数据集概览
| 数据集名称 | 妇产科临床标注数据集 |
| 数据总量 | 1,000,000+ 临床诊疗样本 |
| 数据类型 | 结构化临床诊疗记录、多轮医患对话、超声检查报告、实验室检验结果 |
| 数据格式 | JSON / CSV 结构化存储，支持关系型数据库导入 |
| 标注维度 | 主题分类、紧急程度分级、疾病诊断编码（ICD-10）、诊疗建议合理性评估 |
| 覆盖孕期 | 孕前咨询 — 早孕期 — 中孕期 — 晚孕期 — 分娩 — 产褥期全周期 |
| 人群多样性 | 覆盖不同年龄（18-45岁）、孕产次、基础疾病背景的孕妇群体 |
| 质量要求 | 经副主任医师及以上审核，排除信息不完整或逻辑矛盾的记录 |
主题维度与覆盖
产前急症
阴道大量出血
持续性剧烈腹痛
未足月规律宫缩
胎动显著减少
胎膜早破
常规产检咨询
NT/唐筛/大排畸解读
孕期营养与体重管理
安全用药咨询
孕期生活方式指导
分娩与产后
临产征兆识别
分娩方式评估
产后伤口护理
母乳喂养指导
盆底肌/腹直肌恢复
高危妊娠管理
妊娠期高血压
子痫前期
妊娠期糖尿病
前置胎盘
胎盘早剥
多胎妊娠
妊娠合并症
甲状腺功能异常
心血管疾病
呼吸系统疾病
免疫系统疾病
围产期心理
产前焦虑
产后抑郁
分娩恐惧
情绪调节与压力管理
遗传与孕前咨询
遗传病风险评估
携带者筛查
复发性流产病因
孕前健康检查
数据维度详细说明
| 字段名称 | 数据类型 | 取值范围/说明 |
|---|---|---|
| record_id | String(24) | 脱敏临床记录唯一标识 |
| patient_anon_id | String(16) | 脱敏患者标识，关联同一患者多次就诊记录 |
| visit_date | Date | 就诊日期 2019-01-01 至 2025-06-01 |
| age_group | Enum | 18-25 | 25-30 | 30-35 | 35-40 | 40-45 | 45-50 | 50+ |
| clinical_department | Enum | GYNECOLOGY | OBSTETRICS | FAMILY_PLANNING | ONCOLOGY | REPRODUCTIVE |
| diagnosis_category | Enum | 宫颈病变 | 子宫肌瘤 | 卵巢囊肿 | 子宫内膜病变 | 妊娠管理 | 不孕不育 | 盆底功能障碍 | 妇科肿瘤 |
| diagnosis_detail | String(200) | 标准化诊断描述，ICD-10编码映射 |
| clinical_text | Text | 脱敏临床文本（主诉、现病史、体格检查等），已去除PII |
| lab_results | JSON | 关键实验室检查结果（HPV分型、TCT、激素六项、肿瘤标志物等） |
| imaging_type | Enum | TVS（经阴道超声）| TAS（经腹超声）| MRI | CT | HSG（子宫输卵管造影） |
| imaging_findings | Text | 影像学报告关键发现，结构化摘要文本 |
| pathology_result | Text | 病理报告诊断结论（如有），含组织学类型与分级 |
| treatment_plan | Text | 治疗方案摘要（药物/手术/观察随访），已脱敏 |
| follow_up_days | Integer | 随访间隔天数，支持纵向预后分析 |
| outcome_status | Enum | RECOVERED | IMPROVED | STABLE | PROGRESSED | COMPLICATION | UNKNOWN |
脱敏 JSON 数据样例
{
"record_id": "OBG-20240822-00347",
"patient_anon_id": "POB-0047821",
"visit_date": "2024-08-22",
"age_group": "35-40",
"clinical_department": "GYNECOLOGY",
"diagnosis_category": "子宫肌瘤",
"diagnosis_detail": "多发性子宫平滑肌瘤，最大肌瘤位于前壁肌壁间，直径约5.2cm",
"clinical_text": "主诉：经量增多伴经期延长6个月。现病史：近半年月经周期规律，经期7-10天，经量较前增加约1.5倍，伴血块。无痛经。G2P1。体格检查：子宫增大如孕10周大小，前壁可触及结节。",
"lab_results": {
"hemoglobin": 98,
"ca125": 25.3,
"hpv_typing": "阴性",
