ChuGyouk/KoMedInstruct-24k

진행 상황: 46.15% (24/52)

I would like to continuously update the translated data using DeepL Pro.

I found several problems during translation, so additional filtering will be done after completion.

Step 1. It was confirmed that the existing data contained a lot of data that was close to duplicates. Need to remove those.

Step 2. There are many outputs with a risk of hallucination. Data where the last sentence of output is incomplete must be edited.

Step 3. If data corresponding to the output is also included in the input, those must be edited.

Ko-AlpaCare

This is the repo for KoMedInstruct, which is a Korean translated version of MedInstruct-52k dataset. MedInstruct-52k is a synthetically generated medical instruction dataset used by AlpaCare[1].

Data Translation Process

I used DeepL Pro app (manually). (I also used DeepL free API a little bit at first)

Warning

This is the result of simple translation without additional filtering. Although the medical information may be incorrect in original data, it is also possible that errors may have occurred during the translation process.

Also, I do not recommend using data that contains the instruction: “Please paraphrase the following so that a non-medical professional can understand it.” (or something similar). That's because sentences before and after conversion are almost identical in Korean.

Example

Here's a few examples.

"instruction": "이 약을 진통제, 해열제, 항생제 또는 항우울제로 분류하세요.",
"input": "메트로니다졸",
"output": "메트로니다졸은 항생제로 분류됩니다.\n\n정답은 항생제입니다."

"instruction": "화이자-바이오엔텍 및 모더나 COVID-19 백신과 같은 mRNA 백신의 주요 기능 메커니즘을 요약하세요.",
"input": "<noinput>",
"output": "화이자-바이오엔텍 및 모더나 COVID-19 백신과 같은 mRNA 백신은 우리 몸의 세포에 스파이크 단백질이라는 특정 단백질을 생산하도록 지시를 내리는 방식으로 작동합니다. 이 단백질은 COVID-19를 유발하는 SARS-CoV-2 바이러스의 표면에서 발견됩니다. 백신의 mRNA가 세포에 들어가 세포의 기계를 사용하여 스파이크 단백질을 생성합니다. 스파이크 단백질이 생성되면 면역 반응을 일으켜 스파이크 단백질을 인식하고 공격할 수 있는 항체가 생성됩니다. 향후 백신을 접종한 개인이 실제 바이러스에 직면하면 면역 체계가 감염과 싸울 준비가 더 잘 되어 있습니다.\n\n따라서 mRNA 백신의 주요 기능 메커니즘은 세포가 바이러스 단백질을 생산하도록 지시하여 면역 반응을 촉발하여 바이러스에 대한 보호를 제공하는 것입니다.\n"

Reference

@misc{zhang2023alpacareinstructiontuned,
      title={AlpaCare:Instruction-tuned Large Language Models for Medical Application}, 
      author={Xinlu Zhang and Chenxin Tian and Xianjun Yang and Lichang Chen and Zekun Li and Linda Ruth Petzold},
      year={2023},
      eprint={2310.14558},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}