File size: 27,939 Bytes
1db7196 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 | {
"cells": [
{
"cell_type": "markdown",
"id": "d3bff56e",
"metadata": {},
"source": [
"https://lmarena.ai/c/9fa09cff-fb85-4719-80db-188a19de0803"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "1a11463f",
"metadata": {},
"outputs": [],
"source": [
"import json\n",
"import random\n",
"from typing import List, Dict, Any, Optional\n",
"\n",
"# Your existing prompts for different readability levels\n",
"PROMPTS = {\n",
" \"easy\": '''\n",
"You are an assistant that rewrites Spanish texts to make them very simple and easy to understand.\n",
"Your goal is to rewrite the provided input text for younger readers (Fernández Huerta 70–100; grade 5–7).\n",
"Use short sentences, simple words, and friendly tone. Avoid technical or complex expressions.\n",
"Keep all important factual details, but remove jargon.\n",
"Return only the rewritten text without commentary.\n",
"''',\n",
" \"intermediate\": '''\n",
"You are an assistant specialized in rewriting Spanish texts with medium readability.\n",
"Your task is to rewrite the provided input text for general or high‑school‑level readers (Fernández Huerta 50–70; grade 8–12).\n",
"Use clear and complete sentences, moderately complex vocabulary, and structured narration.\n",
"Retain all relevant medical or factual information, but phrase it in accessible language.\n",
"Return only the rewritten text with no explanations.\n",
"''',\n",
" \"hard\": '''\n",
"You are an assistant that rewrites Spanish medical texts with professional, technical precision.\n",
"Rewrite the following input text using specialized, academic terminology and information‑dense phrasing.\n",
"The output must target a Fernández Huerta readability index between 0 and 50 (university/professional level).\n",
"Use clinical vocabulary, formal register, and detailed description of pathophysiology, procedures, and findings.\n",
"Return only the rewritten text.\n",
"'''\n",
"}\n",
"\n",
"# Thinking templates for processing medical reports\n",
"THINKING_TEMPLATES = {\n",
" \"input_analysis\": [\n",
" \"\"\"Estoy analizando este informe médico. Primero debo identificar:\n",
"1. Datos del paciente: {patient_info}\n",
"2. Diagnóstico principal: {diagnosis}\n",
"3. Síntomas y signos clínicos: {symptoms}\n",
"4. Pruebas realizadas: {tests}\n",
"5. Tratamiento: {treatment}\n",
"\n",
"Ahora debo adaptar esta información al nivel de lectura solicitado: {difficulty}.\"\"\",\n",
"\n",
" \"\"\"Este es un informe médico que necesito reescribir. Contiene:\n",
"- Información clínica sobre {diagnosis}\n",
"- Terminología médica como: {medical_terms}\n",
"- Datos técnicos que debo {action} según el nivel {difficulty}\n",
"Mi objetivo es mantener la precisión médica mientras ajusto la complejidad del lenguaje.\"\"\"\n",
" ],\n",
" \n",
" \"easy\": [\n",
" \"\"\"Para nivel fácil (FH 70-100), debo:\n",
"1. Cambiar \"{medical_term}\" por \"{simple_term}\"\n",
"2. Dividir oraciones largas en frases cortas\n",
"3. Eliminar jerga médica innecesaria\n",
"4. Usar palabras que un niño de 10-12 años entienda\n",
"5. Mantener la historia clara y simple\n",
"\n",
"Voy a contar esto como una historia sobre {patient_description} que {simple_story}.\"\"\",\n",
"\n",
" \"\"\"Necesito simplificar mucho este texto:\n",
"- Cambiar términos médicos complejos por palabras cotidianas\n",
"- Usar máximo 10-15 palabras por oración\n",
"- Explicar todo como si fuera para un niño\n",
"- Mantener solo la información esencial\n",
"- Hacer que suene amigable y no aterrador\"\"\",\n",
" ],\n",
" \n",
" \"intermediate\": [\n",
" \"\"\"Para nivel intermedio (FH 50-70), mi estrategia es:\n",
"1. Mantener algunos términos médicos pero explicarlos brevemente\n",
"2. Usar oraciones de complejidad media (15-20 palabras)\n",
"3. Estructurar la información en párrafos lógicos\n",
