MedSynth 合成医患对话与病历数据集

这份数据由加拿大达尔豪斯大学、Vector Institute 与美国 Chapman University、Cedars-Sinai 医学中心等单位的作者发布，公开在 Hugging Face。它含 10,035 对合成的医患对话与 SOAP 格式病历，覆盖 2,001 个 ICD-10 编码，每个编码约 5 条。对话与病历由多智能体大语言模型生成，不对应真实患者。疾病分布参照美国 IQVIA PharMetrics Plus 理赔数据。

把门诊对话整理成病历，是临床文书工作中耗时的一环。这份数据可用于研究由医患对话自动生成 SOAP 病历。每条对话都标有 ICD-10 编码，可用于按病种比较生成质量。

它是合成数据，不属于 1.0 临床真实一层。每对对话与病历都对应一个 ICD-10 编码，属于 2.0 规则语义。模型能从中学习把对话内容整理成主观、客观、评估、计划四段病历。数据没有专家标注，也未给划分与评测规则。内容不保证医学准确，不能作医学信息来源，也未必反映真实对话的复杂程度。

项目	内容
规模	10,035 对医患对话与 SOAP 病历，覆盖 2,001 个 ICD-10 编码
记录语言	英语
记录来源	合成数据
记录单位	对话与病历对
时间轴	单次，每条为一段合成对话及其 SOAP 病历
结局	无结局字段
专家标注	无，仅智能体自动评审
任务环境	未列明

表：MedSynth_huggingface_final.csv。

字段	含义	类型或取值
ICD10	对话—病历对对应的 ICD-10 编码	ICD-10 编码
ICD10_desc	该 ICD-10 编码的描述	英文文本
Note	SOAP 格式的合成病历	英文文本
Dialogue	合成的医患对话	英文文本

表：MedSynth_huggingface_final.csv。

合成样例，非真实记录。

ICD-10 编码	编码描述
E119	TYPE 2 DIABETES MELLITUS WITHOUT COMPLICATIONS
I10	ESSENTIAL (PRIMARY) HYPERTENSION
J45909	UNSPECIFIED ASTHMA, UNCOMPLICATED

项目	内容
商用	未列明
申请	公开下载

项目	内容
维护方口径	由评审智能体检查多样性与合理性。以 ACI-Bench 为基准，由大语言模型评审团多数投票评估
已知局限	不保证医学准确性，不得作为医学信息来源。未必反映真实临床对话的复杂性。可能带有底层大语言模型的偏倚

• 医疗工作流程　›　医患对话与病历生成

https://arxiv.org/abs/2508.01401；https://arxiv.org/html/2508.01401；https://huggingface.co/datasets/Ahmad0067/MedSynth；https://huggingface.co/api/datasets/Ahmad0067/MedSynth。