信息速览
INFOBOX：lunguage 速览
| 字段 | 值 |
|---|---|
| 数据集 | Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation v1.0.0 |
| slug | lunguage（lung+language 双关） |
| 发布 | 2026-01-11｜PhysioNet（全批最新鲜——挂牌仅 8 个月） |
| DOI | 10.13026/pk42-4v91 |
| 访问 | Credentialed（License 1.5.0 + DUA 1.5.0 实测） |
| 规模 | 1,473 单报告（17,949 实体+23,307 关系-属性对）+80 纵向序列（41,122 比较） |
| 结构 | schema 对齐词表（pf/cf/cof+UMLS）+18 关系类型 |
| 团队 | KAIST 5 人+微软 Health Futures 3 人+韩医院所+根特大学（13 人） |
| 论文 | arXiv 2505.21190 + CHIL 2026（PMLR 333:1-50） |
| 指标 | LunguageScore（entity/relation/attribute 级+时间一致性） |
| 一句话 | 给报告生成 AI 一把"时间尺"：不但要说对，还要在时间线上说对 |
§0 摘要卡：报告生成 AI 的第一次"时间考试"
§0.1 名称与口径声明
本条目记录 PhysioNet 数据集 Lunguage（slug：lunguage，lung+language 双关），v1.0.0，2026-01-11 发布，DOI 10.13026/pk42-4v91，Credentialed（License 1.5.0 + DUA 1.5.0）。它是结构化放射报告的金标准基准：1,473 份专家标注报告（MIMIC-CXR test 子集）+80 份纵向序列标注（10 患者的疾病进展时间线）+schema 对齐词表。
版本数字演化存照：arXiv v1 写"80 sequential reports from 10 patients"；CHIL 2026 版写"186 of them contain longitudinal annotations"——数字在版本间演化，正文按 PhysioNet 页面口径（80 序列/10 患者）并在此存照。
§0.2 读者收益清单
- 报告生成评测团队：首个 patient-level 纵向评估基准——"no change in pneumonia"这类时间表述第一次可以被验证（先前所有协议都是单报告孤立评估）
- 结构化抽取研究者：17,949 实体+23,307 关系-属性对的金标准+schema 对齐词表（pf/cf/cof+UMLS）——细粒度信息抽取的训练/评测双资产
- 指标设计者：LunguageScore 的"实体-关系-属性+时间一致性"四层结构是可解释评测指标的设计范本
- 医疗NLP教学者：从 RadGraph 到 RadGraph2 到 Lunguage 的结构化报告演进线——三代技术的对照教材
- 多机构协作团队：KAIST+微软+三所韩国医院的跨国标注组织样本
§0.3 本条目与其他条目的阅读组合
- cxr-pro（508）：同为报告文本的结构化工作——508 删除 prior 引用（去幻觉），514 把 prior 比较本身结构化（时间线实体）——"删"与"构"的两种文本手术
- MIMIC-CXR 家族（506-511）：dicom_id/subject_id 连通；本集是报告层的结构化深化（对照 508 的 impressions 全文处理）
- MS-CXR（若库内）：微软团队的姊妹资产——MS-CXR 做视觉-语言对齐，Lunguage 做报告结构化——微软 Health Futures 的两条产品线
§0.4 身份卡：一条命令背下这个数据集
名称 Lunguage: A Benchmark for Structured and Sequential CXR Interpretation
版本 v1.0.0（2026-01-11，唯一版本）
DOI 10.13026/pk42-4v91
访问 Credentialed（License 1.5.0 + DUA 1.5.0）
规模 1,473 单报告（17,949 实体+23,307 关系对，18 类型）
+80 纵向序列（10 患者，41,122 两两比较）
词表 schema 对齐（pf/cf/cof+UMLS 码）
标注 board-certified radiologists 标注+验证
论文 arXiv 2505.21190 + CHIL 2026（PMLR 333:1-50）
