EHRSQL：一个面向电子健康记录的实用文本到SQL基准
计算与语言
2026-03-06 v6 人工智能
摘要
我们提出了一个用于电子健康记录（EHRs）的新文本到SQL数据集。这些语句收集自222名医院工作人员，包括医生、护士以及保险审核和健康记录团队。为了在结构化EHR数据上构建问答数据集，我们在一所大学医院进行了调查，并利用回复创建了种子问题。随后我们手动将这些问题链接到两个开源EHR数据库MIMIC-III和eICU，并在数据集中包含了各种时间表达式以及同样收集自调查的不可回答问题。我们的数据集提出了一系列独特挑战：模型需要1）生成反映医院中广泛需求的SQL查询，包括简单检索和如计算存活率等复杂操作，2）理解各种时间表达式以回答医疗中时间敏感的问题，以及3）区分给定问题是否可回答。我们相信我们的数据集EHRSQL可以作为开发和评估结构化EHR数据上问答模型的实用基准，并进一步缩小文本到SQL研究与其在医疗中实际部署之间的差距。EHRSQL可在 https://github.com/glee4810/EHRSQL 获取。
引用
@article{arxiv.2301.07695,
title = {EHRSQL: A Practical Text-to-SQL Benchmark for Electronic Health Records},
author = {Gyubok Lee and Hyeonji Hwang and Seongsu Bae and Yeonsu Kwon and Woncheol Shin and Seongjun Yang and Minjoon Seo and Jong-Yeup Kim and Edward Choi},
journal= {arXiv preprint arXiv:2301.07695},
year = {2026}
}
备注
Published as a conference paper at NeurIPS 2022 (Track on Datasets and Benchmarks)