maternidade-qa

Pares de pergunta e resposta clínicas em português, adaptados para o registro de comunicação entre profissionais de saúde, no domínio de gestação, puerpério e primeiro ano de vida.

Construído como material acadêmico para um Tech Challenge da FIAP.

⚠️ Leia antes de usar

84,6% das respostas (12.951 de 15.300) não foram escritas por médicos. Elas foram reescritas por um LLM (glm-5.3-flash) a partir de respostas originais de profissionais. Só 15,4% (2.349) preservam o texto original do médico, byte a byte.

A coluna resposta_reescrita separa as duas populações linha a linha. Use-a.

Este dataset não foi validado clinicamente e não serve como fonte de conduta médica. Modelos treinados nele herdam qualquer erro introduzido na reescrita.

Origem

Derivado do MedPT, do AKCIT, que por sua vez coletou perguntas anônimas de pacientes e respostas de médicos na plataforma Doctoralia.

Licença: indefinida. O card do MedPT não declara licença — nem nas tags nem no metadata. Ausência de licença não é concessão de uso: não há permissão explícita para redistribuir derivados. Se você pretende usar este dataset além de estudo pessoal, resolva essa questão na fonte antes.

Como foi construído

O pipeline tem quatro etapas:

1. Escopo — filtragem do MedPT para as condições de maternidade e pediatria.
2. Curadoria — corte de tamanho por percentis, verificação de anonimização, e clusterização de perguntas near-duplicatas por similaridade semântica.
3. Reescrita — conversão de paciente→médico para médico→médico, via LLM.
4. Split — particionamento por cluster_id com StratifiedGroupKFold.

Sobre a reescrita

O material original é paciente perguntando a médico, em linguagem leiga. O objetivo aqui é o inverso: médico consultando um assistente clínico. Para cada par, o modelo escolheu uma de quatro ações:

ação	linhas	pergunta	resposta
reescrever_ambos	12.951	reescrita	reescrita
reescrever_pergunta	2.308	reescrita	original
manter	41	original	original
descartar	1.939	(linha removida)

reescrever_pergunta existe para preservar o texto do médico sempre que a resposta original já for impessoal e clínica. Quando uma ação preserva o texto, o original é reinjetado em código — o eco do modelo não é usado —, então as linhas com resposta_reescrita = False são byte-idênticas ao MedPT.

O prompt de reescrita proíbe adicionar ou remover conteúdo clínico. Isso foi verificado por diff de números e unidades sobre as respostas reescritas, e por um juiz LLM sobre amostra. Nenhuma das duas checagens é prova de fidelidade.

Sobre o split

A partição é por grupo, não aleatória. O corpus preserva near-duplicatas de propósito — a frequência de uma pergunta é sinal sobre o que médicos de fato perguntam —, e um split aleatório colocaria variações da mesma pergunta em treino e teste, fazendo a métrica medir memorização. Cada cluster_id cai inteiro em uma única partição.

Composição

linhas	15.300 (train 12.240 / val 1.530 / test 1.530)
condições	616
especialidades	120
clusters	10.195
respostas de médico preservadas	2.349 (15,4%)

Tipos de pergunta: Diagnóstico 5.825 · Tratamento 4.955 · Epidemiologia 2.849 · Estilo de vida 733 · Outros 420 · Anatomia e fisiologia 279 · Escolha de profissionais 239.

A coluna question_type vem do MedPT e foi gerada sinteticamente por LLM (gpt-oss-120b), não é rótulo humano.

Formato

{
  "messages": [
    {"role": "system",    "content": "..."},
    {"role": "user",      "content": "pergunta em registro médico-médico"},
    {"role": "assistant", "content": "resposta em registro técnico"}
  ],
  "id": 12345,
  "condition": "Endometriose",
  "question_type": "Tratamento",
  "cluster_id": 678,
  "origem": "medpt",
  "fonte": "AKCIT/MedPT",
  "pergunta_reescrita": true,
  "resposta_reescrita": false
}

O system carrega o limite de atuação: apoiar a decisão clínica sem substituí-la, e nunca prescrever como determinação final.

Limitações

• Destilação. A maior parte dos alvos é saída de um modelo pequeno. Alucinação introduzida na reescrita vira ground truth para quem treinar aqui.
• Cauda longa. Das 616 condições, muitas têm pouquíssimos exemplos. Algumas obstétricas críticas podem não ter representação no split de teste.
• Fonte não é protocolo. São respostas de consulta online, não diretrizes institucionais validadas.
• Anonimização verificada, não aplicada. A fonte já é anônima; a verificação encontrou resíduo de 1,07% (nomes próprios em sua maioria), tratado por regex.

Citação

O trabalho original que deu origem a estes dados:

MedPT — AKCIT
https://huggingface.co/datasets/AKCIT/MedPT