中医辨证思维基准数据集（TCMEval-SDT）

这份数据由中国中医科学院中医药信息研究所、中医基础理论研究所等单位整理，公开在 figshare。它收录 300 份中医证候诊断病案，分为训练集 200 份、测试集 50 份、验证集 50 份。病案来自中国知网、万方数据、中医古籍与医院病历，经匿名化、清洗与去重。中医专家为每份病案标注临床信息、病机、证候及其关系，并编写证候选择题。

辨证是中医诊疗的核心环节，医生要从症状推出病机，再定证候。这份数据可用于研究中医辨证的推理过程。它也可用于比较不同方法在病机与证候识别上的准确程度。

它属于 1.0 临床真实一层，病案来自文献、古籍与医院病历。专家标注的症状、病机与证候链条属于 3.0 专家判断。模型能从中学习由症状到病机、再到证候的推理路径。数据有固定划分、四项子任务评分规则和评测脚本，属于 4.0 任务环境。规模只有 300 例，部分病类例数很少，如气血津液病仅 4 例，各来源病案的占比也未列明。

项目	内容
规模	300 份中医证候诊断病例
记录来源	其他来源、诊疗过程
记录单位	病例
时间轴	单次，每条为一份中医证候诊断病案
结局	无结局字段
专家标注	有，中医专家以人机结合方式标注病机、证候与解释
任务环境	有，固定划分、加权评分与评测脚本

表：Train_TCM_Data_v1.json（病历记录元数据，论文 Table 6）。

字段	含义	类型或取值
Medical Record ID	每份病历的唯一标识	元数据编号 DE0087751
Clinical Data	人口学信息、主诉、病史和体格检查	元数据编号 DE0087752
Clinical Information	医生从病历中提取的临床信息	元数据编号 DE0087755
TCM Pathogenesis	中医病机描述	元数据编号 DE0087756
TCM Syndrome	中医证候名称	元数据编号 DE0087757
Options of TCM Syndrome	证候推理题的候选选项	元数据编号 DE0087759；十选项
Answers of TCM Syndrome	证候推理题的正确选项	元数据编号 DE0087761；测试集与验证集不含

表：Train_TCM_Data_v1.json。

病案编号	临床信息	中医病机	中医证候	证候选择题答案
病例30	鼻流血;口渴鼻干;胸闷气逆;大便干;脉浮大数	热伤肺络;血热不固	热伤阳络;血热妄行	B;I
病例46	右耳因爆竹震聋;耳边如有高声;耳内倍觉不舒;脉有弦意	肝肺被伤	气滞血瘀	F
病例259	全身发黄;神志不清;舌苔黄腻;谵妄呕吐;大便溏泄;小便赤涩;脉象滑数有力	湿热邪毒壅阻肝胆而上犯于心	湿热毒邪侵扰心包	H

项目	内容
许可	CC BY 4.0
商用	是
申请	公开下载

项目	内容
维护方口径	按十项病案质量评估量表筛选，6 分以下排除。用四个公开大语言模型做验证
已知局限	规模较小，部分病类病例很少。排除了罕见病与不完整病例，病种分布不均

• 中医药　›　中医证候与辨证

https://www.nature.com/articles/s41597-025-04772-9；https://api.figshare.com/v2/articles/27184596。