真实世界数据研究专区
全部数据集
190 个公开医疗数据集，按器官系统与疾病排列。每个数据集一页，写明它是什么、怎样使用、能帮助人工智能学到什么。
心血管疾病3
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| MIMIC-IV-Ext 心脏病住院诊断数据集 | 心力衰竭 | 4,761 条住院记录 |
| PulseDB 无袖带血压估计基准数据库 | 血压与血流动力学 | 5,361 名受试者、5,245,454 个 10 秒信号片段 |
| 弗雷明汉心脏研究 | 心血管流行病学与危险因素 | 原始队列入组 5,209 人，历年累计入组逾 15,000 人 |
呼吸系统疾病1
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 慢阻肺遗传流行病学研究（COPDGene） | 慢性阻塞性肺疾病 | 第 1 期招募 10,371 人，截至第 3 期累计胸部 CT 40,000 余次 |
消化系统疾病1
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 广安门医院慢性胃炎高质量数据集 | 胃炎 | 6 大类 25 个模块，未给患者数或记录数 |
内分泌与代谢疾病3
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| Insulin4RL 重症胰岛素输注离线强化学习数据集 | 住院高血糖与胰岛素治疗 | 队列统计为 12,209 名患者、376,310 个胰岛素决策，摘要数字略有不同 |
| MIMIC-IV-Ext-ECG-Glucose 心电图与血糖配对数据集 | 住院高血糖与胰岛素治疗 | 437,671 个血糖与心电配对、131,771 名患者 |
| 重症监护病房血糖管理整理数据集 | 住院高血糖与胰岛素治疗 | 603,764 条记录、9,517 名患者、11,724 次 ICU 住院 |
肾脏与泌尿生殖疾病1
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| UCI 慢性肾脏病数据集 | 慢性肾脏病 | 400 条实例、24 个特征加 1 个类别标签 |
血液与肿瘤10
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| CancerLinQ 肿瘤真实世界数据平台 | 肿瘤真实世界病历 | 13M+ 患者记录，计数方法未注明 |
| CORAL 专家标注肿瘤内科病历数据集 | 肿瘤病历文本与分子信息 | 40 份专家标注病程记录，含 9,028 个实体、9,986 个修饰语、5,312 个关系 |
| Flatiron Health 电子病历衍生肿瘤数据库 | 肿瘤真实世界病历 | 逾 600 万份患者记录，来自 220 余家肿瘤诊所、2,100 余个诊疗点 |
| I-SPY 2 试验乳腺动态增强 MRI 数据集（ISPY2） | 乳腺癌 | 719 名患者，每人最多 4 次 MRI，共 4.16TB |
| SEER-Medicare 链接数据库 | 肿瘤登记与流行病学 | 4,306,574 例按服务付费参保病例、1,877,361 例 Medicare Advantage 病例 |
| TREC 精准医学评测任务（TREC Precision Medicine Track） | 肿瘤病历文本与分子信息 | 2017 年 30 个主题、241,006 条临床试验、约 26,759,399 篇 MEDLINE 摘要 |
| 乳腺癌分子分型国际联盟（METABRIC）数据集 | 乳腺癌 | 2,509 名患者、2,509 份原发乳腺肿瘤样本 |
| 监测、流行病学和最终结果数据库（SEER） | 肿瘤登记与流行病学 | 覆盖约 45.9% 的美国人口 |
| 美国国家癌症数据库（NCDB） | 肿瘤登记与流行病学 | 来自 1,500 余家 CoC 认证机构的医院肿瘤登记 |
| 美国国家肺癌筛查试验（NLST） | 肺癌筛查 | 入组 53,454 人，TCIA 公开子集含 26,254 人的低剂量 CT |
感染性疾病6
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| ISARIC 新型冠状病毒感染住院患者数据集 | 新型冠状病毒感染 | 逾 705,000 名住院患者、62 个国家、1,559 家机构 |
| SCCM Discovery VIRUS 新型冠状病毒感染登记研究 | 新型冠状病毒感染 | 实际入组 100,000 人 |