"4. Incluir detalles relevantes sin ser excesivamente técnico\n",
"5. Vocabulario apropiado para estudiantes de secundaria\n",
"\n",
"El texto debe ser informativo pero accesible, manteniendo {key_concepts} pero explicando {complex_terms}.\"\"\",\n",
"\n",
" \"\"\"Nivel intermedio requiere equilibrio:\n",
"- Puedo usar términos como \"{medical_term}\" pero debo contextualizarlos\n",
"- Las oraciones pueden ser más complejas pero claras\n",
"- Incluir información sobre causas y efectos\n",
"- Mantener estructura narrativa coherente\n",
"- Apropiado para lectores con educación media\"\"\",\n",
" ],\n",
" \n",
" \"hard\": [\n",
" \"\"\"Para nivel profesional (FH 0-50), debo maximizar la precisión técnica:\n",
"1. Usar nomenclatura médica internacional: {technical_terms}\n",
"2. Incluir todos los valores de laboratorio y mediciones específicas\n",
"3. Emplear terminología especializada sin simplificación\n",
"4. Formato de historia clínica hospitalaria\n",
"5. Densidad informativa máxima\n",
"\n",
"Estructuraré según: Anamnesis → Exploración física → Pruebas complementarias → Diagnóstico → Plan terapéutico.\"\"\",\n",
"\n",
" \"\"\"Reescritura altamente técnica requerida:\n",
"- Incorporar clasificaciones internacionales (CIE-10, DSM-5, etc.)\n",
"- Detallar fisiopatología y mecanismos moleculares\n",
"- Usar abreviaturas médicas estándar\n",
"- Incluir diagnósticos diferenciales\n",
"- Lenguaje de publicación científica\n",
"- Máxima densidad de información médica especializada\"\"\",\n",
" ]\n",
"}\n",
"\n",
"class MedicalReportProcessor:\n",
" \"\"\"Process medical reports and create training data with thinking mode.\"\"\"\n",
" \n",
" def __init__(self, original_report: str):\n",
" \"\"\"\n",
" Initialize with the original medical report.\n",
" \n",
" Args:\n",
" original_report: The original medical report text to be rewritten\n",
" \"\"\"\n",
" self.original_report = original_report\n",
" self.medical_entities = self.extract_medical_entities(original_report)\n",
" \n",
" def extract_medical_entities(self, text: str) -> Dict[str, List[str]]:\n",
" \"\"\"Extract medical entities from the report.\"\"\"\n",
" # This is a simplified extraction - you might want to use a medical NER model\n",
" entities = {\n",
" \"diagnosis\": [],\n",
" \"symptoms\": [],\n",
" \"medications\": [],\n",
" \"tests\": [],\n",
" \"medical_terms\": []\n",
" }\n",
" \n",
" # Common medical terms to look for\n",
" diagnosis_keywords = [\"diagnóstico\", \"síndrome\", \"enfermedad\", \"trastorno\", \"patología\", \n",
" \"neurofibromatosis\", \"nf1\", \"tdah\", \"déficit\"]\n",
" symptom_keywords = [\"dolor\", \"mancha\", \"nódulo\", \"bulto\", \"lesión\", \"síntoma\",\n",
" \"retraso\", \"dificultad\", \"problema\"]\n",
" medication_keywords = [\"medicamento\", \"tratamiento\", \"terapia\", \"metilfenidato\", \"fármaco\"]\n",
" test_keywords = [\"biopsia\", \"ecografía\", \"análisis\", \"prueba\", \"examen\", \"resonancia\"]\n",
" \n",
" text_lower = text.lower()\n",
" \n",
" # Extract based on keywords\n",
" for keyword in diagnosis_keywords:\n",
" if keyword in text_lower:\n",
" entities[\"diagnosis\"].append(keyword)\n",
" \n",
" for keyword in symptom_keywords:\n",
" if keyword in text_lower:\n",
" entities[\"symptoms\"].append(keyword)\n",
" \n",
" for keyword in medication_keywords:\n",
" if keyword in text_lower:\n",
" entities[\"medications\"].append(keyword)\n",
" \n",
" for keyword in test_keywords:\n",
" if keyword in text_lower:\n",
" entities[\"tests\"].append(keyword)\n",
" \n",
" # Extract all medical terms\n",
" all_medical = diagnosis_keywords + symptom_keywords + medication_keywords + test_keywords\n",
" for term in all_medical:\n",
" if term in text_lower:\n",
" entities[\"medical_terms\"].append(term)\n",
" \n",
" return entities\n",
" \n",
" def generate_input_thinking(self, difficulty: str) -> str:\n",
