PrionNER：朊病毒病生物医学文献的命名实体识别数据集

朊病毒病是一种罕见、快速进展且致命的神经退行性疾病，由于非特异性临床表现，仍然难以诊断，特别是在早期阶段。然而，据我们所知，还没有公开的以朊病毒疾病为中心的数据集，旨在从生物医学文献中捕获广泛的临床相关实体。我们介绍了 PrionNER，这是一个手动注释的命名实体识别数据集，用于 PubMed 摘要中的朊病毒疾病临床信息。当前版本包含 317 个摘要、2,943 个句子和 6,955 个文本绑定实体注释，涵盖 15 种粗粒度和 31 种细粒度临床导向实体类型，涵盖疾病、症状、诊断、发现、解剖学、治疗以及时间和统计证据。注释者间一致性达到 81.78 精确匹配 F1，表明注释一致性很强。我们在 PrionNER 上对监督 BERT 基线、W2NER 和零样本提取器进行基准测试。 W2NER 是最强的监督模型，Gemma-4-31B 是最强的零样本模型，但基准仍然具有挑战性，特别是对于结构复杂的提及和细粒度的临床相邻标签区别。 PrionNER 为朊病毒疾病信息提取提供了基于临床的基准，并支持低资源、细粒度和非平坦提取条件下的罕见疾病生物医学 NLP 研究。数据集、注释指南和评估脚本可在 https://github.com/daotuanan/PrionNER/ 获取。