| 医院获得性感染预测因素匹配回顾性队列数据集 | 医院感染与抗菌药物耐药 | 16,933 例病例匹配 39,372 条对照记录 |
| 尿路感染抗菌药物耐药数据集（AMR-UTI） | 医院感染与抗菌药物耐药 | 逾 80,000 名尿路感染患者，训练集 55,078 名、测试集 26,807 名 |
| 新冠共享学习数据库（CDSL） | 新型冠状病毒感染 | 4,479 名住院患者，影像 1,444,764 张 |
| 麻省总布莱根抗菌药物耐药微生物数据集（ARMD-MGB） | 医院感染与抗菌药物耐药 | 逾 225,000 名成人患者、逾 970,000 份微生物培养 |
神经系统疾病9
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| DANDI 神经生理数据档案库（DANDI Archive） | 神经电生理 | 1,211 个 Dandiset，约 2.5 PB |
| MIMIC-III 美国国立卫生研究院卒中量表（NIHSS）标注数据集 | 脑血管病 | 312 份出院小结、7,848 句、2,929 个 NIHSS 条目 |
| NIFD | 痴呆与认知障碍 | |
| 宗教团体研究与拉什记忆与衰老项目（ROSMAP） | 痴呆与认知障碍 | 3,322 名入组者，脑尸检 1,475 人 |
| 睡眠心脏健康研究（SHHS） | 睡眠障碍 | 共享数据 5,839 名参与者，全研究入组 6,441 人 |
| 缺血性卒中病灶分割挑战数据集（ISLES 2022） | 脑血管病 | 400 例 MRI，训练集 250 例、测试集 150 例 |
| 美国国家睡眠研究资源库（NSRR） | 睡眠障碍 | 26,808 名受试者、31,166 个可下载 EDF 文件，为 2018 年数字 |
| 美国国家阿尔茨海默病协调中心统一数据集（NACC UDS） | 痴呆与认知障碍 | 56,000 余名参加者、217,000 次临床评估 |
| 阿尔茨海默病神经影像学计划（ADNI） | 痴呆与认知障碍 | 2,500 余名参与者，美加 60 余个临床中心 |
精神与心理2
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| ADHD-200 数据集 | 注意缺陷多动障碍 | 776 套影像数据，含 491 名典型发育者、285 名 ADHD 患儿与青少年 |
| MIMIC-III 出院小结阿片类药物问题使用标注数据集 | 物质使用障碍 | 3,270 条标注，来自 100 名患者的 137 份出院小结 |
肌肉骨骼与结缔组织2
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 骨关节炎倡议（OAI） | 骨关节炎 | 进展队列 1,389 人、发病队列 3,285 人、对照队列 122 人 |
| 高密度表面肌电开放数据集（Hyser） | 肌电与运动功能 | 20 名受试者、5 个子数据集，共 142.8 GB |
皮肤病2
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| PAD-UFES-20 智能手机皮损图像数据集 | 皮肤病影像 | 1,373 名患者、1,641 处皮损、2,298 张图像 |
| SCIN 皮肤状况图像数据集 | 皮肤病影像 | 5,000 余份志愿者提交、10,000 余张图像 |
眼科1
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| APTOS 2019 Blindness Detection | 糖尿病视网膜病变 |
耳鼻咽喉2
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 奥尔登堡听力健康档案（OHHR） | 听力损失 | 581 名参与者，其中听力损失队列 442 人 |
| 年龄相关性听力损失性别差异数据集（Sex differences in age-related hearing loss） | 听力损失 | 4,084 名受检者，男 910、女 3,174 |
口腔1
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 牙周支持治疗临床检查数据 | 牙周病 | 883 名患者、11,842 次牙周支持治疗就诊 |
妇产科5
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| CTU-CHB 产时胎心宫缩监护数据库 | 妊娠与分娩 | 552 例产时 CTG 记录，从 9,164 例中筛选 |
