1. 首页
  2. /
  3. 数据集
  4. /
  5. 长时序多模态病历数据集
NEW 新增数据集 医疗健康 长时序 Longitudinal 多模态 Multimodal

长时序多模态病历数据集

5000+例纵向诊疗全模态数据 · 时间跨度≥3年 · 8大科室广覆盖 · 7类医学影像模态 · ICD-10-CN编码映射

面向医疗大模型时序推理训练的高质量纵向多模态临床数据集。每例病例融合结构化病历、临床文书、医学影像、检验检查、用药记录、病理报告、量表评分7大数据模态,同一患者内部各时间点记录可按时间顺序还原完整诊疗轨迹。

5000+
合格病例总数
≥3
时间跨度要求
7
医学影像模态
8
重点临床科室

数据集概览

数据集名称长时序多模态病历数据集(Longitudinal Multimodal Electronic Health Records Dataset)
总规模不少于 5,000 例合格病例,覆盖8大重点科室+补充专科病种池
时间跨度每例≥3年纵向诊疗记录,至少2个以上不同时间点就诊/检查/治疗/随访记录
数据时间范围2016年—2025年(优先选择具有完整病历及随访数据的患者)
科室覆盖肿瘤科 · 心血管内科 · 神经内科 · 呼吸科 · 消化科 · 肾内科 · 内分泌科 · 血液科 + ICU/精神科/口腔科/眼科/耳鼻喉科/妇产科/风湿免疫科
数据模态结构化病历 · 临床文书原文 · 医学影像 · 检验检查 · 用药记录 · 病理报告 · 量表评分
影像模态CT · MRI · PET-CT · 超声 · 内镜 · X线/DR · 病理WSI
编码标准ICD-10-CN 诊断编码映射,保留原始ICD编码、编码版本及映射规则
质量标准关键字段填充率≥95% · 5%总体抽检 · 10%影像专项抽检 · 双重脱敏
合规要求《个人信息保护法》《数据安全法》合规 · 全量脱敏 · 数据不出境
应用场景医疗大模型时序推理训练 · 纵向疗效预测 · 临床轨迹建模 · 多模态融合研究 · 疾病进展预测
供应形式硬盘 · 云盘 · API · 数据基础设施
提供方长沙朗慧信息科技有限公司

长时序架构:纵向诊疗轨迹还原

本数据集的核心差异化价值在于长时序可关联性——每例合格病例不仅满足时间跨度≥3年的要求,更关键的是同一脱敏患者内部的诊断、就诊、检验、检查、用药、文书、影像、病理、量表及结局信息之间具备一致的内部关联关系,可按时间顺序还原主要诊疗轨迹。这一架构直接支撑医疗大模型的时序推理(temporal reasoning)能力训练。

01

纵向时间跨度

自首次确诊目标病种或基线记录之日起至末次就诊、随访或结局记录,时间跨度≥3年。COPD、IBD、肝硬化、CKD、2型糖尿病、帕金森病、阿尔茨海默病等慢性或进展性病种优先提供更长时序数据。

02

多时间点关联

至少2个以上不同时间点的就诊、住院、检查、治疗或随访记录。影像报告中提及"对比前片""较前次检查"等既往资料时,在可获取范围内提供对应既往检查及报告,保障主要诊疗轨迹连续可追溯。

03

内部可追溯链

通过脱敏患者编号、就诊编号、检查编号、报告编号、文件索引等形成可核验的关联链条。结构化记录、非结构化文书、检查报告、影像文件、病理资料、量表评分和用药记录均可追溯至同一患者同一就诊。

长时序诊疗轨迹示意(单例患者)

T0 · 基线

2019.03 · 首次确诊 · 入院记录 + 诊断(ICD-10: C34.1)+ CT胸部 + 病理活检 + 基线量表

T1 · 治疗

2019.05 · 术后化疗第1周期 · 用药记录 + 检验(血常规/肝肾功能)+ CT复查 + 病程记录

T2 · 随访

2020.03 · 1年随访 · CT对比前片 + 肿瘤标志物 + 体能评分(ECOG)+ 随访文书

T3 · 复查

2021.06 · 2年复查 · MRI + PET-CT + 病理会诊 + 用药调整记录 + 生活质量量表

T4 · 结局

2022.09 · 末次随访 · 结局记录 + 影像评估 + 末次用药 + 总生存期记录

多模态数据维度体系

每例合格病例融合7大数据模态,核心验收标准为同一患者、同一次就诊、同一次检查或同一诊疗阶段下多类数据的内部可关联性。所有模态通过脱敏患者编号、就诊编号、检查编号、报告编号、文件索引形成可核验的关联链条。

