論文の概要: DocTalkBN: A Novel Dataset of Expert Telemedicine Conversations in Bengali
- arxiv url: http://arxiv.org/abs/2608.27110v1
- Date: Thu, 27 Aug 2026 13:25:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.41485
- Title: DocTalkBN: A Novel Dataset of Expert Telemedicine Conversations in Bengali
- Title（参考訳）: DocTalkBN:ベンガルにおける遠隔医療に関する新たなデータセット
- Abstract要約: DocTalkBNは、ベンガルにおける実世界の専門家による遠隔医療会話の大規模マルチモーダルデータセットである。
557.63時間のペア音声とテキスト、1,515件の患者電話、10,274件のホスト-医師-質問-回答交換があり、合計で1.7Mのトークンがあり、26の専門分野にまたがっている。
- 参考スコア（独自算出の注目度）: 4.013049819226647
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable medical conversational AI requires authentic expert--patient interaction data, yet such datasets remain scarce, especially for low-resource languages such as Bengali. We present DocTalkBN, a large-scale multimodal dataset of real-world expert telemedicine conversations in Bengali, collected from nationally broadcast telemedicine programs featuring board-certified physicians. DocTalkBN contains 557.63 hours of paired audio and text, 1,515 multi-turn patient calls, 10,274 host--doctor question--answer exchanges, totaling 1.7M tokens, spanning 26 medical specialties. Unlike prior resources derived from medical forums, written health content, or synthetic data, our dataset preserves the spontaneity, contextual richness, and spoken characteristics of authentic medical interactions in a low-resource setting. To support benchmark-driven research, we further construct three downstream tasks from the corpus, medical triage classification, advice safety evaluation, and medical named entity recognition, and benchmark a diverse set of large language models and encoder-based baselines. Our results show that DocTalkBN is a practically useful resource, particularly for clinically grounded reasoning tasks. We release this resource to facilitate future research on reliable medical NLP and safer, more culturally grounded healthcare systems for low-resource languages. Our source codes and dataset are publicly available at https://anonymous.4open.science/r/doctalk.
- Abstract（参考訳）: 信頼性の高い医療会話型AIは、真の専門家と患者の相互作用データを必要とするが、ベンガル語のような低リソース言語では、そのようなデータセットは依然として不足している。
本稿では,ベンガルにおける遠隔医療の大規模マルチモーダルデータセットであるDocTalkBNについて紹介する。
DocTalkBNには、557.63時間のペア音声とテキスト、1,515の患者電話、10,274のホスト-医師-質問-回答交換があり、合計1.7万のトークンがあり、26の専門分野にまたがっている。
医療フォーラム, 書面健康内容, 合成データから得られた先行資源と異なり, 本データセットは, 低リソース環境下での医療行為の自発性, 文脈的豊かさ, 音声的特徴を保存している。
ベンチマーク駆動型研究を支援するため,コーパス,医療トリアージ分類,アドバイスセーフティ評価,医療名付きエンティティ認識の3つの下流タスクを構築し,大規模言語モデルとエンコーダベースのベースラインをベンチマークする。
以上の結果から,DocTalkBNは,特に臨床的根拠に基づく推論作業において,実用的に有用な資源であることが示唆された。
我々はこのリソースを公開し、信頼性の高い医療NLPと、低リソース言語のためのより安全で文化に根ざした医療システムの研究を促進する。
ソースコードとデータセットはhttps://anonymous.4open.science/r/doctalk.comで公開されています。
関連論文リスト
- MedAidDialog: A Multilingual Multi-Turn Medical Dialogue Dataset for Accessible Healthcare [1.3141424119891407]
MedAidDialogは、現実的な医師と患者との相談をシミュレートするために設計された多言語多言語医療対話データセットである。