| UCI 胎心宫缩监护数据集（Cardiotocography） | 妊娠与分娩 | 2,126 份胎心宫缩图、21 个特征 |
| 不良妊娠结局社会决定因素标注数据集 | 妊娠与分娩 | 257 份出院小结 |
| 孕期母体脂肪超声测量与营养评估数据 | 妊娠与分娩 | 纳入 272 名孕妇，最终 211 例，116 个变量 |
| 带宫缩描记的足月与早产子宫肌电图数据库（TPEHGT DS） | 妊娠与分娩 | 31 条 30 分钟记录，孕妇 26 条、非孕女性 5 条 |
儿科5
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| NCH 儿童睡眠数据库（NCH Sleep DataBank） | 儿童睡眠 | 3,673 名患儿、3,984 次多导睡眠监测、560 万条 EHR 临床数据 |
| PEDSnet | 儿科多机构网络 | |
| 儿科重症监护数据库（PIC） | 儿童重症 | 12,881 名患者、13,499 次住院 |
| 美国国家青少年至成人健康纵向研究（Add Health） | 儿童青少年发育队列 | Wave I 入户访谈 20,745 名青少年，已随访六轮 |
| 青少年大脑认知发育研究（ABCD 研究） | 儿童青少年发育队列 | 11,880 名儿童入组，8,710 人有全基因组测序 |
老年医学4
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 中国健康与养老追踪调查（CHARLS） | 老年人群追踪调查 | 全国基线约 1 万户家庭、1.7 万人 |
| 欧洲健康、老龄化与退休调查（SHARE） | 老年人群追踪调查 | 175,000 名受访者、690,000 次访谈、28 国 |
| 男性骨质疏松性骨折研究（MrOS） | 老年人群队列 | 基线招募男性 5,994 人 |
| 美国健康与退休研究（HRS） | 老年人群追踪调查 | 逾 37,000 名 50 岁以上个体，分属 23,000 户 |
急危重症38
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| 2012 年 PhysioNet/CinC 挑战赛 ICU 患者死亡预测数据集 | 重症派生数据与预测基准 | 12,000 次 ICU 住院，分 A、B、C 三组各 4,000 条 |
| 2019 年 PhysioNet/CinC 挑战赛脓毒症早期预测数据集 | 脓毒症 | 公开训练集 40,336 名 ICU 患者，逾 250 万个小时窗 |
| BOLD 血气与脉搏血氧关联数据集 | 床旁测量的准确性与偏差 | 49,099 个血气与脉搏血氧配对、44,907 名患者 |
| CUB-Réa | 成人重症监护数据库 | |
| eICU 协作研究数据库（eICU-CRD） | 成人重症监护数据库 | 200,859 次 ICU 单元入住、139,367 名患者 |
| ER-REASON 急诊临床推理基准数据集 | 急诊 | 3,437 名患者、3,984 次就诊、25,174 篇临床文书 |
| FIDDLE 预处理的 MIMIC-III 与 eICU 特征数据集 | 重症派生数据与预测基准 | MIMIC-III 来源 23,620 次 ICU 入住，eICU 来源 200,859 次 |
| Health Gym 急性低血压与脓毒症合成数据集 | 重症派生数据与预测基准 | 低血压集 3,910 名合成患者、脓毒症集 2,164 名合成患者 |
| ICU 心律失常误报警数据集（PhysioNet/CinC 挑战赛 2015） | 床旁监护信号 | 1,250 次报警记录，训练集 750 条、测试集 500 条 |
| INSPIRE 围术期医学研究数据集 | 围术期 | 约 130,000 例手术麻醉病例 |
| MC-MED 急诊多模态临床监护数据集 | 急诊 | 118,385 次急诊就诊、70,545 名患者 |
| MIMIC-III 临床数据库开放子集（MIMIC-III Clinical Database Demo） | 成人重症监护数据库 | 100 名患者 |
| MIMIC-III 波形数据库 | 床旁监护信号 | 67,830 个记录集，约 30,000 名 ICU 患者 |
| MIMIC-III 波形数据库匹配子集 | 床旁监护信号 | 22,317 条波形记录、22,247 条数值记录、10,282 名 ICU 患者 |
