nextdppr/russian-medical-2m

🏥 Russian Medical Instruction Dataset 2M (2,000,000 QA & Clinical Cases)

Russian Medical Instruction Dataset (2M) — сверхмасштабный, клинически выверенный русскоязычный датасет по доказательной медицине объемом 2 000 000 примеров (~1.2–1.5 млрд токенов).

Датасет разработан для глубокого инструктивного дообучения (Supervised Fine-Tuning / SFT, LoRA/QLoRA), дистилляции клинических рассуждений (knowledge distillation) и создания медицинских LLM-ассистентов на базе современных архитектур (LLaMA-3 / 3.1 / 3.3, Qwen 2.5, DeepSeek-V3 / R1, Mistral, Gemma 2, Saiga, Vikhr, T-lite).

---

📌 Основные характеристики

• Общий объём: 2 000 000 клинических записей.
• Разбиение (Splits):
  • train: 1 900 000 примеров (95%)
  • test: 100 000 примеров (5%)
• Формат хранения: Высокоэффективный бинарный Apache Parquet (train.parquet ~1.74 ГБ, test.parquet ~94 МБ) со сжатием Snappy для мгновенной загрузки в память и поддержки стриминга (streaming=True).
• Схема разметки: Стандарт Alpaca / Instruction Tuning (instruction, input, output) с расширенными метаданными (category, subcategory, task_type, difficulty).
• Язык: Русский (ru).
• Токенизация: Суммарный объем текстового корпуса составляет ~1.3 млрд токенов.

---

🩺 Охват медицинских дисциплин (27 направлений)

Датасет охватывает полный спектр клинических специальностей с акцентом на неотложные состояния и мультиморбидность:

1. Кардиология: ОКС (STEMI, NSTEMI), стабильная ИБС, острый отек легких, ХСН со сниженной/сохранной ФВ, гипертонические кризы, резистентная АГ, тахи- и брадиаритмии, фибрилляция предсердий, кардиогенный шок.
2. Пульмонология: Обострение бронхиальной астмы (астматический статус), ХОБЛ (группы A, B, E), тяжелая внебольничная и нозокомиальная пневмония, ОРДС, ТЭЛА, дыхательная недостаточность.
3. Неврология: ОНМК (ишемический инсульт, тромболизис, тромбэкстракция), геморрагический инсульт, субарахноидальное кровоизлияние (САК), эпилептический статус, миастенический криз, синдром Гийена-Барре, полинейропатии.
4. Гастроэнтерология & Гепатология: Острые ЖКК (шкалы Forrest, Rockall, Blatchford), цирроз печени с печеночной энцефалопатией и асцитом, ВЗК (болезнь Крона, неспецифический язвенный колит), острый тяжелый панкреатит/панкреонекроз, ГЭРБ, язвенная болезнь.
5. Эндокринология: Диабетический кетоацидоз (ДКА), гиперосмолярное состояние, тяжелая гипогликемия, надпочечниковый криз, тиреотоксический криз, микседематозная кома.
6. Нефрология & Урология: Острое почечное повреждение (KDIGO 1-3), жизнеугрожающая гиперкалиемия, нефротический синдром, почечная колика, острый пиелонефрит, почечная заместительная терапия.
7. Инфекционные болезни & Сепсис: Септический шок (Surviving Sepsis Campaign bundle), гнойный бактериальный менингит, зоонозы, природно-очаговые инфекции, оппортунистические инфекции.
8. Токсикология: Острые отравления парацетамолом (схема Prescott, номограмма Rumack-Matthew), ФОС (атропинизация, оксимы), опиоидами, седативными препаратами, угарным газом.
9. Хирургия & Неотложная абдоминальная патология: Острый аппендицит с перитонитом, странгуляционная и обтурационная кишечная непроходимость, перфорация полого органа, мезентериальный тромбоз.
10. Ревматология: Системная красная волчанка, активный люпус-нефрит, серопозитивный ревматоидный артрит (DAS28), подагрический статус, спондилоартриты.
11. Интенсивная терапия & Реаниматология: Протокол ABCDE, респираторная поддержка, инвазивный гемодинамический мониторинг, вазопрессорная поддержка.
12. Педиатрия, Дерматология, Офтальмология, Оториноларингология, Акушерство & Гинекология, Гематология, Травматология, Психиатрия, Аллергология, Гериатрия, Фтизиатрия.

---

🎯 Архитектура задач (10 архетипов)

Датасет сбалансирован по 10 прикладным сценариям:

Архетип задачи	Описание
treatment_protocol	Доказательный протокол ступенчатой фармакотерапии, подбор препаратов и дозировок
differential_diagnosis	Дифференциальный диагноз с исключением маскирующих и жизнеугрожающих патологий
emergency_care	Алгоритм неотложной стабилизации состояния пациента по системе ABCDE
clinical_case	Индивидуализированный клинический разбор полиморбидного больного
pharmacology_safety	Коррекция доз при ХБП/печеночной дисфункции, профиль межлекарственных взаимодействий
triage_and_red_flags	Стратификация по валидированным шкалам (GRACE, SOFA, NIHSS, KDIGO) и красные флаги
patient_management	Долгосрочный амбулаторный контроль, профилактика рецидивов, реабилитация
lab_interpretation	Интерпретация клинических биомаркеров, КЩС, газов крови и коагулограммы
expert_qa	Экспертные ответы на сложные вопросы клинической практики
comorbid_optimization	Оптимизация терапии у полиморбидных больных, депрескрайбинг

---

📊 Структура данных

Каждый пример датасета содержит следующие поля:

Поле	Тип	Описание
id	string	Уникальный строковый идентификатор записи (med_ru_tr_XXXXXXX / med_ru_te_XXXXXXX)
category	string	Клиническая специальность (напр., Кардиология, Пульмонология)
subcategory	string	Раздел клинической дисциплины
task_type	string	Архетип задачи (напр., treatment_protocol, emergency_care)
difficulty	string	Уровень сложности: intermediate, advanced, expert
instruction	string	Инструкция или клинический вопрос врача
input	string	Клинический виньет (пол, возраст, гемодинамика, витальные знаки, коморбидности, лаб. тесты)
output	string	Структурированный клинический ответ в формате Markdown

---

💻 Пример использования

1. Загрузка через Hugging Face Datasets

from datasets import load_dataset

# Быстрая загрузка Parquet
dataset = load_dataset("nextdppr/russian-medical-2m")

print(dataset)
# DatasetDict({
#     train: Dataset({
#         features: ['id', 'category', 'subcategory', 'task_type', 'difficulty', 'instruction', 'input', 'output'],
#         num_rows: 1900000
#     }),
#     test: Dataset({
#         features: ['id', 'category', 'subcategory', 'task_type', 'difficulty', 'instruction', 'input', 'output'],
#         num_rows: 100000
#     })
# })

# Потоковая загрузка (Streaming) для экономии диска и памяти
streaming_ds = load_dataset("nextdppr/russian-medical-2m", split="train", streaming=True)
for sample in streaming_ds.take(2):
    print(sample["id"], sample["instruction"][:60])

2. Форматирование в Prompt для SFT-обучения (Alpaca / ChatML / LLaMA-3)

def format_alpaca(example):
    return f"""### Инструкция:
{example['instruction']}

### Входные данные:
{example['input']}

### Ответ:
{example['output']}"""

---

📜 Лицензия и этические нормы

Датасет распространяется по открытой лицензии Apache 2.0. Предназначен исключительно для научно-исследовательских целей, обучения и оценки моделей искусственного интеллекта. Не заменяет консультации квалифицированного врача.