medalign 是数据集领域的开源项目，由 som-shahlab 开发，2023 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 103。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-13。开源数据集，MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：医疗大模型微调训练，提升病历理解能力。同类可对比的替代方案包括 MIMIC-III、MIMIC-IV、ClinicalBERT。
medalign
用医生真实指令数据，提升大模型在电子病历上的表现
MedAlign 是一个由临床医生生成的指令遵循数据集，专门用于电子病历（EMR）场景。它解决了医疗领域通用大模型缺乏专业临床指令数据、难以准确理解和执行医疗任务的问题。该数据集包含真实临床环境中的指令、对应的病历上下文以及医生撰写的参考答案，覆盖病历摘要、信息提取、患者教育等多种任务。其核心能力在于为医疗大模型的微调和评估提供高质量、专业化的基准数据，帮助模型更好地理解临床语境，提升在医疗文档处理上的准确性和实用性。项目还提供了数据生成流程和评估协议，旨在推动医疗AI的可复现研究。
开源
free
开源模型
GitHub 星标
★ 103
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队som-shahlab
所属国家
定价模式free
价格说明开源数据集，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言
技术栈/模型benchmarking,ehr,electronic-health-records,foundation-models,healthcare,instruction-following,llms
GitHub 星标★ 103
30天Star增速
HF 下载量
上线时间2023-08-31 00:00:00
最近更新2026-09-13 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数8
使用教程
核心亮点
- 数据由临床医生亲手编写，贴合真实医疗场景，专业性强
- 覆盖多种临床任务，如摘要、信息提取，适用面广
- 提供评估协议，便于研究者复现和对比模型效果
不足之处
- 数据集规模可能有限，影响模型泛化能力
- 文档和社区支持尚待完善
适用场景
- 医疗大模型微调训练，提升病历理解能力
- 临床决策支持系统的指令遵循评估
- 医学信息学研究中用于测试模型对EMR的处理
替代项目
MIMIC-III、MIMIC-IV、ClinicalBERT
项目介绍
上一篇：MAMA-MIA
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models