EHRSQL 电子病历文本到 SQL 基准

EHRSQL 由韩国科学技术院的研究者构建，发表于 NeurIPS 2022 数据集与基准赛道。问句收集自一所大学医院的 222 名员工，包括医生、护士、保险审核与病案人员。当前版本共 22,505 条可执行 SQL 查询，对应 MIMIC-III 与 eICU 两个预处理 SQLite 库。库内患者经过抽样，取值已打乱，与原始记录不对应。

医院里的统计与查询需求多由临床人员提出，再由工程人员写成数据库查询。这份数据可用于评价问答系统把自然语言问题转成 SQL 的能力。问句中含有不可回答的问题，可检验系统能否在无法作答时拒答。每个问句标有提问科室与重要性，可按临床场景分组比较。

问句来自医院员工的真实查询需求，SQL 由作者人工标注，能学到 3.0 专家判断。数据给定训练、验证、测试文件与评测脚本，能学到 4.0 任务环境。模型可以学习电子病历的表结构，以及把“给药途径”“生存率”这类临床说法对应到字段与计算。库内取值已打乱，只能用于 SQL 评测，不能用于临床分析。新版问句的改写由大语言模型完成并经第二次模型复核，没有专家抽查。

项目	内容
规模	22,505 条可执行 SQL 查询，问题收集自 222 名医院员工
记录语言	英语
记录来源	合成数据
记录单位	问句与 SQL 对
专家标注	有，作者人工将问句链接到两库并标注 SQL，资质未写
任务环境	有，固定训练、验证、测试划分与评测脚本

表：train.json。

字段	含义	类型或取值
db_id	问题所属数据库	如 mimic_iii
question	改写后的问句	文本
template	原始模板问句	文本
query	对应的 SQL 查询	文本；不可回答时为 "nan"
q_tag	问题模板	文本
department	收集该问题的科室	文本
importance	问题在医院中的重要性	high、medium、low、n/a
is_impossible	问题是否不可回答	true／false

表：mimic_iii/train.json。

数据库	问句	SQL 查询	提问科室	重要性	是否不可回答	子集
mimic_iii	What is the method of intake for clobetasol propionate 0.05% ointment?	select distinct prescriptions.route from prescriptions where prescriptions.drug = 'clobetasol propionate 0.05% ointment'	['nursing']	medium	false	train
mimic_iii	What are the methods of intake for the send 500mg vial?	select distinct prescriptions.route from prescriptions where prescriptions.drug = 'send 500mg vial'	['nursing']	medium	false	train
mimic_iii	What is the intake method for triamcinolone acetonide 0.1% cream?	select distinct prescriptions.route from prescriptions where prescriptions.drug = 'triamcinolone acetonide 0.1% cream'	['nursing']	medium	false	train

项目	内容
许可	Creative Commons Attribution 4.0 International
商用	是，依 CC BY 4.0 许可文本
申请	公开下载，从原始库自建须 PhysioNet 认证访问

项目	内容
维护方口径	问句源自对一所大学医院员工的问卷，含不可回答问题。v.1.5.0 修正 SQL，全部 SQL 均可执行
已知局限	预处理库中患者取值已打乱，仅供 SQL 评测，不可用于临床分析

• 医疗工作流程　›　病历问答与推理

https://github.com/glee4810/EHRSQL；https://github.com/glee4810/EHRSQL/blob/main/dataset/ehrsql/CHANGELOG.md；https://arxiv.org/abs/2301.07695；https://github.com/glee4810/EHRSQL/blob/main/LICENSE；https://raw.githubusercontent.com/glee4810/EHRSQL/main/README.md；https://raw.githubusercontent.com/glee4810/EHRSQL/main/dataset/ehrsql/CHANGELOG.md。