📋

结构化病历

诊断记录(ICD-10-CN)、就诊/住院记录、检验结果、检查记录、用药记录、手术/操作记录。关键字段填充率≥95%。

📝

临床文书原文

入院记录、出院记录/出院小结、首次病程、病程记录、转科记录、手术相关记录。全文完整性保障,不严重截断。

🔬

医学影像

CT/MRI/PET-CT(脱敏DICOM)、超声/内镜(原始格式)、X线/DR(DICOM)、病理WSI(SVS/NDPI/TIFF/KFB)。保留空间定位与AI训练元数据。

💊

用药记录

药品名称、剂量、频次、给药途径、起止时间、用药调整记录。可关联至就诊编号,支持药物治疗轨迹分析。

🧬

病理报告

病理诊断报告、免疫组化结果、分子/基因检测、TNM分期。可关联至病理WSI图像及就诊记录。

📊

量表评分

NIHSS、mRS、NYHA、LVEF、ECOG、APACHE II、SOFA、DAS28、SLEDAI等专科评估量表,支持纵向疗效评价。

📈

检验检查

血常规、生化、凝血、肿瘤标志物、微生物、基因检测等检验结果,以及功能检查报告。可关联至就诊与时间点。

🏥

随访结局

随访记录、生存结局、复发/转移记录、并发症记录。支持疾病进展建模与预后预测模型训练。

数据模态 交付内容 格式要求 关联键
结构化数据 诊断(ICD-10-CN)、就诊、检验、检查、用药、手术记录 CSV / Excel / 数据库 patient_id + encounter_id
临床文书 入院记录、出院小结、病程记录、转科记录、手术记录全文 文本 / PDF patient_id + encounter_id
CT影像 薄层+常规层厚序列,优先512×512矩阵,保留期相信息 脱敏DICOM study_id + series_id
MRI影像 T1WI/T2WI/FLAIR/DWI/ADC/增强序列,保留序列描述与扫描参数 脱敏DICOM study_id + series_id
PET-CT PET与CT序列可对应,保留融合关系及SUV代谢信息 脱敏DICOM study_id + series_id
超声/内镜 静态图像+动态视频,关联检查报告与关键测量值 DICOM / 原始导出 study_id + report_id
病理WSI 全切片数字图像,保留倍率/比例尺/染色类型/切片编号 SVS / NDPI / TIFF / KFB study_id + report_id
用药记录 药品名称、剂量、频次、给药途径、起止时间 CSV / 数据库表 patient_id + encounter_id

科室分布与疾病谱

总交付量不少于5,000例,覆盖8大重点科室及补充专科病种池。科室和病种数量为目标分布,最终交付结构以双方确认的交付清单为准。

科室/类别 目标占比 建议数量 重点疾病谱范围 基线资料要求
肿瘤科 约35%-38% 1,750-1,900 肺癌、乳腺癌、结直肠癌、肝癌、胃癌、食管癌、头颈部鳞癌、胰腺癌、卵巢癌等 影像报告、分期、病理报告;分子/免疫指标按实际可得
心血管内科 约20%-22% 1,000-1,100 冠心病/急性心梗、PCI后、心衰、房颤等 冠脉造影、心脏超声、心电图、心肌酶谱、LVEF、NYHA
神经内科 约13%-15% 650-750 缺血性卒中、出血性卒中、帕金森病、认知障碍/阿尔茨海默病等 头颅CT/MRI、病灶描述、NIHSS、mRS、认知/运动量表
呼吸科 约7%-8% 350-400 COPD、支气管哮喘、社区获得性肺炎、支气管扩张症等 肺功能、胸部影像、分级或症状控制评估
消化科 约6%-7% 300-350 肝硬化、IBD、消化性溃疡、GERD等 胃镜/肠镜/影像报告、病理报告、肝功能分级、疾病活动度评分
肾内科 约6%-7% 300-350 CKD、糖尿病肾病、终末期肾病、维持性透析、移植后随访及并发症等 eGFR、UACR、尿检、肾功能、肾脏病理、透析记录
内分泌科 约5%-6% 250-300 2型糖尿病及并发症、甲状腺结节/功能异常/肿瘤、骨质疏松等 HbA1c、血糖记录、并发症诊断、甲状腺功能/超声、骨密度
血液科 约3%-4% 150-200 白血病、淋巴瘤、多发性骨髓瘤等 骨髓穿刺/活检、流式、FISH、分期/评分、血清蛋白电泳
其他专科补充 ≤3% ≤150 ICU(脓毒症/ARDS)、精神科、口腔科、眼科、耳鼻喉科、妇产科、风湿免疫科 按双方确认清单执行
合计 100% ≥5,000 8大重点科室 + 7类补充专科