团队 KAIST 5+微软 3+韩国院所+根特（13 人）
它的故事一句话：报告生成 AI 从来没考过"时间"这门课——Lunguage 用 80 条疾病进展时间线和 4 万次两两比较，把"时间推理"第一次变成了可打分的考题。
§1 出身与谱系：KAIST 与微软的第二次握手
§1.1 团队的双核结构
KAIST（韩国科学技术院）5 人（一作 Moon Jong Hak、通讯 Edward Choi 等）承担主体工作；Microsoft Research Health Futures 3 人（Harshita Sharma、Daniel C. Castro、Javier Alvarez-Valle）——MS-CXR 数据集的原班人马。加上 Seoul National University Hospital/Seoul Medical Center/Yeungnam University 的临床放射科医生与 Ghent University 的 Rabaey——13 人的跨国矩阵。
微软线的关键意义：MS-CXR（微软的 phrase grounding 集，1,153 对）与 Lunguage 出自同一个 Health Futures 组——微软在胸片多模态资产上的双线布局（视觉-语言对齐线+报告结构化线）。
§1.2 结构化报告的演进谱：RadGraph→RadGraph2→Lunguage
本集站在一条清晰的谱系上：RadGraph（Jain 2021，实体+关系抽取）→ RadGraph2（Khanna 2023，疾病进展的层级信息抽取）→ Lunguage（Moon 2026，schema 对齐+纵向序列+专家验证）。三代的递进：从"抽取"到"建模进展"到"可评测的金标准"。页面 References 的 [1][2] 正是 RadGraph/RadGraph2——谱系的自觉引用。
§1.3 时间线年表
2025-05 arXiv 2505.21190 v1 提交
2026-01-11 PhysioNet v1.0.0 挂牌
2026 CHIL 2026（Conference on Health, Inference and Learning）收录，PMLR 333:1-50
2026-04-28 arXiv v2 更新
2026-09 核查时点：Views 55（挂牌 8 个月——全批最低，新集属性）
§1.4 用户画像：谁该用、谁不该用
该用：① 报告生成/结构化系统的评测团队（首个纵向金标准）；② 信息抽取研究者（17,949 实体+23,307 关系对的训练/评测）；③ 时间推理（temporal reasoning）方法学者（41,122 两两比较）；④ 医学本体互操作研究者（UMLS 对齐词表）。
不该用：① 大规模预训练（1,473 份太少—— silver-standard 代码是扩展路径）；② 图像侧任务（本集是纯文本结构化，无图像内容）；③ 韩国语料需求（英语报告）。
§1.5 名词速查表
| 术语 | 含义 |
|---|---|
| Lunguage | lung+language 双关——本基准名 |
| 结构化报告 | 把自由文本报告转为实体-关系-属性的机器可读表示 |
| 实体（entity） | 报告中的临床对象（发现/解剖/疾病）——17,949 个 |
| 关系-属性对 | 实体间关系及其属性——23,307 对，18 种关系类型 |
| pf/cf/cof | 词表的三大类：Perceptual Findings/Contextual Findings/Clinical Objective Findings |
| ENTITYGROUPS | 语义等价观测的分组（纵向比较的单元） |
| TEMPORALGROUPS | 时间对齐的临床情节分组 |
| LunguageScore | 实体/关系/属性级+时间一致性的可解释评估指标 |
| CHIL | Conference on Health, Inference and Learning（PMLR，本论文发表处） |
| UMLS | 统一医学语言系统——词表的概念码对齐目标 |
§1.8 时间线与发布节奏
挂牌（2026-01）与 CHIL 收录同年——学术发表与数据公开的同步节奏。全批最新：2026-01-11 距核查时点仅 8 个月——Views 55 的低数字主要是时间因素（对照 509 挂牌 8 个月时 Views 74 的同量级）。新集的低曝光不构成质量信号。
§2 语境与设计逻辑：时间推理的评测化
§2.1 "no change in pneumonia"问题：单报告评估的结构性缺陷