" \"\"\"Generate thinking for understanding the input medical report.\"\"\"\n",
" template = random.choice(THINKING_TEMPLATES[\"input_analysis\"])\n",
" \n",
" thinking = template.format(\n",
" patient_info=\"paciente de 18 años\" if \"18 años\" in self.original_report else \"paciente\",\n",
" diagnosis=\", \".join(self.medical_entities[\"diagnosis\"][:2]) or \"condición médica\",\n",
" symptoms=\", \".join(self.medical_entities[\"symptoms\"][:3]) or \"síntomas diversos\",\n",
" tests=\", \".join(self.medical_entities[\"tests\"][:2]) or \"estudios clínicos\",\n",
" treatment=\", \".join(self.medical_entities[\"medications\"][:2]) or \"tratamiento\",\n",
" difficulty=difficulty,\n",
" medical_terms=\", \".join(self.medical_entities[\"medical_terms\"][:3]),\n",
" action=\"simplificar mucho\" if difficulty == \"easy\" else \"adaptar\" if difficulty == \"intermediate\" else \"tecnificar\"\n",
" )\n",
" \n",
" return thinking\n",
" \n",
" def generate_output_thinking(self, difficulty: str, rewritten_text: str) -> str:\n",
" \"\"\"Generate thinking for the rewriting process.\"\"\"\n",
" template = random.choice(THINKING_TEMPLATES[difficulty])\n",
" \n",
" # Customize based on difficulty\n",
" if difficulty == \"easy\":\n",
" thinking = template.format(\n",
" medical_term=self.medical_entities[\"medical_terms\"][0] if self.medical_entities[\"medical_terms\"] else \"término médico\",\n",
" simple_term=\"enfermedad\" if \"neurofibromatosis\" in self.medical_entities[\"diagnosis\"] else \"problema de salud\",\n",
" patient_description=\"un joven\",\n",
" simple_story=\"tenía una enfermedad especial desde pequeño\"\n",
" )\n",
" elif difficulty == \"intermediate\":\n",
" thinking = template.format(\n",
" key_concepts=\", \".join(self.medical_entities[\"diagnosis\"][:2]) or \"conceptos médicos principales\",\n",
" complex_terms=\", \".join(self.medical_entities[\"medical_terms\"][:3]) or \"terminología especializada\",\n",
" medical_term=self.medical_entities[\"medical_terms\"][0] if self.medical_entities[\"medical_terms\"] else \"término médico\"\n",
" )\n",
" else: # hard\n",
" thinking = template.format(\n",
" technical_terms=\", \".join(self.medical_entities[\"medical_terms\"][:5]) or \"terminología especializada\"\n",
" )\n",
" \n",
" return thinking\n",
" \n",
" def create_training_example(self, difficulty: str, rewritten_text: str, fh_score: float) -> Dict:\n",
" \"\"\"Create a complete training example with thinking.\"\"\"\n",
" \n",
" # Generate system message\n",
" system_content = PROMPTS[difficulty].strip()\n",
" \n",
" # Generate thinking for input and output\n",
" input_thinking = self.generate_input_thinking(difficulty)\n",
" output_thinking = self.generate_output_thinking(difficulty, rewritten_text)\n",
" \n",
" # Create the message structure\n",
" messages = [\n",
" {\n",
" \"content\": f\"reasoning language: Spanish\\n\\n{system_content}\",\n",
" \"role\": \"system\",\n",
" \"thinking\": None\n",
" },\n",
" {\n",
" \"content\": f\"Please rewrite the following medical report to achieve a Fernández Huerta score of {fh_score:.1f} (difficulty level: {difficulty}):\\n\\n{self.original_report}\",\n",
" \"role\": \"user\",\n",
" \"thinking\": input_thinking\n",
" },\n",
" {\n",
" \"content\": rewritten_text,\n",
" \"role\": \"assistant\",\n",
" \"thinking\": output_thinking\n",
" }\n",
" ]\n",
" \n",
" return {\"messages\": messages}\n",
"\n",
"def process_medical_dataset_with_original(\n",
" original_reports: List[str],\n",
" readability_versions_list: List[Dict],\n",
" include_variations: bool = True\n",
") -> List[Dict]:\n",
" \"\"\"\n",
" Process medical dataset with original reports and create training data.\n",
" \n",
" Args:\n",
" original_reports: List of original medical reports\n",
" readability_versions_list: List of dictionaries with readability versions\n",
" include_variations: Whether to include cross-difficulty variations\n",
" \n",
