MedSecId 临床笔记章节识别语料

这份语料由美国伊利诺伊大学芝加哥分校团队发布，章节标注公开在 Zenodo。它标注了 2,002 份 MIMIC-III 医疗笔记的章节结构，包括出院小结 1,254 份、医师笔记 288 份、放射 205 份、超声心动 198 份、会诊 57 份。标注共 22,561 个，涉及 50 种章节类型。笔记原文不随标注发布，要另从 MIMIC-III 获取。

临床笔记按主诉、现病史、既往史等章节书写，各类笔记的标题写法并不统一。识别章节是从笔记中抽取信息的前置步骤。这份语料可用于研究章节自动识别，以及章节结构对下游信息抽取的影响。

它属于 1.0 临床真实一层，笔记来自真实的 ICU 住院。两位主治医师与一位高年资住院医师标注章节，最终人际一致性 α 为 0.84—0.87，属于 3.0 专家判断。数据按 80/10/10 分层划分，附复现训练与指标的脚本，属于 4.0 任务环境。模型能从中学习识别笔记的章节边界与章节类型。除出院小结外只含 ICU 期间的笔记，章节层级也被压平为单层。

项目	内容
规模	2,002 份完整标注的医疗笔记、22,561 个标注、50 种章节类型
记录语言	英语
记录来源	诊疗过程
记录单位	一份笔记
时间轴	单次，每份笔记单独标注
结局	无结局字段，只有章节标注
专家标注	有，两位主治医师与一位高年资住院医师标注章节类型
任务环境	有，按 80/10/10 分层划分，附复现训练、测试与指标的脚本

表：section-id-annotations.zip 中每份笔记的标注 JSON（{hadm_id}-{row_id}-{category}.json）。

字段	含义	类型或取值
hadm_id	笔记所属 MIMIC-III 住院编号	与 NOTEEVENTS 的 hadm_id 对应
row_id	笔记在 NOTEEVENTS 中的行号	与 NOTEEVENTS 的 row_id 对应
category	笔记类别	如 Discharge summary、Radiology、Echo
age_type	医生按笔记标注的患者年龄类型	adult、newborn、pediatric
sections	该笔记的章节标注列表	数组，每项为一个章节
sections[].id	章节类型	本体中的章节类型，如 history-of-present-illness
sections[].body_span	章节正文在笔记中的字符区间	从 0 起算的字符偏移
sections[].header_spans	章节标题的字符区间	区间数组，可缺省

表：section-id-annotations/annotations/ 下的笔记标注 JSON（Consult 类）。

笔记类别	年龄类型	标注序号	章节类型	标题字符区间	正文字符区间
Consult	adult	1	chief-complaint	55, 70	55, 82
Consult	adult	2	history-of-present-illness	86, 89	86, 1433
Consult	adult	3	allergies	1437, 1446	1437, 1496

项目	内容
许可	CC BY 4.0
商用	是，须署名
申请	章节标注与预训练模型公开下载，MIMIC-III 原文须注册 PhysioNet 并完成培训

项目	内容
维护方口径	先以规则预标注再人工修订。留出笔记上人际一致性 α 为 0.84 至 0.87
已知局限	仅含 ICU 住院患者的笔记，转出 ICU 后的笔记未纳入。只涵盖五类笔记。章节层级被压平为单层，部分章节被合并

• 医疗工作流程　›　病历文本标注与抽取

https://zenodo.org/record/7150451；https://aclanthology.org/2022.coling-1.326/；https://aclanthology.org/2022.coling-1.326.pdf；https://zenodo.org/api/records/7150451；https://raw.githubusercontent.com/uic-nlp-lab/medsecid/master/README.md。