DocTalkBN：孟加拉语专家远程医疗对话的新数据集

研究人员发布了 DocTalkBN，一个包含 557.63 小时配对音频和文本的孟加拉语远程医疗对话数据集，来自国家播出的电视医疗节目，涵盖 1515 次患者通话、10274 个医患问答对和 26 个医学专科。他们还构建了三个下游任务并评测了多种模型，代码和数据集已公开。

此前医疗对话数据多来自论坛、书面内容或合成数据，缺少真实口语对话。DocTalkBN 提供了低资源语言孟加拉语的真实医患对话，对开发可靠医疗对话 AI 和低资源语言医疗 NLP 有重要价值。

真实对话保留了自发性和上下文丰富性，更适合训练临床推理模型。通过分诊分类、安全评估等下游任务，可以评测模型在实际医疗场景中的表现，从而推动更安全、更具文化适应性的医疗系统。

文档开源了数据集和代码，使开发者可以直接利用这些数据训练医疗对话系统，提升对孟加拉语等低资源语言的支持。同时，三个下游任务提供了基准，便于评估模型在医疗分诊、安全性和实体识别上的性能，可能降低研发成本。

• 使用 DocTalkBN 数据集训练孟加拉语医疗分诊模型，为远程医疗平台提供自动分诊支持。
• 基于该数据集开发医疗专属命名实体识别工具，用于病历结构化或症状提取。
• 将模型基准结果整合到医疗 AI 产品中，用于安全评估和质量控制。

• 数据集的具体来源节目和患者隐私处理方式未在摘要中说明。
• 模型的基准结果具体数字未列出，无法评估其实际性能水平。
• 数据集是否完全免费且没有使用限制，需进一步确认。