Aperçu des données
| Nom de l'ensemble de données | Texte clinique médical NLP Ensemble de données notifiées |
| Volume total des données | 328 000 (dossiers médicaux électroniques + rapports de diagnostic + avis médicaux + digests médicaux) |
| TextType | 85K / M.C.S. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S.A. / S. / S. / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / |
| Catégorie d'entités NER | Maladies, symptômes, médicaments, examens, chirurgie, anatomie, indicateurs de laboratoire 7 grandes catégories 46 sous-catégories |
| 关系标注 | Maladies - symptômes, médicaments - maladies, détection - détection, chirurgie - autopsie |
| 术语标准化 | CIM-10-CM / SNOMED CT / ATC / Carte de la LOINC |
| Annotation Method | Étiquette professionnelle en médecine clinique + aides à la pré-marquage NLP + examen expert de la terminologie |
| Format Output | Description de la séquence BIO/BIOS / JSON / Brat Standoff / CNNLL |
Description détaillée des dimensions des données
| Field Name | Type de données | Value Range / Description |
|---|---|---|
| doc_id | String(32) | ID du document non sensible |
| doc_type | Enum | ADMISSION | PROGRESS | DISCHARGE | REPORT | ORDER | LITERATURE |
| department | Enum | ENQUÊTE INTERNE OBGYNIQUE PÉDIATRIQUES ONCOLOGIE CARDIOLOGIE |
| text | Text | Texte clinique après la dissension (nom du patient [NAME], date [DATE], établissement [ORG]) |
| entities | Array | [{start, end, type, subtype, text, icd10_code, snomed_code}] |
| relations | Array | [{head_entity_idx, tail_entity_idx, relation_type}] |
| bio_tags | Array | Liste des étiquettes de séquence BIO/BIOS |
| text_length | Integer | Nombre de caractères (y compris les points) |
| entity_count | Integer | 实体数量 |
| annotator_id | String(8) | Identification du marqueur désensibilisé |
| qc_score | Float | Évaluation de la qualité 0,0 - 1,0 |
Échantillon de données JSON non identifié
[
{
"doc_id": "CLT-A0000821",
"doc_type": "ADMISSION",
"department": "CARDIOLOGY",
"text": "患者[NAME]，[AGE]岁[GENDER]，因"反复胸闷、心悸[DURATION]"入院。既往有[DISEASE]病史[DRUG]治疗中。入院查体：[VALUE]次/分，血压[VALUE]/[VALUE]mmHg。",
"entities": [
{"start": 62, "end": 70, "type": "SYMPTOM", "subtype": "胸闷", "text": "反复胸闷、心悸"},
{"start": 82, "end": 90, "type": "DISEASE", "subtype": "心血管疾病", "text": "[DISEASE]", "icd10_code": "I25.1"},
{"start": 92, "end": 98, "type": "DRUG", "subtype": "心血管药物", "text": "[DRUG]", "atc_code": "C07AB"}
],
"relations": [
{"head_entity_idx": 0, "tail_entity_idx": 1, "relation_type": "SYMPTOM_OF"}
],
"text_length": 156,
"entity_count": 3,
"annotator_id": "ANN-0421",
"qc_score": 0.96
},
{
"doc_id": "CLT-R0012345",
"doc_type": "REPORT",
"department": "RADIOLOGY",
"text": "检查部位：[BODY_PART]。Imagerie所见：[BODY_PART]见[SIZE]cm[DESCRIPTOR][FINDING]，边界[DEGREE]，周边[DESCRIPTOR]。诊断意见：[DIAGNOSIS]。",
"entities": [
{"start": 4, "end": 16, "type": "ANATOMY", "subtype": "检查部位", "text": "[BODY_PART]", "snomed_code": "123037004"},
{"start": 20, "end": 32, "type": "ANATOMY", "subtype": "检查部位", "text": "[BODY_PART]"},
{"start": 33, "end": 42, "type": "LAB", "subtype": "尺寸测量", "text": "[SIZE]cm"},
{"start": 43, "end": 55, "type": "FINDING", "subtype": "ImagerieDiscovery", "text": "[DESCRIPTOR][FINDING]"}
],
"relations": [
{"head_entity_idx": 1, "tail_entity_idx": 3, "relation_type": "HAS_FINDING"}
],
"text_length": 89,
"entity_count": 4,
"annotator_id": "ANN-0715",
"qc_score": 0.94
},
{
"doc_id": "CLT-D0003672",
"doc_type": "DISCHARGE",
"department": "ONCOLOGY",
"text": "出院诊断：[DISEASE]（[STAGE]）。住院期间行[PROCEDURE]治疗，过程顺利。出院医嘱：1.[DRUG] [DOSAGE]；2.定期复查[LAB]；3.不适随诊。",
"entities": [
{"start": 5, "end": 15, "type": "DISEASE", "subtype": "肿瘤", "text": "[DISEASE]", "icd10_code": "C34.9"},
{"start": 24, "end": 32, "type": "PROCEDURE", "subtype": "治疗操作", "text": "[PROCEDURE]"},
{"start": 47, "end": 53, "type": "DRUG", "subtype": "抗肿瘤药", "text": "[DRUG]", "atc_code": "L01XE"},
{"start": 64, "end": 70, "type": "LAB", "subtype": "实验室检查", "text": "[LAB]", "loinc_code": "24331-1"}
],
"relations": [
{"head_entity_idx": 0, "tail_entity_idx": 1, "relation_type": "TREATED_BY"},
{"head_entity_idx": 0, "tail_entity_idx": 3, "relation_type": "MONITORED_BY"}