"tct_result": "NILM",
"hormone_panel": { "fsh": 6.8, "lh": 5.2, "e2": 185, "amh": 1.85 }
},
"imaging_type": "TVS",
"imaging_findings": "子宫前位，增大，前壁肌壁间见5.2x4.8cm低回声团，边界清，内部回声欠均，CDFI见环状血流信号。后壁见2.1x1.8cm类似回声团。内膜厚0.9cm，回声均匀。双附件区未见明显异常。",
"pathology_result": null,
"treatment_plan": "建议行腹腔镜子宫肌瘤剔除术，术前予GnRH-a预处理3个月",
"follow_up_days": 90,
"outcome_status": "STABLE"
}
{
"record_id": "OBG-20250314-01289",
"patient_anon_id": "POB-0093214",
"visit_date": "2025-03-14",
"age_group": "30-35",
"clinical_department": "OBSTETRICS",
"diagnosis_category": "妊娠管理",
"diagnosis_detail": "妊娠期糖尿病(GDM)，孕28周OGTT筛查异常",
"clinical_text": "主诉：孕28周常规产检。现病史：G1P0，孕期顺利，无腹痛及阴道出血。今日OGTT结果：空腹5.8mmol/L，1h 11.2mmol/L，2h 9.6mmol/L，三项均超标。血压120/78mmHg，BMI 26.4。",
"lab_results": {
"ogtt_fasting": 5.8,
"ogtt_1h": 11.2,
"ogtt_2h": 9.6,
"hba1c": 5.9,
"urine_glucose": "++",
"urine_protein": "-"
},
"imaging_type": "TAS",
"imaging_findings": "单胎，头位，BPD 72mm，HC 258mm，AC 249mm，FL 52mm，EFW 1350g。AFI 14.2cm。胎盘后壁，成熟度I级。胎儿结构未见明显异常。",
"pathology_result": null,
"treatment_plan": "饮食控制+运动管理，空腹<5.3mmol/L、餐后2h<6.7mmol/L目标，2周后复查血糖轮廓",
"follow_up_days": 14,
"outcome_status": "IMPROVED"
}
{
"record_id": "OBG-20241105-00892",
"patient_anon_id": "POB-0065412",
"visit_date": "2024-11-05",
"age_group": "25-30",
"clinical_department": "GYNECOLOGY",
"diagnosis_category": "宫颈病变",
"diagnosis_detail": "宫颈上皮内瘤变CIN2，HPV高危型阳性",
"clinical_text": "主诉：体检发现HPV阳性2周。现病史：常规体检TCT提示ASC-H，HPV16/18阳性。阴道镜检查：宫颈3点、9点见浓厚醋白上皮，碘试验不着色。G0P0。体格检查：宫颈轻度糜烂，触血(-)。",
"lab_results": {
"hpv_typing": "HPV16阳性, HPV18阳性",
"tct_result": "ASC-H",
"colposcopy_impression": "CIN2",
"biopsy_pathology": "宫颈3点CIN2，宫颈9点CIN1"
},
"imaging_type": "TVS",
"imaging_findings": "子宫前位，大小正常，回声均匀。内膜厚0.7cm。宫颈未见占位。双附件区未见异常。",
"pathology_result": "宫颈3点：CIN2（中级别鳞状上皮内病变），p16弥漫强阳性。宫颈9点：CIN1（低级别鳞状上皮内病变）。",
"treatment_plan": "建议行LEEP宫颈锥切术，术后定期随访TCT+HPV",
"follow_up_days": 180,
"outcome_status": "STABLE"
}
标注规范与质量控制
标注标准
- 诊断标准化：采用ICD-10-CM编码体系，妇产科诊断映射至N70-N98及O00-O99编码段
- 临床文本分段标注：主诉、现病史、既往史、月经婚育史、体格检查、辅助检查、诊断、治疗计划八段式结构