论文 Introduction 的核心论证：既有 40+ 评估协议（RadGraph/RadGraph2/各种 F1 变体）都是单报告孤立评估——"no change in pneumonia"这句话的对错，取决于前片有没有肺炎——孤立评估在结构上无法判定。纵向推理（longitudinal reasoning）是放射科读片的本质（对比是本职工作），却是所有评测协议的盲区。Lunguage 的 80 序列+41,122 两两比较就是把这个盲区变成考题。
§2.2 细粒度的两个维度：实体粒度与属性粒度
论文的第二个批评：既有框架把"2.5 cm right upper lobe nodule with spiculated margins"压扁成"nodule"——位置/尺寸/形态全丢。Lunguage 的 schema 保留：① 实体子类（pf 的 Diagnostic Observations 303/Anatomical Entities 157/Diseases 76 等细分）；② 属性（位置精确到"carina above 3cm"、尺寸精确到"2.5 cm"）；③ 关系类型（18 种）。细粒度的评测意义：能区分"精确但啰嗦"与"简洁但遗漏"的输出——粗指标的天花板被打破。
§2.3 词表的三类结构与 UMLS 对齐
schema 对齐词表的三类：pf（Perceptual Findings，感知发现——影像直接所见）、cf（Contextual Findings，情境发现——临床语境的诊断，如 congestive heart failure）、cof（Clinical Objective Findings，临床客观发现）。每类含子类计数（如 pf 的 Diagnostic Observations 303 项）与 UMLS 概念码（部分空缺存照）。UMLS 对齐使本集的实体可与外部医学本体互操作——schema 对齐是结构化资产的"通用语"工程。
§2.4 与 508 的"删"与"构"对照（扩展）
508 的 GILBERT 是减法手术（删除 prior 指涉——去掉幻觉源）；本集是加法手术（把时间比较结构化为实体关系——显式化时间推理）。两者共享一个前提：报告的自由文本形态是 AI 应用的障碍。508 的答案是把障碍删掉（让训练语料纯净），514 的答案是把障碍结构化（让时间语义可计算）——删与构是文本工程的两种基本操作，在 MIMIC 家族中恰好各占一个条目。
§2.5 证据层级小结
本集的证据位置：专家验证的评测金标准层——board-certified radiologists 标注+验证使它高于弱监督资产；但体量（1,473+80）使其是"基准"而非"语料库"。它的最佳角色：结构化报告的度量衡——所有结构化框架（RadGraph 系/LLM 抽取系）都可以来此比武。
§2.6 一句话语境总结
放射科报告最难的不是"说了什么"而是"和上次比怎么样"——Lunguage 用 230 个患者的时间线和 4 万次比较，第一次把"和上次比"变成了 AI 的必考题。
§3 数据切片：三层资产的结构
§3.1 总账
层 1 schema 对齐词表 pf/cf/cof 类目+子类+UMLS 码
层 2 单报告结构化 1,473 报告｜17,949 实体｜23,307 关系-属性对｜18 关系类型
层 3 纵向序列 80 报告（10 患者）｜41,122 两两比较｜ENTITYGROUPS+TEMPORALGROUPS
§3.2 词表的类目结构
| 大类 | 全称 | 子类构成（示例） |
|---|---|---|
| pf | Perceptual Findings | Diagnostic Observations（303）/Anatomical Entities（157）/Diseases and Disorders（76） |
| cf | Contextual Findings | Diseases and Disorders（271）/Diagnostic Observations（43） |
| cof | Clinical Objective Findings | Diagnostic Observations（85）/Diseases… |
pf 是影像直接所见（opacity/right hilum），cf 是临床语境诊断（congestive heart failure/pneumonia），cof 是临床客观发现——三类的区分对应"影像所见vs临床诊断"的认知分层。UMLS 码使每个词条可对接标准医学本体——部分词条无法可靠映射则标"–"（页面自认）。
§3.3 单报告结构化的粒度示例
论文给出粒度的直观对比：“2.5 cm right upper lobe nodule with spiculated margins"在粗框架下压扁为"nodule”，在 Lunguage schema 下保留：实体（nodule）+属性（2.5 cm/right upper lobe/spiculated margins）+关系（位于右肺上叶）。18 种关系类型覆盖位置/大小/形态/严重度/时间变化等维度——细粒度评测的schema基础。
