当前医疗大模型、医学智能检索、药学AI落地的核心痛点，是高质量、结构化、权威的专业医疗数据稀缺。通用大模型普遍存在医学事实捏造、文献引用幻觉、药品知识错误、用药逻辑偏差等问题，本质是缺少标准化、经过清洗、可直接用于训练与落地的专业医疗语料底座。针对医疗 AI 行业高质量发展的数据需求，我们推出四套权威专项医疗数据集，覆盖医学期刊文献、英文药品说明书、中文药品说明书、国家临床路径数据集四大核心品类。四套数据集分别面向医学文献、海外药学资料、国内药品信息等不同专业方向，适配差异化研发与科研任务，支持按需单独采购部署，灵活匹配单一业务或多场景复合研发需求。 数据可支撑医疗 NLP 开发、医学 RAG 知识库构建、药学智能问答研发、科研挖掘、医疗大模型微调与效果评测等业务，面向 AI 科技公司、医疗 AI 厂商、制药企业、高校院所、医疗机构研发团队，为医疗 AI 产品迭代、技术创新与医学科研攻关提供高质量权威数据底座。医学期刊文献数据集是一套大规模医学科研论文语料库，收录全球公开发表的经过同行评议的医学研究文献。数据集包含元数据以及文献原文，是生物医药科研文本挖掘、医学检索系统、医疗大模型研发最经典的基础语料来源。数据集为期刊科研论文，覆盖基础医学、临床医学、药学研究等各类科研产出。- 领域覆盖：划分 21 个医学专科领域，采用非互斥多标签体系，一篇论文可同时归属多个研究领域，平均每篇文献1.55个领域标签。神经、肿瘤、心血管文献样本量位居前列，同时覆盖消化、药学、感染、骨科、麻醉、眼科等主流及长尾专科
- 存储格式：元数据采用 JSONL 格式，支持流式读取、大规模批处理；内置标题、作者、机构、期刊、DOI、ISSN、发表年份、摘要等全套书目信息，附带 PDF 原文文件路径索引
- 医学 RAG 与智能检索：构建 BM25+ 向量混合检索系统，依托 DOI、年份、期刊字段实现文献过滤溯源，有效缓解大模型引用幻觉，为循证医学问答提供科研证据
- 医学问答与证据归纳：自动抽取文献研究结论，输出带权威来源的回答，适用于科研助手、医学科普机器人
- 医学NLP模型训练：支持医学文献多标签分类、医学实体识别、疾病-药物-治疗关系抽取任务训练与评测
- 科研数据挖掘：实现文献 PICO要素提取、结构化摘要生成；开展历年研究热点、药物研发趋势、学科发展演化大数据分析
- 模型微调与预训练：用于医学Embedding向量模型微调；也可用于大模型继续预训练
- 27 年长周期数据，国内较少有数据集具备完整的多年连续科研文献资源
- 21 个专科全覆盖，兼顾头部热门学科与小众垂类科室
- JSONL 结构化元数据，省去大量 PDF 解析、数据清洗的工程成本
- 支持按年份、学科、期刊筛选子集，可提供格式转换、数据扩充等定制服务
英文药品说明书数据集，源自企业向 FDA 提交备案、国外官方对外公开发布的药品标签文档，以标准化SPL-XML格式存储，是构建药学知识库、用药问答系统的权威数据源。- 覆盖品类：包含人用处方药、人用 OTC 非处方药、顺势疗法产品、动物用药；同时收录疫苗、原料药、部分医疗器械标签
- 文件格式：SPL-XML 为程序批量解析的核心文件，字段标准化；PDF、HTML仅用于人工查阅浏览，部分药品附带包装图片素材
- 更新机制：提供完整全量快照包，同时支持每日、每周、每月增量更新，方便使用者持续迭代自身药学知识库，同步说明书版本变更
- 核心字段：药品名称、剂型、给药途径、成分、适应症、用法用量、禁忌、警告、不良反应、药物相互作用、特殊人群用药、包装规格等全维度药学信息
- 药学知识库建设：批量结构化解析药品说明书，搭建企业内部可检索的标准化药品知识库
- 用药 RAG 问答系统：为药学大模型、AI 药师问答提供权威底层知识，降低大模型药品知识错误输出风险
- 药学 NLP 任务：训练药品信息抽取模型，自动提取不良反应、禁忌、适应症等关键信息；开展药物-不良反应、药物-药物相互作用实体关系抽取
- 模型评测与微调：作为药学领域大模型微调、能力评测的数据集
- 药学科研情报分析：结合增量数据包，对比不同版本说明书的内容变更，支撑药物安全研究、竞品情报调研
- 数据源权威，为 FDA 备案官方药品标签，具备监管参考价值
- SPL 标准化 XML 格式，规避 PDF 解析噪音，大幅降低预处理成本
- 产品品类覆盖广，覆盖人用药、动物药、疫苗、原料等多类产品
- 支持全量快照 + 增量更新，适合长期维护迭代知识库
- 支持品类筛选、指定字段抽取、格式转换等定制化加工服务
中文药品说明书数据集是面向国内药品信息检索、知识库构建的混合型结构化数据集，以简体中文 JSON 文件存储，集合国内药品说明书核心信息，兼顾结构化字段与自然语言文本，适配中文药学大模型、国内药学知识库、中文药学问答等场景。- 文件结构：数据按药品性质划分为 8 个子目录，包含处方药、OTC 甲类、OTC 乙类、精神药品、麻醉药品、放射性药品等；药品性质为空的记录归入 unknow 独立目录
- 品类占比：处方药占比 61.13%；OTC 甲类、OTC 乙类合计 37316 条；药品分为化学药品、中成药两大主体类别，合计占全部记录 99.97%，覆盖国内主流用药体系