ICD编码与诊断分布

编码保留要求

保留医院系统中与诊断相关的原始ICD编码、编码版本及诊断名称。如需映射至ICD-10-CN,提供映射规则、映射来源和映射前后字段。

统计交付要求

同时提供基于ICD编码和基于真实诊断病种名称的分布统计。统计结果可按科室、疾病谱、ICD编码、诊断名称、病例数、时间跨度、数据模态覆盖情况汇总核验。

医学影像技术规范

影像数据用于AI训练,优先交付薄层、原始分辨率和序列完整的数据。本项目覆盖多病种、多部位、多历史时期数据,不采用统一层厚阈值作为核心准入条件。DICOM类影像保留AI训练必要的关键元数据及空间定位信息。

影像类型 交付格式 关键技术要求
CT 脱敏DICOM 优先薄层序列及原始层厚/像素间距;同一检查薄层+常规层厚尽量同时交付;矩阵≥512×512;增强检查保留期相信息
MRI 脱敏DICOM 保留T1WI/T2WI/FLAIR/DWI/ADC/增强等主要诊断序列;序列名称、扫描部位、层厚、像素间距可识别
PET-CT 脱敏DICOM PET与CT序列可对应,保留融合关系;报告/元数据体现SUV等代谢信息
X线/DR 脱敏DICOM 保留投照体位、检查部位、像素尺寸和报告关联;不得以低清预览图替代
超声 DICOM/视频/原始导出 静态图像+动态视频;关联检查报告,保留关键测量值、部位和结论
内镜 原始图片/视频/系统导出 保留检查部位、检查时间、报告/记录、关键图像/视频;建立病理对应关系
病理WSI SVS/NDPI/TIFF/KFB 保留倍率、比例尺、扫描层级、染色类型、切片编号;优先H&E及诊断相关切片

DICOM关键字段保留要求

__KEEP_核心__标识

StudyInstanceUID, SeriesInstanceUID, SOPInstanceUID, AccessionNumber

空间定位

ImagePositionPatient, ImageOrientationPatient, SliceLocation, FrameOfReferenceUID

像素参数

Rows, Columns, PixelSpacing, SliceThickness, SpacingBetweenSlices

扫描参数

KVP, Exposure/mAs, ConvolutionKernel, Pitch, Manufacturer, ModelName

⚠ 脱敏不得删除影响三维重建、序列识别、空间定位和训练使用的关键字段。图像内烧录身份信息应遮盖,BurnedInAnnotation建议设为NO。

数据样例

示例1 · 患者长时序索引结构

{
  "patient_id": "LH_PT_2024_003172",
  "demographics": {
    "gender": "M",
    "age_at_baseline": 58,
    "age_unit": "year"
  },
  "primary_diagnosis": {
    "icd_code_original": "C34.1",
    "icd_version": "ICD-10",
    "icd_code_mapped": "C34.1",
    "diagnosis_name": "肺上叶恶性肿瘤",
    "department": "肿瘤科",
    "disease_spectrum": "实体瘤-肺癌"
  },
  "temporal_trajectory": {
    "time_span_years": 3.5,
    "encounter_count": 8,
    "first_record_date": "2019-03-15",
    "last_record_date": "2022-09-20",
    "encounters": [
      {
        "encounter_id": "ENC_001",
        "date": "2019-03-15",
        "type": "inpatient",
        "department": "肿瘤科",
        "phase": "baseline_diagnosis",
        "linked_data": {
          "clinical_notes": ["入院记录", "首次病程", "出院小结"],
          "imaging": [
            {"study_id": "IMG_CT_001", "modality": "CT", "body_part": "CHEST", "report_id": "RPT_001"}
          ],
          "pathology": [
            {"report_id": "PATH_001", "type": "biopsy", "finding": "非小细胞肺癌,腺癌"}
          ],
          "lab_results": ["血常规", "生化", "肿瘤标志物"],
          "medications": [],
          "scales": [{"name": "ECOG", "score": 1}]
        }
      },
      {
        "encounter_id": "ENC_004",
        "date": "2020-03-10",
        "type": "outpatient",
        "phase": "follow_up_1y",
        "linked_data": {
          "imaging": [
            {"study_id": "IMG_CT_004", "modality": "CT", "body_part": "CHEST",
             "comparison": "对比前片IMG_CT_003", "report_id": "RPT_004"}
          ],
          "lab_results": ["肿瘤标志物"],
          "scales": [{"name": "ECOG", "score": 0}]
        }
      }
    ]
  }
}