§3.4 纵向序列的结构：ENTITYGROUPS 与 TEMPORALGROUPS
80 份序列报告（10 患者）的纵向标注以两种分组组织：ENTITYGROUPS 把"语义等价"的观测归组（同一病灶在不同 study 的表述对齐）；TEMPORALGROUPS 把"时间对齐"的临床情节归组。41,122 个两两比较（每患者 34-141 个）覆盖 1-1,200 天的间隔——疾病进展（progressed/stable/improved/new）从此有了逐对的可验证表述。
§3.5 获取路径
入口：physionet.org/content/lunguage/1.0.0/
门槛：CITI GCP + DUA 1.5.0（Credentialed 标准款）
代码：github.com/SuperSupermoon/Lunguage（两阶段框架+LunguageScore+silver-standard 生成）
§4 结构深查：金标准的三层质控
§4.1 标注流程的质控结构
board-certified radiologists 标注+验证（页面 Abstract）+统一指南+定期共识会议（页面 Limitations 自述缓解措施）。与 509（κ>0.9 双轮）/510（NHS 审校）对照：本集的质控是"专家标注+共识会议"制——一致性系数未报告（页面 Limitations 只说"minor interpretive differences may persist"）——与 510 同样的"质控不可量化"缺口，但专家资质声明更强。
§4.2 UMLS 映射的空缺率
词表的 UMLS 码"部分为空/标 --"——空缺率未披露。空缺的构成推测：新造词/韩式英语表达/罕见发现。对使用者的含义：词表的互操作承诺是有保留的——跨本体映射前先统计空缺分布。
§4.3 Silver-standard 的扩展路径
页面 Limitations 提供的扩展方案：官方代码可生成 silver-standard 数据集（弱标注的规模化）——1,473 金标准+银标准放大=结构化报告的"预训练-微调"范式。金标准与银标准的比例控制是质量关键——silver 的噪声会以 gold 无法察觉的方式渗入。官方提供生成代码意味着：噪声特性至少与两阶段框架的已知误差一致——比黑盒爬取的银数据可控。
§4.4 版本数字演化的存照（再记录）
arXiv v1（2025-05）：“80 sequential reports from 10 patients”；CHIL 2026 版：“186 of them contain longitudinal annotations”；PhysioNet 页面：“80 sequential reports from 10 patients… 41,122 pairwise comparisons”。三个数字并存的解读：186 可能是"含纵向比较的报告总数"（80 份序列报告涉及 186 份单报告的纵向标注）——数字口径不同而非矛盾，但未在页面明说。正文按页面口径（80/10 患者/41,122），版本差异存照。
§4.5 结构小结
层 1 词表（schema+UMLS） 结构的定义
层 2 单报告（实体/关系/属性） 结构的实例
层 3 序列（两两比较/分组） 结构的时间维度
—— 三层合起来才是"结构化报告"的完整资产；只拿层 2 等于丢了本集一半的价值。
§5 使用协议：从 DUA 到 LunguageScore
§5.1 全流程地图
[第 0 步] PhysioNet 账号 + CITI GCP + DUA 1.5.0
[第 1 步] 下载词表+单报告+序列标注
[第 2 步] clone github.com/SuperSupermoon/Lunguage
[第 3 步] 选路线 A/B/C（§5.3-§5.5）
[第 4 步] 报告规范：本集 DOI + arXiv/CHIL 论文 + MIMIC-CXR
§5.2 门槛与配套
Credentialed 标准款（CITI+DUA）。体量小（结构化 JSON/CSV 级）——下载秒级。配套：GitHub 代码（两阶段框架+LunguageScore 实现+silver-standard 生成器）。
§5.3 评测路线 A：结构化抽取的基准评测
目标：评测任意报告结构化框架（RadGraph 系/LLM 抽取/自研）——把 MIMIC-CXR test 报告喂给你的抽取器，输出与 Lunguage 金标准对齐，按 LunguageScore 打分。要点：① 对齐 schema（词表约束输出）；② entity/relation/attribute 三层分别报；③ 与论文的基线系统对照。
