Scorecard de prontidão de dados

Documentação de referência: não é um dispositivo médico

Esta documentação descreve uma implementação de referência pública avaliada com dados 100% sintéticos. É uma referência de capacidades e prontidão, não uma certificação de conformidade nem aconselhamento jurídico, e não é um dispositivo médico. Não é clinicamente validada e não manipula PHI de produção.

A prontidão de dados é uma das quatro causas que afundam pilotos de IA. Esta página dá nota aos dados próprios da demo -o corpus de avaliação sintético e a base de conhecimento- nas dimensões que decidem se os dados podem sustentar um projeto, e serve também como o scorecard para rodar sobre os seus dados antes de construir.

O corpus da demo, com notas

Cada nota abaixo é uma propriedade real e verificável do corpus entregue (veja o cartão do dataset), não uma aspiração.

Dimensão	Nota	Evidência
Procedência	Forte	Cada cartão de KB carrega uma fonte e uma data de acesso; o conteúdo é parafraseado de fontes públicas (DailyMed, MedlinePlus, WHO EML), nunca copiado.
Licenças	Forte	Redistribuível sob MIT com uma auditoria por fonte; nenhum corpus com Data Use Agreement está incluído, por política.
Postura de PII / PHI	Forte	100% sintético; sem PHI, sem PII, sem registro real. Um gate de revisão de identificabilidade rejeita qualquer arquivo de dados não conforme.
Cobertura de locales	Forte	Três locales (en, es-419, pt-BR) mantidos na mesma barra, com paridade imposta.
Qualidade de rotulagem	Forte	Rótulos golden em cada caso; 100% curado por humanos após um loop de geração produtor-crítico.
Cobertura / volume	Parcial	Um conjunto de avaliação intencionalmente estreito -dimensionado para exercitar as dimensões de avaliação, não para treinar-. Um corpus mais amplo está no roteiro.
Atualidade	Parcial	As datas de acesso às fontes estão congeladas; atualizar a procedência é uma tarefa de manutenção manual, não um gate automatizado.
Viés conhecido	Documentado	Uma inclinação conhecida ao vocabulário clínico em inglês dos EUA; o loop produtor-crítico o corrige parcialmente e o residual é documentado, não declarado resolvido.

A leitura honesta: o corpus é forte onde precisa ser (procedência, licenças, privacidade, rotulagem, paridade de locales) e deliberadamente limitado onde um conjunto de avaliação de portfólio deve ser (volume bruto), com os limites documentados em vez de ocultos.

Rode sobre os seus dados

As mesmas dimensões são a lista de verificação para o seu próprio projeto. Dê nota a cada uma com honestidade contra os seus dados reais antes de construir:

• Procedência e licenças: você pode usá-los, e consegue provar de onde veio cada campo?
• PII / PHI: o que há neles, e o que deve ser redigido ou sintetizado antes de tocar um modelo?
• Cobertura: eles abrangem os casos que o agente realmente encontrará, incluindo os adversariais e os fora de escopo?
• Rotulagem: você tem um padrão-ouro confiável contra o qual medir?
• Locales e viés: eles representam a população que você atende?
• Atualidade: como isso se mantém atual, e quem é o dono disso?

Uma dimensão com nota “lacuna” aqui é um matador de pilotos trazido à tona cedo -muito mais barato do que descobri-lo depois de construir-.

Links

• Cartão do dataset - a documentação completa do corpus.
• Redação de PII - a postura de redação.
• Postura regulatória - o limite de conformidade.
• Modelo de valor - o caso de negócio que estes dados sustentam.