# 临床信息抽取与编码评测集（SHP-MED-07-044）

评测模型从病历文本中抽取临床信息的准确性，以及术语到目标编码体系的映射正确性。文本冻结在一个确定版本上，答案用字符区间标出它在原文的确切位置。实体、关系、时间事件与编码候选各自成条，参考答案与评分细则随题绑定。用于抽取与编码模型的分任务验收，也可用于病案编码质量核查。
所属体系：医疗模型评测与安全。
实体 15 个：污染记录 · 冻结文本 · 评测题 · 编码候选 · 实体候选 · 时间事件候选 · 关系候选 · 字符区间候选 · 数据质量项 · 参考答案 · 复核记录 · 评分细则 · 来源沿袭 · 数据划分 · 术语发布版本。
字段 205 个（交付范围内的字段总数）。
可获得的业务字段（示例）：就诊时间 · 医疗机构 · 就诊科室 · 性别 · 年龄 · 主诉 · 现病史 · 既往史 · 过敏史 · 月经史 · 婚育史 · 家族史 · 个人史 · 体格检查 · 诊断 · 入院时间 · 就诊医生 · 专科检查 · 入院诊断 · 文档记录时间 · 病例特点 · 诊断依据 · 鉴别诊断 · 诊疗计划 · 医师签名 · 目前情况 · 入院科室 · 入院情况 · 诊疗经过 · 文书类型 · 规范化状态 · 规范化文本 · 文本版本 · 题干 · 复核状态 · 任务模式 · 结束偏移 · 计位口径 · 区间文本 · 起始偏移 · 断言状态 · 属性 · 实体类型 · 事件时间 · 锚点状态 · 事件状态 · 事件类型 · 规范化时间 · 时间精度 · 关系状态 · 关系类型 · 编码值 · 编码体系 · 映射方式 · 映射状态 · 原始术语 · 目标名称 · 术语领域 · 领域 · 发布状态 · 发布版本 · 满分 · 计分方法 · 隔离规则 · 数据划分状态 · 分组键 · 主体独立性 · 数据划分名称 · 问题代码 · 问题详情 · 污染标识 · 父对象标识 · 记录状态 · 可用时间 · 缺失原因 · 数据性质 · 文书版本标识 · 条目标识 · 编码候选标识 · 术语标识 · 术语版本标识 · 实体标识 · 片段标识 · 事件标识 · 关系标识 · 主体实体标识 · 客体实体标识 · 数据质量项标识 · 答案标识 · 参考答案 · 答案结构 · 复核标识 · 复核时间 · 评分细则标识 · 沿袭标识 · 对象类型 · 对象标识 · 来源定位 · 转换规则 · 数据划分标识 · 发布标识。
实体关系 3 组：每道题绑定一个冻结文本版本，答案位置按可复算的字符区间标注 · 关系候选的两端实体取自同一份文书，且分别指向不同实体 · 编码候选绑定原始术语、目标编码体系、冻结的术语发布版本与复核状态。
数据集组织形式：评测题清单 ＋ 单一题目文件夹 ＋ 元数据文件；题目文件夹内含冻结文本、字符区间、实体关系与事件候选、编码候选、参考答案、评分细则。。
数据量：按项目商定。
字段范围：按项目的数据来源与加工范围商定。
交付与供应方式：数据集交付：清单 CSV／Parquet ＋ 单一对象文件夹 ＋ Meta.jsonl／Parquet；API 调用；Token 计量；数巨有谱可信数据空间连接器合约使用。
数据取得方式：数据资源持有方书面授权。
数据来源机构：医疗机构（含等级医院、社区医院及康复机构、疾控机构）。
数据加工机构：数巨有谱或数据资源持有方。
数据经营机构：数巨有谱（经营权权利人）。
许可：评估与研究使用许可。
更新日期：2026-08-05。

## 样例

取一份门诊病历的冻结文本，在其上出三类任务的题：实体边界、关系属性、时间事件。每题标出答案所在的字符区间与计位口径，并给出实体类型与关系候选。时间表达另记锚点能不能解出，解不出的保留未解状态。编码题绑定原始术语、目标编码系统与冻结的术语发布版本，信息不足时判为歧义或未映射。参考答案与评分细则随题目按项目交付。

## 使用场景

- 医疗科技企业 · 临床文本结构化研发团队｜抽取与编码模型的分任务验收｜获得：抽取与编码能力可按任务分项验收、失分能落到具体环节
- 医院病案与统计部门 · 编码质量核查｜编码结果的抽查口径与版本对照｜获得：有原文可回、有版本可对的编码抽查口径
- 医疗信息化企业 · 结构化引擎质量把关｜文本处理链路的位置一致性回归｜获得：覆盖位置、切分与时间解析的结构化链路回归用例
- 高校与科研机构 · 临床文本标注方法研究｜标注分层与数据隔离的研究底座｜获得：标注分层与隔离口径写明、结果可复算的研究底座

## 常见问题

问：临床信息抽取与编码评测集包含哪些内容？
答：临床信息抽取与编码评测集（SHP-MED-07-044）把病历文本冻结在确定版本上，答案用字符区间标出它在原文的确切位置。实体、关系、时间事件与编码候选各自成条，参考答案与评分细则随题绑定。术语发布版本随题声明。

问：抽取与编码评测集适合评什么？
答：临床信息抽取与编码评测集（SHP-MED-07-044）用于抽取模型与编码模型的分任务评估，也可用于病案编码质量核查。它作为独立评测集使用，与训练侧数据按文档隔离，抽取段与编码段分别出分。

问：样例能看到什么？交付形态是什么？
答：公开样例展示临床信息抽取与编码评测集（SHP-MED-07-044）的题目结构：冻结文本、字符区间、实体关系与事件候选、编码候选与评分细则；参考答案随项目交付。交付为题目清单加单一题目文件夹与元数据文件，另支持 API 调用。

问：怎么定制？起订量是多少？
答：临床信息抽取与编码评测集（SHP-MED-07-044）起订量为 600 道抽取与编码题，范围按单一抽取或编码任务或全任务组合确定。文书类型构成、实体与关系类型体系、编码目标系统、术语发布版本与隔离层级要求可选配。

问：和哪些产品搭配使用？
答：临床信息抽取与编码评测集（SHP-MED-07-044）与临床信息抽取训练数据（SHP-MED-06-038）按文档隔离配套，训练与评测各用各的文书。编码题依据的映射口径可取诊断、操作与药品术语标准化数据（SHP-MED-05-034）。


## 关联数据集

- SHP-MED-06-038 临床信息抽取训练数据：训练侧对应的抽取数据，与本评测集按文档隔离
- SHP-MED-05-034 诊断、操作与药品术语标准化数据：编码题所依据的术语标准化数据
- SHP-MED-05-032 临床实体与关系标注数据：实体与关系标注口径的同源数据

页面：https://www.shujuyoupu.com/datasets/catalog/products/SHP-MED-07-044/