设句的二叉句法分析	Stanford parser 输出

表：mli_train_v1.jsonl。

合成样例，非真实记录。

前提句	假设句	推理标签
Patient has type II diabetes	Patient suffers from a chronic condition	entailment
Patient has type II diabetes	Patient has hypertension	neutral
Patient has type II diabetes	The patient's insulin levels are normal without any medications	contradiction

项目	内容
许可	PhysioNet Credentialed Health Data License 1.5.0
商用	未列明
申请	须通过凭证审核、完成 CITI 培训并签数据使用协议
中国可用性	未写国别限制，个人须过凭证审核，不得共享访问

项目	内容
维护方口径	医生撰写假设句并标注推理关系。试点阶段一致性 Cohen’s κ＝0.78
已知局限	每个句对只有一份标注。部分前提句带去标识化伪影。测试集金标签已隐去

• 医疗工作流程　›　病历问答与推理

https://physionet.org/content/mednli/1.0.0/；https://jgc128.github.io/mednli/；https://aclanthology.org/D18-1187.pdf；https://physionet.org/about/faqs/；https://physionet.org/content/mednli/view-license/1.0.0/。