" Returns:\n",
" List of training examples with thinking mode\n",
" \"\"\"\n",
" training_dataset = []\n",
" \n",
" for original_report, versions_dict in zip(original_reports, readability_versions_list):\n",
" processor = MedicalReportProcessor(original_report)\n",
" readability_versions = versions_dict.get(\"readability_versions\", {})\n",
" \n",
" # Create training examples for each difficulty level\n",
" for difficulty, content in readability_versions.items():\n",
" rewritten_text = content[\"text\"]\n",
" fh_score = content[\"FH_score\"]\n",
" \n",
" training_example = processor.create_training_example(\n",
" difficulty=difficulty,\n",
" rewritten_text=rewritten_text,\n",
" fh_score=fh_score\n",
" )\n",
" \n",
" training_dataset.append(training_example)\n",
" \n",
" # Optionally create cross-difficulty variations\n",
" if include_variations:\n",
" difficulties = list(readability_versions.keys())\n",
" \n",
" # Create some mixed examples (e.g., easy to hard, hard to intermediate)\n",
" for _ in range(2): # Create 2 variations per report\n",
" source_diff = random.choice(difficulties)\n",
" target_diff = random.choice([d for d in difficulties if d != source_diff])\n",
" \n",
" # Use source difficulty text as \"original\" for variation\n",
" source_text = readability_versions[source_diff][\"text\"]\n",
" target_text = readability_versions[target_diff][\"text\"]\n",
" target_fh = readability_versions[target_diff][\"FH_score\"]\n",
" \n",
" # Create processor for this variation\n",
" var_processor = MedicalReportProcessor(source_text)\n",
" variation_example = var_processor.create_training_example(\n",
" difficulty=target_diff,\n",
" rewritten_text=target_text,\n",
" fh_score=target_fh\n",
" )\n",
" \n",
" training_dataset.append(variation_example)\n",
" \n",
" return training_dataset\n",
"\n",
"# Example usage\n",
"if __name__ == \"__main__\":\n",
" # Example original medical reports (these would be your actual original reports)\n",
" original_medical_reports = [\n",
" \"\"\"Paciente masculino de 18 años con diagnóstico molecular confirmado de Neurofibromatosis tipo 1 \n",
" (deleción exones 5-47 del gen NF1), que presenta antecedentes de retraso del desarrollo psicomotor \n",
" global diagnosticado a los 3 años, trastorno específico del lenguaje de tipo expresivo que requirió \n",
" intervención fonoaudiológica, y TDAH en tratamiento con metilfenidato 20mg/día con buena respuesta. \n",
" Hallazgos oftalmológicos incluyen nódulos de Lisch bilaterales, astigmatismo miópico compuesto y \n",
" euriblefaron bilateral. Motivo de consulta actual: aparición de placa eritematosa de 3cm en muslo \n",
" izquierdo de 12 meses de evolución y múltiples nódulos subcutáneos móviles no dolorosos en región \n",
" supraciliar derecha, occipital y muñeca izquierda. Examen físico revela macrocefalia (PC 59cm, >p97), \n",
" 15 máculas café con leche >1.5cm, efélides axilares e inguinales bilaterales, y 3 máculas \n",
" rojo-azuladas deprimidas de 0.5-1cm en región lumbar y pectoral derecha. Estudios histopatológicos \n",
" confirman neurofibromas con inmunohistoquímica S100(+), SOX10(+). Ecografía de partes blandas \n",
" muestra lesiones hipoecoicas bien delimitadas compatibles con neurofibromas subcutáneos.\"\"\"\n",
" ]\n",
" \n",
" # Your readability versions data\n",
" readability_data = [\n",
" {\n",
" \"readability_versions\": {\n",
" \"easy\": {\n",
" \"text\": \"Un joven de 18 años tenía una enfermedad llamada Neurofibromatosis tipo 1 desde que era bebé. Esta enfermedad produce manchas café con leche en la piel y pequeños bultos. Durante su infancia tuvo algunas dificultades para hablar y moverse bien, por lo que recibió terapias especiales. En la adolescencia le dieron medicamentos para mejorar su concentración. A los 18 años fue al dermatólogo porque le salió una nueva mancha en el muslo y algunos bultos en la piel. Le hicieron exámenes y confirmaron que eran parte de su enfermedad. Los médicos clasificaron los distintos tipos de manchas y bultos que tenía en la piel.\",\n",