| MIMIC-III 重症监护数据库 | 成人重症监护数据库 | 超过 4 万名患者，其中成人 38,597 名、新生儿 7,870 名 |
| MIMIC-III 院内获得性疾病风险数据集 | 重症派生数据与预测基准 | |
| MIMIC-IV 急诊事件日志（MIMICEL） | 急诊 | 7,568,824 个事件、425,028 次急诊停留、205,466 名患者 |
| MIMIC-IV 急诊分诊指令语料库（MIETIC） | 急诊 | 9,629 条分诊指令样本，约 580 万 token |
| MIMIC-IV 急诊数据库（MIMIC-IV-ED） | 急诊 | 约 425,000 次急诊停留 |
| MIMIC-IV 波形数据库 | 床旁监护信号 | 200 条记录、198 名患者 |
| MIMIC-IV 重症监护数据库 | 成人重症监护数据库 | 364,627 名患者、546,028 次住院 |
| MIT 重症数据马拉松 2023 脉搏血氧校正数据集 | 床旁测量的准确性与偏差 | 81,797 个 SaO2–SpO2 配对 |
| OUTCOMEREA | 成人重症监护数据库 | |
| 体温测量配对数据集（TherLid） | 床旁测量的准确性与偏差 | 13,251 个体温配对、8,511 名患者 |
| 全球开源病情严重度评分数据集 eICU 子集（GOSSIS-1-eICU） | 重症派生数据与预测基准 | 131,051 次 ICU 入住，来自 204 家医院 |
| 巴西重症监护医学信息数据库（MIMIC-BR） | 成人重症监护数据库 | 28,799 名成人患者、34,217 次就诊 |
| 急诊脓毒症患者胸部 CT 数据集 | 脓毒症 | 337 次住院、836 次胸部 CT 扫描 |
| 手术室生命体征与事件医学信息库（MOVER） | 围术期 | 58,799 名患者、83,468 台手术 |
| 浙江省人民医院重症监护电子病历数据库 | 成人重症监护数据库 | 7,638 名患者、8,180 次住院、11,082,482 条检验记录 |
| 澳新重症医学会成人患者数据库（ANZICS APD） | 成人重症监护数据库 | 逾 350 万次 ICU 患者诊疗 |
| 自贡市第四人民医院感染患者重症监护数据库 | 脓毒症 | 2,790 名感染 ICU 成人患者 |
| 萨尔茨堡重症监护数据库（SICdb） | 成人重症监护数据库 | 超过 27,000 次重症监护入住，来自 4 个 ICU 共 41 张床 |
| 西北大学重症监护数据库（NWICU） | 成人重症监护数据库 | 超过 25,000 名患者、12 张表 |
| 轨迹流匹配评测用 ICU 临床时间序列数据集 | 重症派生数据与预测基准 | Sepsis 3,362 名、Cardiac Arrest 64,589 名、GIB 2,602 名患者 |
| 通用纵向重症监护数据格式（CLIF） | 成人重症监护数据库 | 939,328 名重症患者、1,254,985 次住院、67 家医院 |
| 重症监护时间序列多中心协调数据集 | 重症派生数据与预测基准 | 超过 600,000 次住院或就诊，数据点接近 10 亿 |
| 阿姆斯特丹大学医学中心重症监护数据库（AmsterdamUMCdb） | 成人重症监护数据库 | 20,109 名患者、23,106 次 ICU 或高依赖病房入住 |
| 高时间分辨率重症监护数据集（HiRID） | 成人重症监护数据库 | 近 3.4 万次 ICU 入住 |
临床药理4
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| TWOSIDES 药物相互作用不良事件数据库 | 药物不良反应监测 | 3,300 余种药物、63,000 个药物组合 |
| 临床药物基因组学实施联盟（CPIC）数据库 | 药物基因组学 | 573 个基因药物对、31 部指南、500,418 行数据 |
| 美国 FDA 不良事件报告系统（FAERS） | 药物不良反应监测 | |
| 美国食品药品监督管理局开放数据平台（openFDA） | 药物不良反应监测 | 药品不良事件 20,692,690 条、医疗器械不良事件 26,557,775 条 |
特殊话题53
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| BioVU 生物样本库与 Synthetic Derivative 去标识病历库 | 人群队列与生物样本库 | 300,000 余份 DNA 样本，SD 约 350 万份个体记录 |
| Chang Gung Research Database | 医院电子病历与多机构网络 | |