- 命名实体类别：6大类113小类（症状/体征、疾病/诊断、检查/检验、药品/治疗、解剖部位、时间/频次）
- 实体关系类型：症状-疾病、检查-诊断、药品-治疗、疾病-解剖部位、疾病-预后 5种关系
质控流程（四级质控）
- 标准学习：标注人员学习7大主题定义、核心范畴与标注示例
- 预标注练习：完成各主题维度预标注，逐题讲解标注思路
- 正式标注：双人独立标注 + 交叉验证，诊断类别 Kappa ≥ 0.85 合格
- 专家审核：副主任医师抽检审核，不合格批次退回重标
质量指标
≥0.90
实体标注F1
≥0.85
标注一致Kappa
≥0.82
关系标注F1
3 级
质控体系
AI 训练适用场景
智能辅助诊断
适用模型：XGBoost / TabNet / FT-Transformer。基于结构化和文本特征进行宫颈病变分级、子宫肌瘤分类、卵巢肿瘤良恶性判断，支持SHAP可解释性分析。
临床文本结构化
适用模型：BioBERT / BioClinicalBERT / GatorTron。NER实体识别、关系抽取、ICD-10自动编码，支持从非结构化临床文本中自动提取结构化信息。
影像-文本多模态
适用模型：CLIP医学适配 / 多模态LLM。超声图像+报告联合建模，自动报告生成，病灶描述生成，支持跨模态检索与对比学习。
预后预测与随访
适用模型：Cox比例风险模型 / DeepSurv。疾病进展预测、复发风险评估、生存分析，支持纵向数据建模与时间外推验证。
妊娠管理AI
适用模型：LSTM / Transformer时序模型。妊娠合并症预测、分娩方式推荐、胎儿生长评估，基于产检时序数据的端到端预测。
妇科大模型问答
适用模型：ChatGLM-Med / HuatuoGPT / RAG增强检索。患者教育智能问答、诊疗指南检索与问答、LLM微调与领域适配。
数据分布统计
疾病类别分布
28%
宫颈病变
22%
子宫肌瘤
16%
卵巢囊肿
34%
其他（内膜/妊娠/肿瘤等）
补充统计
| 年龄分布 | 18-25岁 8% | 25-35岁 35% | 35-45岁 38% | 45-50岁 14% | 50岁以上 5% |
| 数据来源分布 | 门诊记录 52% | 住院记录 31% | 体检记录 12% | 急诊记录 5% |
| 影像数据覆盖率 | 含超声报告 68% | 含MRI报告 15% | 含CT报告 8% | 纯临床文本 22% |
| 病理确认率 | 手术病例病理确认 42% | 活检病理确认 18% | 临床诊断 40% |
| 随访完整度 | ≥2次随访 55% | 1次随访 28% | 无随访 17% |
交付方式与使用许可
| 结构化JSON | 每份临床记录为独立JSON文档，含完整字段维度，支持批量导入MongoDB/Elasticsearch |
| CSV/Excel汇总 | 结构化字段导出为CSV/Excel格式，适合传统机器学习（XGBoost/TabNet）快速建模 |
| NLP语料包 | 临床文本经分句分词处理后导出为CoNLL/BIO标注格式，支持BERT系列模型微调 |
| API在线访问 | RESTful API支持按疾病类别/年龄段/数据模态筛选，实时获取脱敏数据 |
| 使用许可 | 提供研究许可与商业许可两种模式。商业许可含衍生模型部署授权。严禁数据转售或未授权二次分发。 |
常见问题（FAQ）
数据集是否包含罕见妇科肿瘤？
包含。覆盖卵巢颗粒细胞瘤、子宫肉瘤、外阴Paget病等罕见类型，但样本量有限（各类型50-200例），适合数据增强与小样本学习研究。
影像数据与临床文本是否来源于同一患者？
是。同一 patient_anon_id 可关联临床文本、实验室检查、影像报告及病理结果，支持多模态联合建模。
文本数据是否支持NLP预训练？
支持。临床文本经分句、分词预处理，提供BERT/RoBERTa预训练语料格式，含医学领域词汇表。
如何保证标注一致性？
诊断类别由2名妇产科主治医师独立标注，Kappa系数 > 0.85 为合格，低于0.85由主任医师仲裁。
数据集是否经过伦理审查？
已通过伦理委员会审查批准，批件编号备查。所有数据使用符合《涉及人的生物医学研究伦理审查办法》要求。
是否支持纵向数据分析？
支持。同一患者的多次就诊通过 patient_anon_id 串联，随访数据支持疾病进展建模和预后预测。
商业应用价值
AI辅助问诊系统
训练妇产科智能分诊与预问诊系统，覆盖孕期症状分诊、产检报告解读、高危妊娠预警等场景，提升基层医疗机构诊疗效率。
围产期健康管理平台
嵌入孕产妇健康管理应用的智能模块，实现产后抑郁早期识别、妊娠合并症风险预测，市场规模超 30 亿元。
药企临床研究
为妇产科药物临床试验、医疗器械注册提供真实世界数据（RWD）支撑，加速产品审批与上市后监测。