" \"FH_score\": 77.16\n",
" },\n",
" \"intermediate\": {\n",
" \"text\": \"Un joven de 18 años con Neurofibromatosis tipo 1, diagnosticada desde el primer año de vida, había presentado dificultades motoras y del lenguaje durante la infancia, además de problemas visuales como nódulos de Lisch y astigmatismo. Fue tratado por Trastorno por Déficit Atencional con buenos resultados académicos. Consultó en Dermatología por una nueva mancha en el muslo izquierdo y la aparición de nódulos en zonas como la muñeca y el cuero cabelludo. En el examen se observaron manchas café con leche, pecas en las axilas y varios bultos pequeños bajo la piel. Se realizaron biopsias y ecografías que confirmaron que las lesiones correspondían a diferentes tipos de neurofibromas superficiales, los cuales fueron clasificados según su forma y localización.\",\n",
" \"FH_score\": 62.77\n",
" },\n",
" \"hard\": {\n",
" \"text\": \"Varón de 18 años con diagnóstico clínico y molecular de Neurofibromatosis tipo 1 (deleción de exones 5-47 del gen NF1), con antecedentes de retraso psicomotor global, trastorno específico del lenguaje expresivo, TDAH tratado con metilfenidato y hallazgos oftalmológicos compatibles con NF1 (nódulos de Lisch, astigmatismo y euriblefaron). Acude a Dermatología por aparición de placa rosada en muslo izquierdo de un año de evolución y nódulos subcutáneos móviles en región supraciliar derecha, occipital y muñeca. El examen físico revela macrocefalia, múltiples máculas café con leche, efélides axilares y máculas rojo-azuladas deprimidas en región lumbar y pectoral. Las biopsias cutáneas y ecografía de nódulos confirmaron neurofibromas superficiales. Según la clasificación de García-Martínez et al., se diagnosticaron simultáneamente neurofibromas subcutáneos nodulares, cutáneos pseudoatróficos y cutáneos rojo-azulados, evidenciando la heterogeneidad fenotípica de la enfermedad en un mismo paciente.\",\n",
" \"FH_score\": 39.94\n",
" }\n",
" }\n",
" }\n",
" ]\n",
" \n",
" # Process the dataset with original reports\n",
" training_dataset = process_medical_dataset_with_original(\n",
" original_reports=original_medical_reports,\n",
" readability_versions_list=readability_data,\n",
" include_variations=True\n",
" )\n",
" \n",
" # Save the training dataset\n",
" with open(\"medical_report_finetuning_with_thinking.jsonl\", \"w\", encoding=\"utf-8\") as f:\n",
" for example in training_dataset:\n",
" f.write(json.dumps(example, ensure_ascii=False) + \"\\n\")\n",
" \n",
" # Print example for verification\n",
" print(\"Example training data with original medical report:\")\n",
" print(json.dumps(training_dataset[0], ensure_ascii=False, indent=2))\n",
" \n",
" # Print statistics\n",
" print(f\"\\n📊 Dataset Statistics:\")\n",
" print(f\"Total training examples: {len(training_dataset)}\")\n",
" print(f\"Number of messages per example: {len(training_dataset[0]['messages'])}\")\n",
" print(f\"All examples have thinking: {all('thinking' in msg for ex in training_dataset for msg in ex['messages'])}\")\n",
" \n",
" # Validate the structure\n",
" for i, example in enumerate(training_dataset):\n",
" assert len(example['messages']) == 3, f\"Example {i} doesn't have 3 messages\"\n",
" assert example['messages'][0]['role'] == 'system', f\"Example {i} first message is not system\"\n",
" assert example['messages'][1]['role'] == 'user', f\"Example {i} second message is not user\"\n",
" assert example['messages'][2]['role'] == 'assistant', f\"Example {i} third message is not assistant\"\n",
" assert 'thinking' in example['messages'][1], f\"Example {i} user message missing thinking\"\n",
" assert 'thinking' in example['messages'][2], f\"Example {i} assistant message missing thinking\"\n",
" \n",