| ClinicalTrials.gov 汇总分析数据库（AACT） | 临床试验数据 | 530K+ 项注册研究，首版含 96,346 项临床试验 |
| Epic Cosmos 电子病历数据平台 | 医院电子病历与多机构网络 | 2,358 家医院、3.1 亿名患者、226 亿次就诊 |
| Geisinger MyCode 社区健康计划 | 人群队列与生物样本库 | 同意参加者 374,724 人、可供研究的 DNA 序列 230,072 份 |
| ICES 数据仓库（加拿大安大略省） | 医保理赔与行政数据 | 按 2019 年论文 1,340 万居民、约 200 亿条记录 |
| IQVIA 疾病分析数据库（Disease Analyzer） | 初级保健记录 | 德国版 2,800 余家诊所、3,600 余名医生、1,400 万余条患者就诊轨迹 |
| JMDC 理赔数据库 | 医保理赔与行政数据 | 超过 2,000 万名参保人 |
| Komodo Health 医疗地图数据库（Healthcare Map） | 医保理赔与行政数据 | 逾 1 万亿条链接记录、逾 3.3 亿名去标识患者 |
| MarketScan 研究数据库 | 医保理赔与行政数据 | |
| MIMIC-Ext-SynNotes 合成临床笔记语料 | 合成数据 | 8 个合成语料，源自 464 万份去重笔记 |
| NHS Hospital Episode Statistics | 医保理赔与行政数据 | |
| Premier 医疗保健数据库（PHD） | 医院电子病历与多机构网络 | 逾 13 亿次门诊就诊，住院约占美国每年住院量的 25% |
| QResearch 初级保健数据库 | 初级保健记录 | 4,000 余万名患者 |
| RareBench 罕见病评测基准 | 罕见病 | 公开病例合计 1,197 例，PUMCH 病例总数 1,650 例 |
| SimSUM 结构化与非结构化模拟病历基准 | 合成数据 | 10,000 条合成患者记录 |
| Synthea 合成患者生成器 | 合成数据 | 生成器可产生几乎无限的合成患者，官网提供逾一千名样例患者 |
| TREC 2021 临床试验检索赛道数据 | 临床试验数据 | ClinicalTrials.gov 2021-04-27 快照，分 5 个压缩包 |
| TriNetX 全球真实世界数据网络 | 医院电子病历与多机构网络 | 3.09 亿余名患者、990 亿余个临床数据点、14,200 余个临床站点 |
| Truveta 真实世界数据库（Truveta Data） | 医院电子病历与多机构网络 | 电子病历患者 140M+ 与 130M+ 两说，闭合理赔 200M+ 患者 |
| “我们的未来健康”研究项目（Our Future Health） | 人群队列与生物样本库 | 2,021,810 名参与者，其中 755,000 名有基因分型数据 |
| 世界银行开放数据（World Bank Open Data） | 公共卫生与人群调查 | 29,544 个指标、296 个国家与地区条目 |
| 临床试验预测多模态数据集（TrialBench） | 临床试验数据 | 8 类预测任务、23 个数据集 |
| 丹麦国家患者登记（DNPR） | 全国患者登记 | |
| 乌普萨拉冲突数据项目地理编码事件数据集（UCDP GED） | 社会与环境暴露 | 每年约编码 10,000—12,000 起事件 |
| 低频 ICD-10 编码合成出院小结数据集 | 合成数据 | 9,606 份合成出院小结，覆盖 98 个少样本与 16 个零样本 ICD-10 编码 |
| 健康改善网络数据库（THIN） | 初级保健记录 | |
| 健康数据枢纽平台（Health Data Nexus） | 医院电子病历与多机构网络 | 截至 2025 年 5 月托管 9 个数据集 |
| 全人口健保資料（衛生福利資料科學中心） | 医保理赔与行政数据 | |
| 医疗支出面板调查（MEPS） | 公共卫生与人群调查 | 2024 年家庭组件 8,405 户、18,683 人 |
| 博世腕戴传感器住院患者身体活动数据集 | 住院患者活动监测 | 58 名内科住院患者 |
| 基因型与表型数据库（dbGaP） | 人群队列与生物样本库 | |
| 多州电子病历疾病监测网络（MENDS） | 公共卫生与人群调查 | |
| 安大略省医院住院数据库（GEMINI） | 医院电子病历与多机构网络 | 300 万次以上住院、200 亿个以上数据点 |
