研究
真实世界数据研究专区
数巨有谱研究公开的医疗数据集:每个数据集是什么,在真实世界里用来做什么,能帮助人工智能学到什么。现收 190 个,按器官系统与疾病编排。
病历记下的是诊疗的经过,不是疾病的全部。机器能从中学到哪一层规则,要看它记下了哪些环节、跟随患者多久、由谁做过判断。
研究
器官系统与疾病
每个数据集按研究对象归入器官系统或专题。未限定病种的电子病历网络、初级保健、医保与全国登记数据库,归在特殊话题下。它们不在各器官系统中重复列出。
- 心血管疾病数据集 3 个,话题 2 个
- 呼吸系统疾病数据集 1 个,话题 1 个
- 消化系统疾病数据集 1 个,话题 1 个
- 内分泌与代谢疾病数据集 3 个,话题 2 个
- 肾脏与泌尿生殖疾病数据集 2 个
- 血液与肿瘤数据集 10 个,话题 1 个
- 感染性疾病数据集 8 个
- 神经系统疾病数据集 10 个,话题 4 个
- 精神与心理数据集 2 个
- 肌肉骨骼与结缔组织数据集 4 个,话题 1 个
- 皮肤病数据集 2 个
- 眼科数据集 1 个
- 耳鼻咽喉数据集 2 个
- 口腔数据集 1 个
- 妇产科数据集 5 个
- 儿科数据集 5 个
- 老年医学数据集 4 个
- 急危重症数据集 38 个
- 损伤与中毒数据集 1 个
- 营养数据集 1 个
- 临床药理数据集 4 个
- 特殊话题数据集 53 个
- 中医药数据集 4 个
- 检验、影像与病理判读数据集 8 个
- 医疗工作流程数据集 24 个
- 医疗安全边界数据集 2 个
- 工具、量表与计算数据集 3 个
话题
方法
全部数据集
190 个公开医疗数据集,按器官系统与疾病逐个列出名称、所属话题与规模。
四个维度与四层规则
同样叫电子健康记录,内容可以相差很远。门诊、住院和医保支付留下的记录,与研究随访采集的记录、合成生成的记录,来路不同。时间跨度也不一样,短的只记一次住院,长的跨越多年和多家机构。
每个数据集按四个维度记录形态,即时间轴、结局、专家判断与任务环境。据此标出机器能学到的规则层,从 1.0 临床真实、2.0 规则语义、3.0 专家判断到 4.0 任务环境。
统计
截至 2026-10-25,计入统计的数据集 180 个,均已核到或部分核到。能学到 1.0 临床真实的 123 个,其中 53 个只能学到这一层。这 123 个之中,75 个的时间轴为纵向,其中 34 个结局接到院外。同在这 123 个之中,能学到 3.0 专家判断的 30 个,能学到 4.0 任务环境的 23 个。
在临床真实的记录中,长期随访与专家判断很少同时出现。纵向、结局接到院外、又带专家判断的,只有 1 个。这一个是 美国健康与退休研究(HRS)。它本是人群调查,因链接了医保理赔记录而计入 1.0。全部数据集中能学到 4.0 任务环境的 33 个,带交互环境的只有 1 个。
计数方法见方法与口径。
审校:数巨有谱真实数据研究团队|编辑:数巨有谱AI团队|更新日期:2026-10-25