简要住院病程摘要数据集（MIMIC-IV-Ext-BHC）

这份数据由斯坦福大学、得克萨斯大学奥斯汀分校等机构的研究者从 MIMIC-IV-Note 派生，托管在 PhysioNet。数据含 270,033 对出院记录与简要住院病程（BHC），源笔记采集于 2008—2019 年。输入文本平均 2,267±914 个词元，目标摘要平均 564±410 个词元。研究者人工抽查了 100 条预处理结果，临床团队复核了 30 对记录。

简要住院病程是出院小结里概括住院经过的一段。这份数据可用于训练和评估由出院记录生成住院病程摘要的方法。它也可用于研究长篇病历的分段、信息取舍与压缩。

输入和目标都取自医生在真实住院中写下的出院记录，属于 1.0 临床真实一层。模型可以从中学习医生如何把一次住院的检查、治疗与转归写成一段病程摘要。目标段落由正则表达式从原文切出，没有专家另写的参考摘要。数据未见给定的划分与评测指标。数据只来自一家医院，书写习惯不同的机构使用前要另做验证。

项目	内容
规模	270,033 对出院记录与简要住院病程
记录来源	诊疗过程
记录单位	一对出院记录与简要住院病程
时间轴	单次，每条为一份出院记录及其住院病程段
结局	无结局字段
专家标注	无，仅自动标签，目标段由正则表达式切出
任务环境	未列明

表：mimic-iv-bhc.csv。

字段	含义	类型或取值
note_id	行唯一编号，与 MIMIC-IV-Note 的 note_id 对应	标识符
input	预处理后的出院记录正文，不含 BHC	文本
target	清洗后的简要住院病程（BHC）	文本
input_tokens	输入文本的词元数	整数
target_tokens	目标 BHC 的词元数	整数

表：mimic-iv-bhc.csv。

合成样例，非真实记录。

记录编号	出院记录正文（节选）	简要住院病程（节选）	输入词元数	目标词元数
10000001-DS-1	F MEDICINE shortness of breath …	Patient admitted with acute on chronic heart failure, diuresed with IV furosemide …	2140	512
10000002-DS-2	M SURGERY abdominal pain …	Patient underwent laparoscopic appendectomy without complication …	1420	260
10000003-DS-1	M MEDICINE fever …	Patient treated for urosepsis with IV ceftriaxone, cultures grew E. coli …	3050	880

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

项目	内容
维护方口径	剔除 BHC 少于 100 字符的笔记。人工抽查 100 条，临床团队复核 30 对未报告问题
已知局限	仍有极小再识别残余风险。单一机构来源，外推受限

• 医疗工作流程　›　病历文本标注与抽取

https://physionet.org/content/labelled-notes-hospital-course/1.2.0/；https://physionet.org/about/faqs/；https://physionet.org/content/labelled-notes-hospital-course/view-license/1.2.0/。