],
"text_length": 112,
"entity_count": 4,
"annotator_id": "ANN-0388",
"qc_score": 0.97
},
{
"doc_id": "CLT-O0009105",
"doc_type": "ORDER",
"department": "INTERNAL",
"text": "[DRUG] [DOSAGE] [ROUTE] [FREQUENCY] [DURATION]天",
"entities": [
{"start": 0, "end": 6, "type": "DRUG", "subtype": "抗生素", "text": "[DRUG]", "atc_code": "J01MA"},
{"start": 7, "end": 15, "type": "DOSAGE", "subtype": "剂量", "text": "[DOSAGE]"},
{"start": 16, "end": 22, "type": "ROUTE", "subtype": "给药途径", "text": "[ROUTE]"}
],
"relations": [],
"text_length": 42,
"entity_count": 3,
"annotator_id": "ANN-0912",
"qc_score": 0.99
},
{
"doc_id": "CLT-L0001543",
"doc_type": "LITERATURE",
"department": "ONCOLOGY",
"text": "本Recherche旨在评估[DISEASE]患者中[DRUG]联合[DRUG]方案的有效性和安全性。共纳入[NUMBER]例患者，ORR为[VALUE]%，中位PFS为[VALUE]个月。",
"entities": [
{"start": 6, "end": 16, "type": "DISEASE", "subtype": "肿瘤", "text": "[DISEASE]"},
{"start": 18, "end": 24, "type": "DRUG", "subtype": "抗肿瘤药", "text": "[DRUG]"},
{"start": 26, "end": 32, "type": "DRUG", "subtype": "抗肿瘤药", "text": "[DRUG]"},
{"start": 40, "end": 48, "type": "LAB", "subtype": "Clinical指标", "text": "ORR"},
{"start": 55, "end": 63, "type": "LAB", "subtype": "Clinical指标", "text": "中位PFS"}
],
"relations": [
{"head_entity_idx": 0, "tail_entity_idx": 1, "relation_type": "TREATED_BY"},
{"head_entity_idx": 0, "tail_entity_idx": 3, "relation_type": "MEASURED_BY"}
],
"text_length": 97,
"entity_count": 5,
"annotator_id": "ANN-0523",
"qc_score": 0.95
}
]
标注规范与质量控制
标注标准
- Étiquette du RNE suivant i2b2 2010/2012 Extension de la norme d'identification de l'entité désignée clinique, en ajoutant 46 catégories de particules fines
- L'extraction de la relation se fait dans le format de groupe à trois niveaux de l'entité de référence et les types de relation couvrent le diagnostic-découverte, le traitement-maladie, etc.
- Double carte normalisée des termes : code diagnostique CIM-10-CM + terme clinique SNOMED CT, code ATC pour les produits pharmaceutiques
- Désensibilisation du texte : L'ISP (Protected Health Information) a été remplacé par un détenteur de type place, aucune fuite d'information
质量指标
96.3%
NER F1
91.7%
Extraction de relations F1
98.5%
Le terme taux de précision de la carte
0.89
Taux de cohérence de marque Kappa
AI Training Use Cases
Identification de l'entité nominative clinique (NER)
Modèle d'application : BERT-BILSTM-CRF / BioBERT / PubMedBERT / Clinical BERT / GatorTron. Formé au modèle d'identification d'entité pour le texte clinique chinois, F1 peut atteindre 90 %+.
Extraction des relations médicales
Modèle d'application : BioRelEx / PURE / PL-Marker / REBEL. Dessine les relations maladies-symptômes, pharmaceutiques-maladie sur la base de l'identification physique, et construit une carte des connaissances médicales.
Normalisation de la terminologie clinique
Modèle d'application : SapBERT / CODER / BioSyn. Carte des termes cliniques oraux/non standard du système de terminologie standard de la CIM-10/SNOMED CT.
Antécédents médicaux électroniques structurés
Modèle d'application : LLM + RAG (GPT-4o/Claude/Qwen2.5 + Langchain). Conversion de bout en bout des dossiers médicaux non structurés en format FHIR/CDA structuré.
Get This Dataset
Les ensembles de données cliniques sur les PNL sont autorisés avec souplesse par le type de section/marqueur, ce qui permet d'adapter les exigences en matière d'étiquetage.
137-5502-0164 Online Consultation商业应用价值
Information des hôpitaux intelligents
Un contrôle intelligent des antécédents des patients intégré au système HIS/EMR, module de soutien à la décision clinique du SSCD pour améliorer la régulation des dossiers des patients et la qualité du traitement.
Délivrance des renseignements médicaux
En se basant sur les relations diagnostiques-pharmacologiques-vérification, la formation au modèle de la censure mentale, l'identification automatique de l'utilisation déraisonnable et le surcontrôle.
L'étude de la médecine dans le monde réel
Information structurée sur les médicaments et résultats cliniques d'un grand dossier médical électronique pour appuyer l'étude RWE sur les preuves réelles après l'inscription des médicaments.