データセットは、大規模言語モデルを用いて合成コンサルテーションを生成することでMDDial corpusを拡張する。
MedAidLMは,パラメータ効率のよい小言語モデルの微調整により訓練された対話型医療モデルである。
論文 参考訳（メタデータ） (2026-03-25T09:51:44Z) - Medical Triage as Pairwise Ranking: A Benchmark for Urgency in Patient Portal Messages [7.172145560602484]
本稿では,外来門脈メッセージの文脈で医学的トリアージを研究するための,最初の大規模公開データセットを紹介する。
新規のタスク定式化では,患者メッセージのトリアージをペアワイズ推論問題とみなし,医師の受信箱のトーナメント形式のリソートで「どのメッセージがより医療的に緊急であるか」をLLMに教える。
PMR-Benchベンチマークには1569のユニークなメッセージと2000以上の高品質なテストペアが含まれています。
論文 参考訳（メタデータ） (2026-01-19T16:05:31Z) - Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning [57.873833577058]
医療知識の豊富なマルチモーダルデータセットを構築した。
次に医学専門のMLLMであるLingshuを紹介します。
Lingshuは、医療専門知識の組み込みとタスク解決能力の向上のために、マルチステージトレーニングを行っている。
論文 参考訳（メタデータ） (2025-06-08T08:47:30Z) - MediTOD: An English Dialogue Dataset for Medical History Taking with Comprehensive Annotations [23.437292621092823]
本研究は,医学史研究のための英語における医師と患者との対話のデータセットであるMedictoDを紹介する。
医療領域に合わせたアンケートに基づくラベリング手法を考案する。
そして、医療専門家は高品質の包括的なアノテーションでデータセットを作成する。
論文 参考訳（メタデータ） (2024-10-18T06:38:22Z) - BiMediX: Bilingual Medical Mixture of Experts LLM [90.3257333861513]
英語とアラビア語の両方でシームレスに相互作用するように設計された、最初のバイリンガル医療混合物であるBiMediXを紹介する。
我々のモデルは、英語とアラビア語の幅広い医学的相互作用を促進し、さらに詳細を問い合わせるマルチターンチャットを含む。
そこで我々は,高品質な翻訳を保証するために,人間の洗練を図った英語からアラビア語への半自動翻訳パイプラインを提案する。
論文 参考訳（メタデータ） (2024-02-20T18:59:26Z) - LLaVA-Med: Training a Large Language-and-Vision Assistant for
Biomedicine in One Day [85.19963303642427]
本稿では,バイオメディカルイメージのオープンな研究課題に答えられる視覚言語対話アシスタントを訓練するための費用効率のよいアプローチを提案する。
モデルはまず、フィギュア・キャプションのペアを使ってバイオメディカル・ボキャブラリをアライメントし、その後、オープンエンドの会話意味論を習得する。
これにより、バイオメディジンのための大規模言語と視覚アシスタントを15時間以内で(8つのA100で)訓練することができる。
論文 参考訳（メタデータ） (2023-06-01T16:50:07Z) - PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。
LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。
PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文 参考訳（メタデータ） (2023-04-27T18:29:05Z) - LingYi: Medical Conversational Question Answering System based on
Multi-modal Knowledge Graphs [35.55690461944328]
本稿では,マルチモーダル知識グラフに基づくCQAシステム,すなわち「LingYi」を提案する。
本システムでは,医用トリアージ,コンサルテーション,画像・テキスト・ドラッグ・レコメンデーション,記録などの医療行為を自動で行う。
論文 参考訳（メタデータ） (2022-04-20T04:41:26Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z) - Multilingual Medical Question Answering and Information Retrieval for
Rural Health Intelligence Access [1.0499611180329804]
いくつかの発展途上国の農村部では、高品質な医療、医療インフラ、専門的診断へのアクセスはほとんど利用できない。
このような医療アクセスの欠如、患者の以前の健康記録の欠如、および先住民語での情報の置換によるいくつかの死を、容易に防ぐことができる。
本稿では,機械学習とNLP(Natural Language Processing)技術における現象の進展を利用して,低リソース・多言語・予備的ファーストポイント・オブ・コンタクト・メディカルアシスタントを設計するアプローチについて述べる。
論文 参考訳（メタデータ） (2021-06-02T16:05:24Z) - MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware
Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。
MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。
実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文 参考訳（メタデータ） (2020-10-15T03:34:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。