§5.4 评测路线 B：纵向推理评测（独有赛道）
用 80 序列+41,122 比较评测"时间推理"：① 给模型同一患者的多份报告（按时间序）；② 要求输出每对观测的变化判断（progressed/stable/improved/new）；③ 与 41,122 金标准比较——时间一致性的首个可量化评测。论文实证了 LunguageScore 与人工判断的相关性——复现其相关性实验是最小可行研究。
§5.5 评测路线 C：silver-standard 的规模化实验
用官方生成器产 silver 数据→训练结构化抽取器→在 1,473 金标准上验证——"银标准规模×金标准校准"的完整范式。变量：银/金比例、生成器版本、过滤阈值——每格都是实验点。
§5.6 常见踩坑清单
| 坑 | 后果 | 避法 |
|---|---|---|
| 坑点1：论文版本数字混用 | 80/186 口径混乱 | 按 PhysioNet 页面口径引用+版本注明 |
| 坑点2：词表空缺 UMLS 直接用 | 本体对齐断裂 | 先统计空缺分布（§4.2） |
| 坑点3：拿 1,473 份当训练集 | 金标准被消耗 | 金标准只评测；训练用 silver 或母体 |
| 坑点4：忽略 ENTITYGROUPS 语义 | 纵向比较错位 | 语义等价分组先行 |
| 坑点5：时间间隔的时区/日期处理 | 序列对齐错误 | 1-1,200 天间隔的解析需统一 |
| 坑点6：漏引 KAIST/微软团队 | 作者归属失真 | 13 人全员引用 |
| 坑点7：把 pf/cf/cof 混为一类 | 认知分层丢失 | 三类分账使用 |
| 坑点8：假设 UMLS 全覆盖 | 跨本体映射失败 | 空缺标记"–"的预案 |
§5.7 引用与许可义务
引用三件套：本集 DOI（10.13026/pk42-4v91）+ 论文（arXiv 2505.21190/CHIL 2026）+ MIMIC-CXR（母体双引用）。DUA 1.5.0 标准义务。License 1.5.0 的 Credentialed 框架（禁再分发等）。
§5.8 算力与时间预算
| 路线 | 算力 | 墙钟时间 |
|---|---|---|
| A 结构化评测 | CPU-单卡 | 1-3 天 |
| B 纵向推理 | 单卡 | 3-5 天 |
| C silver 规模化 | 单卡-多卡 | 1-2 周 |
纯文本资产的算力友好度：全家族与 506 并列最优。
§6 实证图景：基准的实证与指标的表现
§6.1 论文的实证结构
CHIL 2026 版论文的实证三件套：① 基准本身（1,473+80+词表的构建质控）；② 两阶段框架（生成报告→结构化的转换效果）；③ LunguageScore 的验证（与人工判断的相关性——指标有效性的实证）。论文具体系数需读全文（本条目存照不引未核实值）。
§6.2 LunguageScore 的设计解剖
四层结构的指标：① entity 级（实体抽取的对错）；② relation 级（关系判断的对错）；③ attribute 级（属性值的对错）；④ temporal 级（时间一致性——跨报告的比较是否自洽）。与 RadGraph F1 的对照：RadGraph F1 是静态图匹配，LunguageScore 加了时间维度——"静态结构化"到"动态时间线"的指标演进。
§6.3 688 倍……不对，本集的数字卡
规模：1,473 单报告｜230 患者｜17,949 实体｜23,307 关系-属性对｜18 关系类型
序列：80 报告｜10 患者｜3-14 study/患者｜1-1,200 天间隔｜41,122 比较
词表：pf/cf/cof 三类｜UMLS 部分对齐
标注：board-certified radiologists｜统一指南+共识会议
Views：55（2026-09 核查）
§6.4 与 RadGraph 系的坐标
RadGraph（2021）开创报告结构化抽取；RadGraph2（2023）加疾病进展层级；Lunguage（2026）加专家金标准+纵向序列+专用指标。本集是谱系的第三代——第一代证明可抽取，第二代证明可建模进展，第三代证明可评测。三代的共同短板（规模小、单中心标注）也是本集的短板——谱系的成熟要等更大规模的金标准。
§6.5 证据边界
① 标注者人数与 IAA 未披露（同 510 的缺口）；② 80 序列的疾病谱未分层；③ UMLS 空缺率未量化；④ silver-standard 的质量对照未给；⑤ 论文版本间数字演化（80/186）的解释是推断。引用时随附。
§6.7 实证小结
CHIL 2026（PMLR 333）+ arXiv 2505.21190
