发表机构
HiTZ Center, University of the Basque Country (EHU); Hospital Universitario de Cruces（巴斯克大学HiTZ中心; 克鲁塞斯大学医院）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
该研究针对临床自然语言处理评估局限，引入基于西班牙MIR执照考试案例的MIRA-Ev基准，重新注释相关关系并发布多语言版本，将评估组织为证据句子检索、论证组件提取和关系分类的三层任务层次结构。
AI 中文摘要
临床自然语言处理评估仍以多项选择题回答（MCQA）为主，其仅对最终答案准确性打分，无法检测模型在基于不相关、缺失或矛盾证据得出正确诊断时的情况。我们引入了MIRA-Ev，这是一个基于西班牙内科住院医师（MIR）执照考试案例构建的临床论证挖掘基准，由专家临床医生重新注释了跨度级别的前提、主张和定向支持/攻击关系，并以西班牙语（母语）、英语和巴斯克语平行版本发布，这是首个巴斯克语临床论证资源。MIRA-Ev将评估组织成一个三层任务层次结构：证据句子检索、论证组件提取和关系分类。
英文摘要
Clinical NLP evaluation remains dominated by multiple-choice question answering (MCQA), which scores only final-answer accuracy and cannot detect when a model reaches the correct diagnosis while grounding it in irrelevant, absent, or contradictory evidence. We introduce MIRA-Ev, a clinical argument mining benchmark built on Spanish Médico Interno Residente (MIR) licensing-exam cases, re-annotated by expert clinicians with span-level premises, claims, and directed support/attack relations, and released in parallel Spanish (native), English, and Basque versions, the first clinical argumentation resource in Basque. MIRA-Ev organizes evaluation into a three-tier task hierarchy: evidence sentence retrieval, argumentative component extraction, and relation classification.
