# 临床信息抽取训练数据（SHP-MED-06-038）

临床信息抽取的训练样本，按三套任务结构组织。每套结构写明输入契约与输出契约。样本挂在去标识输入文本版本之下，产出的目标记录各带否定状态、确定性、体验者与时相四项属性。跨度、关系边与术语映射按 Unicode 半开坐标对齐。可用于抽取模型训练、专病库入库口径设计与抽取引擎分项评测。
所属体系：医疗模型训练。
实体 11 个：任务结构 · 输入文本版本 · 抽取训练样本 · 目标记录 · 跨度对齐 · 关系边 · 术语映射 · 复核记录 · 数据划分 · 数据质量项 · 来源沿袭。
字段 160 个（交付范围内的字段总数）。
可获得的业务字段（示例）：任务类型 · 样本状态 · 证据截点 · 分组键 · 结构版本 · 输入契约 · 输出契约 · 复核口径 · 文书族 · 文本版本 · 去标识正文 · 语种 · 目标输出 · 目标类型 · 标签状态 · 规范化取值 · 否定状态 · 体验者 · 时相 · 确定性 · 起始偏移 · 结束偏移 · 跨度正文 · 坐标系 · 证据角色 · 关系类型 · 关系状态 · 证据跨度清单 · 编码体系 · 术语编码 · 术语显示名 · 映射版本 · 映射状态 · 复核状态 · 复核人角色 · 复核决定 · 复核说明 · 复核时间 · 数据划分名称 · 划分策略 · 问题代码 · 严重程度 · 处理方式 · 对象类型 · 记录状态 · 可用时间 · 缺失原因 等。
实体关系 5 组：抽取训练样本挂在一版输入文本之下，同一份文本可承载多种任务的样本 · 目标记录挂在样本之下，跨度对齐再挂在目标记录之下 · 关系边连接同一样本中两个不同的目标记录，不与自身相连 · 术语映射挂在目标记录上，并写明编码体系与映射版本 · 数据划分按文书成组，同一份文书的样本不跨划分。
数据集组织形式：任务结构清单 ＋ 输入文本版本 ＋ 单一样本文件夹 ＋ 划分与元数据文件。样本文件夹内含目标记录、跨度对齐、关系边、术语映射、复核记录。。
数据量：按项目商定。
字段范围：按项目的数据来源与加工范围商定。
交付与供应方式：数据集交付：清单 CSV／Parquet ＋ 单一对象文件夹 ＋ Meta.jsonl／Parquet；API 调用；Token 计量；数巨有谱可信数据空间连接器合约使用。
数据取得方式：数据资源持有方书面授权。
数据来源机构：医疗机构（含等级医院、社区医院及康复机构、疾控机构）。
数据加工机构：数巨有谱或数据资源持有方。
数据经营机构：数巨有谱（经营权权利人）。
许可：评估与研究使用许可。
更新日期：2026-08-05。

## 样例

三十条抽取训练样本，按三套任务结构各十条组织。三套结构为文书章节、实体关系、时间与术语，各写明输入契约、输出契约与复核口径。十份去标识输入文本承载全部样本，产出五十条目标记录。每条目标带否定状态、确定性、体验者与时相四项属性。另配五十条按 Unicode 半开坐标对齐的跨度。还有十条连接同一样本中两个不同目标的关系边，以及十条写明编码体系与版本的术语映射。

## 使用场景

- 医疗科技企业 · 临床信息抽取模型团队｜抽取模型的属性监督与结构化输出对齐｜获得：属性齐、输出契约可校验的抽取训练信号
- 三甲医院 · 病历结构化与专病库建设｜病历要素入库的字段口径与证据留痕｜获得：状态齐备、逐格可回原句的结构化入库口径
- 医疗信息化企业 · 抽取引擎与标注平台｜抽取引擎的坐标一致性检查与回归用例｜获得：坐标可回放、准确率可按角色拆分的引擎测试底料
- 医学研究与真实世界证据团队 · 变量提取｜研究变量从文本中提取的口径与可核性｜获得：变量定义精确、取值逐条可核的文本变量提取口径

## 常见问题

问：临床信息抽取训练数据包含哪些内容？
答：临床信息抽取训练数据（SHP-MED-06-038）按文书章节、实体关系、时间与术语三套任务结构组织抽取训练样本，各写明输入契约与输出契约。每条目标记录带否定状态、确定性、体验者与时相四项属性，跨度、关系边与术语映射按 Unicode 半开坐标对齐。

问：临床信息抽取训练数据适合什么任务？
答：适合临床信息抽取模型的属性监督训练，疑似与确诊分列、计划与已执行分列；也适合专病库入库的字段口径设计与证据留痕、抽取引擎按证据角色分项评测，以及真实世界研究中文本变量提取口径的制定。

问：临床信息抽取训练数据的样例与交付形态？
答：产品页提供明确标识的自产样例：三十条抽取样本按三套任务结构各十条组织，产出五十条带四项属性的目标记录、五十条坐标对齐跨度、十条关系边与十条术语映射。支持数据集交付、API 调用、Token 计量与可信数据空间连接器。

问：临床信息抽取训练数据怎么定制？起订量多少？
答：任务结构可选单一或多任务组合，再按目标类型、关系类型、术语编码体系、文书类型与属性标注深度定制，起订量为 3,000 条抽取样本，数据量按项目商定。可先申请开源子集或测试数据核对输出契约与坐标口径。

问：临床信息抽取训练数据可以和哪些产品组合？
答：常与临床实体与关系标注数据（SHP-MED-05-032）衔接抽取目标所依据的标注层，与诊断、操作与药品术语标准化数据（SHP-MED-05-034）对接术语映射的标准编码体系，与临床信息抽取与编码评测集（SHP-MED-07-044）对照同一能力的成题评测。


## 关联数据集

- SHP-MED-05-032 临床实体与关系标注数据：抽取目标所依据的标注层
- SHP-MED-05-034 诊断、操作与药品术语标准化数据：术语映射所接的标准编码体系
- SHP-MED-07-044 临床信息抽取与编码评测集：同一能力做成成题评测的对照

页面：https://www.shujuyoupu.com/datasets/catalog/products/SHP-MED-06-038/