Dataset unificado de texto clinico e medico em portugues para NLP. Agrega datasets publicos de acesso aberto em um schema Parquet padronizado, com proveniencia (licenca, origem, lingua, sintetico ou nao) registrada em cada registro, para facilitar treino e avaliacao de modelos de linguagem no dominio clinico. Total: 530.099 registros, depois de remover duplicatas exatas de texto. - LusoClin foi gerado por um modelo pequeno (Llama 3.2 3B) e revisado por humanos so em amostra. As notas sao repetitivas e em portugues europeu. Filtre por source ou por metadata.sintetico se isso importar. - MedPT nao declara licenca no card de origem; os textos vem da Doctoralia. - MultiClinSum mistura portugues…