日本GENSHI AI釋出全球最大日語醫療QA數據　無償供學界研究

【記者簡詩雅／綜合外電】日本醫療人工智慧（AI）新創 GENSHI AI 於今（16）日宣布，已公開超過一百萬筆日語醫療問答數據集「GENSHI-MedQA-1M」，為全球規模最大的日語文字醫療問答數據集。這項數據集將無償提供給非商業研究用途的醫療機構、大學與研究單位，期盼能加速日本及其他非英語系國家在AI醫療領域的發展。

根據《Infoseek新聞》報導，該數據集收錄了1,005,231組問答對，總計約1.27億字與9,267萬個 Token，其規模約為目前第二大日語醫療問答數據集的1.9倍。這些資料是 GENSHI AI 獨立收集約18萬頁日語醫療文件後，再透過生成式人工智慧（Generative AI，一種能創造新內容的AI技術）合成而來，內容涵蓋心臟科、腎臟科、小兒科及傳染病等280個醫學領域，並僅採用2010年以後的資訊，確保數據的時效性與參考價值。

GENSHI AI 表示，「GENSHI-MedQA-1M」中的問題類型多元，包括66.6%的事實性問題、21.7%的推理題，以及11.7%的案例判斷題。這些問答皆採描述性格式，每組問題與答案佔一行，方便機器學習使用。使用者若要申請此數據集，必須透過 AI 模型與數據集平台 Hugging Face 的專屬頁面提交申請，詳細註明姓名、所屬機構與使用目的。

該公司代表取締役長嶋 大地（Daichi Nagashima）指出，開發日語醫療AI的最大挑戰在於缺乏足夠的訓練數據。他強調，英語世界雖有許多大規模醫療數據集，但日語多數僅限於國家考試題目或英語數據的機器翻譯。這些翻譯數據往往無法涵蓋日本健保診療、藥品核准現況等臨床上關鍵資訊，而 GENSHI-MedQA-1M 的發布正好彌補了這項不足，有助於開發更符合日本臨床實務的AI大型語言模型（LLM，Large Language Model，一種能夠理解並生成人類語言的複雜AI模型）。

然而，GENSHI AI 也提醒，此數據集是透過生成式AI合成，並未經過所有條目的手動驗證，因此嚴禁將其用於診斷、治療決策或向病患提供建議。該公司未來將根據研究人員的回饋，持續修正與改進數據集內容，並將其應用於自身醫療AI產品的開發，例如針對醫療機構的閉域 LLM 平台 MedLocal。

參考來源

• GENSHI AI、100万件超の日本語医療QAデータセット「GENSHI-MedQA-1M」を公開。日本語テキストの医…（プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES）

• クラウド型健康管理システム「mediment」が「2026年度グッドデザイン賞」を受賞（プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES）

• GENSHI AI、100万件超の日本語医療QAデータセット「GENSHI-MedQA-1M」を公開。日本語テキストの医…（Infoseekニュース）

• GENSHI AI、日本語医療QAデータ100万件超を公開 非商用研究向けに無償提供 – 医療テックニュース（医療テックニュース – 医療のデジタル化に取り組む人のための情報サイト）