" print(\"✅ All validation checks passed!\")"
]
},
{
"cell_type": "markdown",
"id": "123b65b3",
"metadata": {},
"source": [
"Example training data with original medical report:\n",
"{\n",
" \"messages\": [\n",
" {\n",
" \"content\": \"reasoning language: Spanish\\n\\nYou are an assistant that rewrites Spanish texts to make them very simple and easy to understand.\\nYour goal is to rewrite the provided input text for younger readers (Fernández Huerta 70–100; grade 5–7).\\nUse short sentences, simple words, and friendly tone. Avoid technical or complex expressions.\\nKeep all important factual details, but remove jargon.\\nReturn only the rewritten text without commentary.\",\n",
" \"role\": \"system\",\n",
" \"thinking\": null\n",
" },\n",
" {\n",
" \"content\": \"Please rewrite the following medical report to achieve a Fernández Huerta score of 77.2 (difficulty level: easy):\\n\\nPaciente masculino de 18 años con diagnóstico molecular confirmado de Neurofibromatosis tipo 1 \\n (deleción exones 5-47 del gen NF1), que presenta antecedentes de retraso del desarrollo psicomotor \\n global diagnosticado a los 3 años, trastorno específico del lenguaje de tipo expresivo que requirió \\n intervención fonoaudiológica, y TDAH en tratamiento con metilfenidato 20mg/día con buena respuesta. \\n Hallazgos oftalmológicos incluyen nódulos de Lisch bilaterales, astigmatismo miópico compuesto y \\n euriblefaron bilateral. Motivo de consulta actual: aparición de placa eritematosa de 3cm en muslo \\n izquierdo de 12 meses de evolución y múltiples nódulos subcutáneos móviles no dolorosos en región \\n supraciliar derecha, occipital y muñeca izquierda. Examen físico revela macrocefalia (PC 59cm, >p97), \\n 15 máculas café con leche >1.5cm, efélides axilares e inguinales bilaterales, y 3 máculas \\n rojo-azuladas deprimidas de 0.5-1cm en región lumbar y pectoral derecha. Estudios histopatológicos \\n confirman neurofibromas con inmunohistoquímica S100(+), SOX10(+). Ecografía de partes blandas \\n muestra lesiones hipoecoicas bien delimitadas compatibles con neurofibromas subcutáneos.\",\n",
" \"role\": \"user\",\n",
" \"thinking\": \"Estoy analizando este informe médico. Primero debo identificar:\\n1. Datos del paciente: paciente de 18 años\\n2. Diagnóstico principal: diagnóstico, trastorno\\n3. Síntomas y signos clínicos: dolor, nódulo, retraso\\n4. Pruebas realizadas: ecografía, examen\\n5. Tratamiento: tratamiento, metilfenidato\\n\\nAhora debo adaptar esta información al nivel de lectura solicitado: easy.\"\n",
" },\n",
" {\n",
" \"content\": \"Un joven de 18 años tenía una enfermedad llamada Neurofibromatosis tipo 1 desde que era bebé. Esta enfermedad produce manchas café con leche en la piel y pequeños bultos. Durante su infancia tuvo algunas dificultades para hablar y moverse bien, por lo que recibió terapias especiales. En la adolescencia le dieron medicamentos para mejorar su concentración. A los 18 años fue al dermatólogo porque le salió una nueva mancha en el muslo y algunos bultos en la piel. Le hicieron exámenes y confirmaron que eran parte de su enfermedad. Los médicos clasificaron los distintos tipos de manchas y bultos que tenía en la piel.\",\n",
" \"role\": \"assistant\",\n",
" \"thinking\": \"Necesito simplificar mucho este texto:\\n- Cambiar términos médicos complejos por palabras cotidianas\\n- Usar máximo 10-15 palabras por oración\\n- Explicar todo como si fuera para un niño\\n- Mantener solo la información esencial\\n- Hacer que suene amigable y no aterrador\"\n",
" }\n",
" ]\n",
"}\n",
"\n",
"📊 Dataset Statistics:\n",
"Total training examples: 5\n",
"Number of messages per example: 3\n",
"All examples have thinking: True\n",
"✅ All validation checks passed!"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "unsloth_latest",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.11.13"
}
},
"nbformat": 4,
"nbformat_minor": 5
}
|