日本醫療AI迎重大里程碑 GENSHI AI公開百萬筆日語QA數據集

日本醫療AI新創公司 GENSHI AI 宣布發布「GENSHI-MedQA-1M」日語醫療QA數據集，內含超過百萬筆問答，是目前全球最大規模的日語醫療AI訓練數據集。此舉旨在解決日語醫療數據稀缺、翻譯數據在地知識不足的困境，有望推動日本醫療AI領域的發展。

【記者簡詩雅／綜合外電】日本醫療AI新創公司 GENSHI AI 近期宣布，已發布全球最大規模的日語醫療QA數據集「GENSHI-MedQA-1M」，其中包含超過百萬筆的醫療問題與答案。此舉望能有效解決日語醫療AI發展面臨的關鍵挑戰。

這個數據集收錄了共 1,005,231 筆醫療問答，字元數約 1.27 億，Token 數約 9,267 萬。其內容是從 GENSHI AI 獨立收集的約 18 萬頁日語醫療文件中提煉而來，並排除 2010 年以前的過時資訊。數據集的問題類型涵蓋事實性（66.6%）、推理性（21.7%）以及案例判斷性（11.7%）。據該公司調查，這是目前公開可用的日語文字醫療QA數據集中規模最大的。

GENSHI AI 指出，以往日語醫療AI的訓練數據多半來自國家醫師考試題目（僅數千筆）或翻譯自英語數據集，但翻譯資料常欠缺日本健保制度、藥品核准狀況以及國內臨床實務等在地知識，導致AI難以處理日本特有的醫療情境。最大的翻譯英語數據集約有 52 萬筆問答，而 GENSHI-MedQA-1M 的規模是其約 1.9 倍。

該數據集主要透過生成式AI合成，但並非所有內容都經過人工驗證。GENSHI AI 表示，GENSHI-MedQA-1M 可供非商業研究使用，但不能用於診斷、治療決策或提供病患建議。若需商業用途或合作研究，則須直接與 GENSHI AI 洽詢。該公司也計畫根據用戶回饋持續修正數據集，並將其應用於自身醫療AI產品開發，例如他們的內部大型語言模型平台「MedLocal」。

GENSHI AI 執行長長嶋大地表示：「如果要用日語開發醫療AI，首先會遇到學習數據的瓶頸。英語領域不斷有大規模醫療數據集釋出，但日語卻多半是國家考試題目或翻譯數據。翻譯會遺漏日本健保診療、藥品核准等臨床上真正重要的資訊。我們為開發自家醫療AI，一直在整理日語醫療資訊作為訓練數據。這次公開的百萬筆問答，希望能讓研究人員使用，促進日本醫療AI研究更進一步。」

GENSHI AI 是一家由醫師和工程師共同創立的醫療AI新創公司，致力於為醫院開發AI解決方案。除了 MedLocal，他們的產品還包括病歷證據檢索工具 CHUBEN 和語音辨識系統 GENSHI Voice。

參考來源