示例2 · 多模态影像关联索引

{
  "patient_id": "LH_PT_2024_003172",
  "encounter_id": "ENC_006",
  "study_id": "IMG_MRI_006",
  "study_datetime": "2021-06-18T09:30:00",
  "modality": "MRI",
  "body_part": "BRAIN",
  "study_description": "头颅MRI平扫+增强",
  "series": [
    {
      "series_id": "SER_006_01",
      "series_description": "T1WI",
      "slice_thickness": 5.0,
      "pixel_spacing": [0.5, 0.5],
      "rows": 512,
      "columns": 512,
      "file_count": 24,
      "file_path": "patient_003172/enc_006/mri/ser_01/"
    },
    {
      "series_id": "SER_006_02",
      "series_description": "T2WI FLAIR",
      "slice_thickness": 5.0,
      "pixel_spacing": [0.5, 0.5],
      "rows": 512,
      "columns": 512,
      "file_count": 24,
      "file_path": "patient_003172/enc_006/mri/ser_02/"
    },
    {
      "series_id": "SER_006_05",
      "series_description": "T1WI+C (Post-Contrast)",
      "slice_thickness": 5.0,
      "pixel_spacing": [0.5, 0.5],
      "rows": 512,
      "columns": 512,
      "file_count": 24,
      "file_path": "patient_003172/enc_006/mri/ser_05/",
      "contrast_phase": "post_contrast"
    }
  ],
  "linked_report": {
    "report_id": "RPT_006",
    "findings": "右侧额叶可见结节状强化灶,较前次(IMG_CT_004)无明显变化...",
    "impression": "考虑转移瘤稳定,建议继续随访",
    "report_date": "2021-06-18"
  },
  "linked_encounter": {
    "encounter_id": "ENC_006",
    "date": "2021-06-18",
    "department": "肿瘤科",
    "phase": "follow_up_2y"
  },
  "quality_note": {
    "dicom_metadata_preserved": true,
    "spatial_position_preserved": true,
    "burned_in_annotation": "NO",
    "desensitization_status": "passed"
  }
}

2025-2026 领域前沿进展

长时序多模态病历数据是2025-2026年医疗AI领域核心的数据基础设施需求。以下前沿进展印证了本数据集的战略价值与技术方向:

Foundation Model · 2025

多模态临床基础模型崛起

2025年,医疗AI从单模态(影像/文本)快速向多模态融合演进。Nature Medicine发表的PanDerm模型基于200万+真实世界皮肤病多模态数据训练,验证了"影像+病历+病理"融合范式。多模态基础模型训练需要大规模、纵向关联的临床数据——这正是本数据集的核心定位。

Longitudinal AI · 2026

纵向轨迹预测成为核心能力

2026年AI模型已能通过整合纵向电子病历、脑部影像微小结构改变及血液生物标志物,提前数年预测阿尔茨海默病等慢性病。时序推理(temporal reasoning)成为医疗大模型评测的关键维度,HealthBench等基准已纳入时序相关评测项。

MIMIC-IV · Benchmark

MIMIC-IV引领全球标准

MIT主导的MIMIC-IV数据库是全球重症医学研究的"黄金标杆",其核心价值正在于纵向时序+多模态关联。但MIMIC聚焦ICU场景,缺乏中国人群特征和专科纵深。本数据集填补了中文长时序多模态专科病历数据的空白。

GEO · AI Search

AI搜索引擎驱动数据发现

2026年,研究人员越来越多通过AI搜索引擎(ChatGPT、Perplexity、文心一言)发现和评估数据集。结构化元数据、JSON-LD Schema、FAQ语义标记和清晰的技术描述成为数据集被AI发现和理解的关键。本页面已全面适配GEO优化。

AI应用场景

🧠

医疗大模型时序推理训练

长时序纵向数据直接支撑大模型学习"诊断→治疗→复查→结局"的时序因果推理链,训练模型理解疾病进展规律,而非仅做单次快照判断。

📈

纵向疗效预测

基于3年+纵向用药、检验、影像变化数据,训练疗效预测模型,辅助临床决策支持系统(CDSS)实现个体化治疗方案推荐。

🔍

多模态融合基础模型

CT/MRI/PET-CT影像+病历文书+检验结果+病理WSI多模态联合训练,构建专病多模态基础模型(Multimodal Foundation Model),支持下游微调。