| 巴西三级医疗数据集（BRATECA） | 医院电子病历与多机构网络 | 逾 70,000 次住院、逾 250 万份病程记录 |
| 德国药物流行病学研究数据库（GePaRD） | 医保理赔与行政数据 | 约 2,500 万人，每个数据年约覆盖德国总人口的 20% |
| 日本 MDV 医疗数据库（MDV Medical Database） | 医院电子病历与多机构网络 | 医院库 6,490 万名患者、健保库 2,102 万名患者 |
| 日本生物银行（BioBank Japan） | 人群队列与生物样本库 | 约 270,000 名患者的 DNA 与临床信息、约 200,000 名患者的血清；登记病种中心力衰竭 12,890 例 |
| 法国国家卫生数据系统（SNDS） | 医保理赔与行政数据 | 约 12 亿张诊疗单，EGB 样本约 66 万名受益人 |
| 瑞典国家患者登记（NPR） | 全国患者登记 | 2021 年专科门诊医师就诊 13,388,762 次 |
| 电子病历基础模型少样本评测基准（EHRSHOT） | 医院电子病历与多机构网络 | 6,739 名患者、921,499 次就诊、41,661,637 个临床事件 |
| 百万退伍军人计划（MVP） | 人群队列与生物样本库 | 截至 2023 年 11 月入组退伍军人逾 1,000,000 名 |
| 经济合作与发展组织卫生统计（OECD Health Statistics） | 公共卫生与人群调查 | OECD.ELS.HD 名下 86 个数据流 |
| 美国全国急诊样本数据库（NEDS） | 医保理赔与行政数据 | 未加权每年约 3,000 万次急诊就诊，加权后每年超过 1.4 亿次 |
| 美国国家临床队列协作网络（N3C） | 医院电子病历与多机构网络 | 逾 90 家机构参与，患者总数 |
| 美国国家以患者为中心的临床研究网络（PCORnet） | 医院电子病历与多机构网络 | 5,000 余万人、77 个以上卫生系统 |
| 美国国家住院患者样本数据库（NIS） | 医保理赔与行政数据 | 未加权每年约 700 万次住院，加权后估计全美逾 3,300 万次 |
| 芬兰基因组计划（FinnGen） | 人群队列与生物样本库 | 约 520,000 名参与者，DF13 分析样本 500,186 人 |
| 英国临床实践研究数据链（CPRD） | 初级保健记录 | 截至 2013 年，674 家诊所共 1,130 万名质量合格患者 |
| 英国生物样本库（UK Biobank） | 人群队列与生物样本库 | 501,938 名参加者 |
| 英格兰全科电子病历安全分析平台（OpenSAFELY） | 初级保健记录 | 5,700 余万名患者 |
| 韩国国民健康信息数据库（NHID） | 医保理赔与行政数据 | 逾 5,000 万人 |
| 香港医院管理局数据共享资讯站 | 医院电子病历与多机构网络 |
中医药3
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| TCMSSD | 中医证候与辨证 | |
| 中医辨证基准数据集（TCM-SD） | 中医证候与辨证 | 54,152 份临床记录、148 种证型 |
| 中医辨证思维基准数据集（TCMEval-SDT） | 中医证候与辨证 | 300 份中医证候诊断病例 |
检验、影像与病理判读7
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| Chest ImaGenome 胸片场景图数据集 | 胸部影像与放射报告 | 242,072 张正位胸片的场景图、217,013 份报告、金标准 500 名患者 |
| MICCAI 2020 肋骨骨折检测与分类挑战赛数据集（RibFrac） | 骨折影像判读 | 660 例 CT、约 5,000 处肋骨骨折 |
| MIMIC-CXR 胸片临床关联数据库（MIMIC-CXR-DB） | 胸部影像与放射报告 | 377,095 张胸片，其中 146,333 张关联到住院 |
| MIMIC-III 超声心动图报告结构化数据库（ECHO-NOTE2NUM） | 心脏检查报告 | 43,472 份有效报告、21,572 名患者 |
| 放射学自然语言推理数据集（RadNLI） | 胸部影像与放射报告 | 960 个句对，验证集与测试集各 480 对 |
| 胸片、心电与血检多模态临床数据集（Symile-MIMIC） | 胸部影像与放射报告 | 11,622 次住院、9,573 名患者 |
| 胸片读片眼动与临床多模态整合数据集（MIMIC-Eye） | 胸部影像与放射报告 | 3,192 名患者、3,689 张胸片 |
