EHRXQA 电子病历与胸片多模态问答数据集

EHRXQA 由韩国科学技术院与微软研究院等单位的研究者构建，托管于 PhysioNet。它以 MIMIC-IV 结构化病历和 MIMIC-CXR 胸片为底，按 417 个模板生成 46,152 个问答样本。样本分训练 36,174 个、验证 5,170 个与测试 4,808 个，前两者依托 800 名患者的 silver 库，测试依托 400 名患者的 gold 库。按所需信息分，图像类 16,366 个，表格类 16,529 个，图像加表格类 13,257 个。

临床医生查阅病历时，常要同时看检验、用药和胸片。这份数据把这类问题写成自然语言问句，并配上可执行的 SQL 或 NeuralSQL 查询与答案。它可用于评价问答系统能否跨表格和影像检索同一患者的信息。问句含“去年”“本月”等相对时间，也可检验系统对病程时间的理解。

问答依托 MIMIC 患者的住院与胸片记录，属于 1.0 临床真实一层。问题模板经一名神经外科专科医师审核，查询语句由四名研究生人工标注，能学到 3.0 专家判断。模型可以学习把临床问句拆成表格查询和胸片判读两步，再合并作答。图像问题受 Chest ImaGenome 标签范围所限，答不了肿瘤大小这类细致的视觉问题。数据不含无法回答的问题，患者只来自 MIMIC，结果外推要谨慎。

项目	内容
规模	46,152 个问答样本、417 个模板
记录语言	英语
记录来源	诊疗过程
记录单位	问答对
时间轴	纵向，问答基于同一批患者的住院与胸片记录
专家标注	有，神经外科医师审模板，四名研究生手工标注查询
任务环境	有，固定训练、验证、测试划分，评测脚本未写

表：train.json／valid.json／test.json。

字段	含义	类型或取值
db_id	对应的数据库 ID	string；如 mimic_iv_cxr
split	样本所属子集	string；train、valid 或 test
question	改写后的问句	string
template	注入真实库值后的最终问句模板	string
query	问句对应的查询语句	NeuralSQL 或 SQL
is_impossible	该问句能否依据数据作答	boolean
answer	答案列表	字符串列表；无答案时为空列表

表：train.json。

数据库	子集	问句	查询语句	是否无法作答	答案
mimic_iv_cxr	train	how many days have passed since the last chest x-ray of patient — depicting any anatomical findings in 2105?	select 1 * ( strftime('%j',current_time) - strftime('%j',t1.studydatetime) ) from ( select tb_cxr.study_id, tb_cxr.studydatetime from tb_cxr where tb_cxr.study_id in ( select distinct tb_cxr.study_id from tb_cxr where tb_cxr.subject_id = — and strftime('%y',tb_cxr.studydatetime) = '2105' ) ) as t1 where func_vqa("is the chest x-ray depicting any anatomical findings?", t1.study_id) = true	False	[...]

项目	内容
许可	PhysioNet Credentialed Health Data License 1.5.0
商用	未列明
申请	须通过凭证审核、完成 CITI 培训并签数据使用协议
中国可用性	须 PhysioNet 认证并签数据使用协议，未列明国别限制

项目	内容
维护方口径	问题模板经神经外科医生审核，查询由四名研究生手工标注。大语言模型改写的问句经人工复核
已知局限	基于 MIMIC，外推性有限。不能回答肿瘤大小等细致视觉问题。不含无法回答的问题

• 医疗工作流程　›　病历问答与推理

https://physionet.org/content/ehrxqa/1.0.0/；https://github.com/baeseongsu/ehrxqa；https://physionet.org/content/ehrxqa/view-license/1.0.0/。