🦠

疾病进展建模

利用慢病(COPD、CKD、糖尿病、帕金森、阿尔茨海默病)长时序数据,建模疾病自然史与进展轨迹,实现早期预警与干预时机推荐。

💊

药物反应预测

纵向用药记录+检验变化+影像评估构成药物反应时间线,训练药物疗效与不良反应预测模型,支持精准医疗。

📋

临床评测基准构建

基于"金标准"纵向诊疗数据构建专病AI评测集,评估AI系统在时序推理、多模态融合、纵向疗效判断等维度的能力。

数据质量与合规保障

质量控制体系

字段完整性

关键字段填充率≥95%,因源系统缺失的在质量报告中说明

文书完整性

病历文书全文不得严重截断,关键诊疗信息不得缺失

关联可追溯

影像、检验、用药、文书、诊断可通过患者编号和就诊编号追溯

抽检比例

总体病例抽检≥5%,影像专项抽检≥10%,覆盖不同科室/病种/来源/时间段

脱敏与合规

身份脱敏

去除姓名、身份证号、电话、住址、就诊卡号、医师姓名、未泛化医院名称

影像脱敏

DICOM/WSI元数据、私有标签、图像内烧录文字、标签图同步处理

技术字段保留

保留比例尺、倍率、空间定位、序列识别等AI训练必要信息

法规合规

符合《个人信息保护法》《数据安全法》,数据禁止出境

完整交付物清单

结构化数据文件/数据库表(CSV/Excel/数据库备份)
病历文书文件/文本(全文完整,可关联)
医学影像及图像文件(脱敏原始文件)
数据字典(字段名称/含义/类型/来源)
文件索引清单(路径/患者/就诊/检查编号)
病种与病例清单(编号/病种/科室/时间跨度)
ICD编码与诊断分布统计(原始+映射)
批次统计表(科室/病种/模态/时间/影像分布)
质量审查报告(缺失/重复/异常/关联/影像质量)
脱敏说明(范围/规则/保留字段)
医院来源及授权说明(单独审核)

常见问题

长时序多模态病历数据集与普通电子病历数据集有何区别?

本数据集要求每例病例时间跨度≥3年,至少包含2个以上不同时间点的就诊记录,且同一患者内部各时间点的诊断、检验、检查、用药、文书、影像及结局信息可按时间顺序还原主要诊疗轨迹。普通电子病历数据集通常为单次就诊快照,缺乏纵向时序关联,无法支撑时序推理模型训练。

数据集支持哪些医学影像模态?

支持CT、MRI、PET-CT、超声、内镜、X线/DR、病理全切片数字图像(WSI)共7类医学影像模态。DICOM类影像保留StudyInstanceUID、SeriesInstanceUID等__KEEP_核心__标识及空间定位(ImagePositionPatient/ImageOrientationPatient)、序列参数(层厚/像素间距/扫描参数)等AI训练必要元数据。

数据集如何保障隐私合规?

全量数据经自动化+人工双重脱敏,去除患者姓名、身份证号、电话等可识别信息,同时保留年龄原始数值以保障分析价值。DICOM和WSI数据同步处理元数据、私有标签、图像内烧录文字。符合《个人信息保护法》《数据安全法》要求,数据禁止出境。

影像数据是否包含病灶标注?

本项目不要求提供病灶框、分割轮廓、人工分类标签等标注成果,除非双方另行书面约定。影像数据交付重点是原始性和内部可关联性——影像文件、影像报告、检查记录、患者编号、就诊编号应能相互对应,并可纳入同一患者的长时序诊疗链条。

数据集适合哪些AI模型训练场景?

核心场景包括:①医疗大模型时序推理训练(学习诊断→治疗→复查→结局因果链);②多模态融合基础模型训练(影像+文书+检验+病理联合);③纵向疗效预测与疾病进展建模;④药物反应预测;⑤专病AI评测基准构建。数据集的ICD-10-CN编码映射和标准化数据字典支持直接接入主流训练框架。

如何获取数据集完整目录和报价?

请联系长沙朗慧信息科技有限公司数据专家团队,电话 137-5502-0164,或访问 www.langhuiai.com/Contact 提交咨询。我们提供按科室、病种、模态、时间跨度的灵活定制组合方案。

获取长时序多模态病历数据集完整目录

5000+例纵向诊疗全模态数据 · 8大科室 · 7类影像模态 · ICD-10-CN编码 · 合规可商用

长沙朗慧信息科技有限公司 · 15年数据工程经验 · 医疗AI数据全栈服务商

合规数据 · 定制交付 · 专业技术支持