医疗工作流程23
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| AIPatient 患者知识图谱（AIPatient KG） | 病历问答与推理 | MIMIC-III 部分 56 名患者、CORAL 部分 40 名肿瘤患者，问答 524 题与 423 题 |
| ArchEHR-QA 住院病历患者问答数据集 | 病历问答与推理 | 167 个病例，划为 dev 20、test 100、test-2026 47 |
| BedsideBench 临床问答基准 | 病历问答与推理 | 500 例，公开训练集 250 例 |
| CliniQ 电子病历检索基准 | 病历问答与推理 | 1,246 条查询、16,550 个片段、77,206 条相关性判定 |
| DrugEHRQA 电子病历用药问答数据集 | 病历问答与推理 | 41,417 组问题、SQL 与答案三元组 |
| EHR-ReasonCon 临床笔记与结构化表一致性验证数据集 | 病历文本标注与抽取 | 105 份临床笔记、8,042 个锚定实体 |
| EHRSQL 电子病历文本到 SQL 基准 | 病历问答与推理 | 22,505 条可执行 SQL 查询，问题收集自 222 名医院员工 |
| EHRXQA 电子病历与胸片多模态问答数据集 | 病历问答与推理 | 46,152 个问答样本、417 个模板 |
| MedAgentBench 医疗智能体虚拟电子病历评测基准 | 病历问答与推理 | 300 项临床任务、100 名患者档案、逾 700,000 个数据元素 |
| MeDiSumQA 出院小结患者问答数据集 | 病历问答与推理 | 416 个问答对 |
| MedNLI 临床自然语言推理数据集 | 病历问答与推理 | 14,049 个句对，来自 4,683 个前提句 |
| MedSecId 临床笔记章节识别语料 | 病历文本标注与抽取 | 2,002 份完整标注的医疗笔记、22,561 个标注、50 种章节类型 |
| MedSynth 合成医患对话与病历数据集 | 医患对话与病历生成 | 10,035 对医患对话与 SOAP 病历，覆盖 2,001 个 ICD-10 编码 |
| MIMIC-III 入院记录免疫抑制疾病与用药标注数据集 | 病历文本标注与抽取 | 200 份入院记录，每份标注 13 个变量 |
| MIMIC-III 出院小结医疗决策标注数据集（MedDec） | 病历文本标注与抽取 | 451 份出院小结、419 名患者，10 类决策 |
| MIMIC-III 病历表型标注数据集 | 病历文本标注与抽取 | 1,102 份出院小结、1,000 份护理病程记录，13 个表型 |
| MTS-Dialog 医患对话病历摘要数据集 | 医患对话与病历生成 | 1,701 对医患对话与病历段落，约 16k 轮次 |
| PriMock57 基层医疗模拟问诊数据集 | 医患对话与病历生成 | 57 次模拟基层问诊，音频总时长 8 小时 38 分 |
| 出院小结问答评测基准（EHRNoteQA） | 病历问答与推理 | 962 个问答对，对应 962 名患者、1,659 份出院小结 |
| 单次住院结构化病历数据集（MIMIC-Patient） | 病历文本标注与抽取 | 500 次住院，每次住院一个 JSON 文件 |
| 环境临床智能基准（ACI-BENCH） | 医患对话与病历生成 | 207 次就诊对话及对应病历 |
| 电子病历问答语料库（emrQA） | 病历问答与推理 | 455,837 个问答对、1,295,814 个问题与逻辑形式、2,425 份临床记录 |
| 简要住院病程摘要数据集（MIMIC-IV-Ext-BHC） | 病历文本标注与抽取 | 270,033 对出院记录与简要住院病程 |
医疗安全边界2
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| MIMIC-IV 出院小结姓名去标识标注数据集 | 隐私与去标识 | 100 份出院小结模板、16,000 份评测文书 |
| 去标识护理记录金标准语料（Deidentified Medical Text） | 隐私与去标识 | 2,434 份护理记录，约 334,000 词 |
工具、量表与计算2
| 数据集 | 所属话题 | 规模 |
|---|---|---|
| LOINC | 术语与编码映射 | |
| SNOMED CT 至 ICD-10-CM 映射表 | 术语与编码映射 | 超过 142,000 个 SNOMED CT 源概念 |