- 核心字段：共 24 个标准字段，包含药品名称、批准文号、生产企业、药品分类、药品性质、主要成份、适应症、用法用量、不良反应、禁忌、注意事项、特殊人群用药、药物相互作用、贮藏、有效期等全维度信息
- 中文药学知识库搭建：构建面向国内业务的药品检索库，沉淀国产药、OTC、处方药完整说明书信息
- 中文药学问答与 RAG 应用：为中文医疗大模型提供国内药品底层知识，支撑用药咨询、药品信息查询
- 中文药学 NLP 任务：开展药品实体识别、适应症 / 不良反应信息抽取、药品文本分类、药品结构化标准化
- 药品数据统计分析：按药品类型、生产企业、剂型等多维度做统计盘点
- 科研实验与模型评测：作为中文药学模型训练、效果评测的数据集
- 海量中文药品结构化 JSON 数据，覆盖处方药、OTC、特殊管控药品，适配国内业务场景
- 临床高价值字段整体填充表现良好，适应症、不良反应、禁忌、特殊人群用药等关键信息完备，可直接用于药学问答、信息抽取任务
- 采用按药品性质分目录的组织方式，研发人员可以快速圈定处方药、OTC、特殊管控药品样本集合
- 原生 JSON 结构化输出，无需处理 PDF、网页等非结构化原始文档，大幅降低数据预处理开发工作量
- 同时覆盖化学药品与中成药两大国内主流药品体系，可支撑多元化的药学模型研发与科研分析
国家临床路径数据集是面向国内住院诊疗标准化的权威规范语料，由中华医学会依据国家卫生计生委办公厅《关于实施有关病种临床路径的通知》（国卫办医函〔2016〕1315号）公开发布。数据以病种为单位，采用 Word 文档存储，每份路径同时包含自然语言诊疗规范与按住院日拆解的路径表单，覆盖诊断依据、检查、用药/手术、出院标准与变异处理，可直接服务于医疗诊断大模型、临床路径 Agent、住院 SOP 编排与 ICD 编码知识库。
- 数据规模：1010 条临床路径，对应约 829 个独立病种。
- 专科覆盖：内科、外科、肿瘤放化疗、骨科、妇产科、儿科/新生儿、神经、泌尿、眼科、耳鼻喉、口腔、皮肤、精神、结核、康复等主流住院病种，含社区获得性肺炎、2 型糖尿病、脑梗死、急性阑尾炎、肺癌/乳腺癌等常见高价值路径。
- 核心字段：每份路径统一为「标准住院流程 + 临床路径表单」两段结构。流程侧含适用对象（ICD-10 / ICD-9-CM-3）、诊断依据、病情评估、进入路径标准、检查项目、治疗方案与药物/手术选择、标准住院日、出院标准、变异及原因分析；表单侧按住院日给出主要诊疗工作、重点医嘱（长期/临时）、护理工作、病情变异记录。
- 文件结构：按发布批次分为 7 个 ZIP（.doc / .docx）+ 1 份总清单 Excel + 1 份官方通知 PDF。批次为：2016 新发布 1–524、2016 已发布 525–574、2013 年 575–586、2012 年 587–686、2011 年 687–795、2010 年 796–898、2009 年 899–1010。
- 医疗诊断大模型知识注入：把病种诊断依据、鉴别诊断、严重程度分层（如 CAP 的 CURB-65）作为 SFT / RAG 语料，提升中文诊断、鉴别与入院评估能力。
- 临床路径 Agent / 住院 SOP 编排：将「入院—检查—治疗—出院」按日拆解为 Agent 工具流，驱动问诊、开检查、用药建议、手术准备、出院判定等多步决策。
- 医嘱与检查推荐：路径表单中的长期医嘱、临时医嘱、必查/选查项目可直接做成 Order-Set 工具，支撑检查开单、用药方案、围术期预防性抗菌药物等 Agent 调用。
- ICD 编码与病种标准化：适用对象均绑定 ICD-10（手术路径另含 ICD-9-CM-3），可用于编码辅助、病种归一、DRG/DIP 相关知识对齐。
- 变异与安全护栏：变异条款可做成 Agent 退出规则（如重症转 ICU、出现酮症酸中毒则退出原路径），降低诊断治疗 Agent 的越权建议风险。
- 基层与分级诊疗场景：153 条县医院版路径适合县域医疗 Agent、全科住院辅助与基层质控问答。
- 国家卫生行政部门授权、中华医学会发布，权威性高于普通网页或论坛医疗文本，适合作为诊断大模型的「金标准」知识源；
- 病种—诊断—检查—治疗—出院闭环完整，天然对应 Agent 的状态机/工作流，而不是零散 QA；
- 统一绑定 ICD 编码与中华医学会指南出处，便于和电子病历、编码系统、指南 RAG 对齐；
- 同时覆盖内科药物治疗与外科手术路径，以及县医院适用版本，适配综合医院与基层两类 Agent 产品；
- 免费公开下载，清单 Excel 可快速做病种检索与样本圈定；原文为规范 Word，结构化抽取（适用对象、诊断依据、医嘱表单）成本低于扫描件或网页清洗。
针对医学期刊文献数据集、英文药品说明书数据集、中文药品说明书数据集、国家临床路径数据集，我们可按需提供多样化定制加工服务：- 子集定向筛选：PubMed 可按年份、医学专科、期刊筛选；DailyMed 可按药品品类、标签版本抽取；中文药品数据集可按药品性质、药品分类、生产企业进行筛选；国家临床路径数据集可按照临床科室进行筛选
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
