去标识护理记录金标准语料（Deidentified Medical Text）

这份语料由美国麻省理工学院计算生理学实验室等团队整理，托管于 PhysioNet。它收录 2,434 份重症监护病房护理记录，取自 MIMIC-II 数据库中 163 份随机抽取的患者记录，共约 334,000 词。文中 1,779 处受保护健康信息已全部标出，并换成逼真的替身数据。另有一版把这些信息换成类别标签。

护理记录是护士交班时录入的自由文本，常夹带姓名、日期、地点等隐私信息。这份语料是去标识软件开发与评测用的金标准。研究者可用它测算自动去标识方法的漏检与误检。

它属于 1.0 临床真实一层，文本来自真实的重症监护护理记录。它也能学到 3.0 专家判断：三名及以上专家逐份审阅，标出哪些字串属于隐私信息。模型可以从中学习识别护理文书里的姓名、日期、地点等隐私信息。数据没有结局字段，未附数据划分与评分规则。记录只来自一家医院的重症监护病房，用于其他文书类型前要另做验证。

项目	内容
规模	2,434 份护理记录，约 334,000 词
记录来源	诊疗过程
记录单位	一份护理记录
时间轴	纵向，同一患者有多份护理记录
结局	无结局字段
专家标注	有，三名及以上专家独立逐份审阅并标出 PHI
任务环境	未列明，作为去标识化软件评测的金标准语料，未给划分或脚本

表：id-phi.phrase。

字段	含义	类型或取值
PID	患者编号	每行第 1 个字段
Record_Number	该患者笔记的记录号	每行第 2 个字段
PHI_Start_Location	PHI 在笔记中的起始位置	每行第 3 个字段
PHI_End_Location	PHI 在笔记中的结束位置	每行第 4 个字段
PHI_Type	PHI 类型	每行第 5 个字段
PHI_Text	PHI 文本，金标准中为替代值	每行第 6 个字段

表：id-phi.phrase。

患者编号	笔记记录号	起始位置	结束位置	隐私信息类型
1	1	48	55	Location
1	1	192	196	DateYear
1	1	333	337	Date

项目	内容
许可	PhysioNet Credentialed Health Data License 1.5.0
商用	未列明
申请	须为 PhysioNet 认证用户、完成 CITI 培训并签数据使用协议
中国可用性	未写国别限制，须 PhysioNet 认证并签数据使用协议

项目	内容
维护方口径	三名及以上专家独立审阅，加自动方法多轮核查

• 医疗安全边界　›　隐私与去标识

https://physionet.org/content/deidentifiedmedicaltext/1.0/；https://physionet.org/content/deidentifiedmedicaltext/view-license/1.0/；https://pmc.ncbi.nlm.nih.gov/articles/PMC2526997/。