三大贡献：纵向基准+两阶段框架+LunguageScore
规模：1,473+80｜17,949+23,307｜41,122
谱系：RadGraph→RadGraph2→Lunguage（第三代）
§7 AI 实践指南：把时间尺用对
§7.1 技术定位的三条铁律
- 金标准只评测——1,473+80 是度量衡，不是训练燃料（训练回母体或 silver）
- 时间是本集的灵魂——只用单报告层等于丢掉一半价值（80 序列+41,122 比较是独有资产）
- schema 是宪法——输出必须对齐词表，自由发挥的实体无法评分
§7.2 推荐管线（纵向推理评测）
# ===== 阶段 0：加载 =====
vocab = load_schema("pf/cf/cof 词表+UMLS 映射")
single = load_structured("1,473 单报告")
seq = load_sequences("80 纵向序列+41,122 比较")
# ===== 阶段 1：结构化你的生成报告 =====
structured = two_stage_framework(generated_reports, vocab)
# 阶段 2.1：实体/关系/属性抽取（对齐 schema）
# 阶段 2.2：序列组织（ENTITYGROUPS/TEMPORALGROUPS 对齐）
# ===== 阶段 3：LunguageScore 评测 =====
score = lunguage_score(structured, seq.gold)
report(score.entity, score.relation, score.attribute, score.temporal)
§7.3 报告规范：引用本集数字的格式
三件套：① 数字+口径（“1,473 份专家标注报告/80 纵向序列/41,122 比较”）；② 版本声明（“arXiv v1 口径 80 序列；CHIL 2026 口径 186 纵向标注——本条目按 PhysioNet 页面”）；③ 指标声明（“LunguageScore：entity/relation/attribute/temporal 四层”）。
§7.5 反模式清单
- ❌ 金标准当训练集（度量衡被消耗）
- ❌ 只用单报告层丢序列层（一半价值蒸发）
- ❌ 自由实体不进 schema（无法评分）
- ❌ 版本数字混用（80/186）
- ❌ UMLS 空缺不声明
- ❌ 单报告孤立评估却声称"纵向能力"
§7.6 教学用法：结构化报告的两周课
Week1：RadGraph→RadGraph2→Lunguage 谱系导读+schema 解析+实体对齐练习。Week2：两阶段框架实操+LunguageScore 实现+纵向推理评测+组会。卖点：三代技术的对照+开放题（hidden signals 式的时间机制）——NLP 医疗方向的高阶课程。
§7.7 从基准到部署的桥
- 院内报告结构化：用两阶段框架把院内报告转为 schema 对齐表示
- 纵向预警：同一患者的序列结构化+变化检测=病情演变的自动监控
- 评测常态化：每次模型更新跑一遍 LunguageScore——报告生成的回归测试
§8 伦理与合规：金标准的轻伦理
§8.1 Credentialed 的理由
结构化标注与 MIMIC test 报告一一对应——报告文本的可逆拼图风险随母体继承。License 1.5.0+DUA 的标准档。与 508（同为文本层）同档——文本层的合规档位在家族内一致。
§8.2 Ethics 与 COI
页面 Ethics：“no ethical concerns to declare”（PhysioNet 去标识数据，无需额外 IRB——论文口径一致）；COI：无声明冲突。kaist.ac.kr 的通讯渠道开放。
§8.3 跨国标注的文化维度
13 人中韩国团队 9 人（KAIST 5+韩国医院 3+1）——标注的临床惯例（报告风格/术语偏好）带韩国烙印。页面自认"跨机构/跨国共识待扩展"——标注的"韩国口径"对英语报告的泛化是隐性边界。使用者注意：跨机构共识是 v2 的方向，本版的口径以韩国团队为准。
§8.5 门槛的总账
| 维度 | 得 | 失 |
|---|---|---|
| 质控 | 专家标注+验证+共识会议 | IAA 未量化 |
| 独特性 | 纵向基准+LunguageScore 全库唯一 | 体量小 |
| 互操作 | UMLS+schema 对齐 | 空缺率未披露 |
| 可获取 | Credentialed 标准款 | 门槛存在 |
| 工具链 | GitHub 开源+silver 生成器 | — |
DAIMS：7.0（§10.6 论证——金标准+新维度+工具链；体量是唯一硬伤）。
§9 FAQ：90 问快答
出身与身份（10 问）
- 这个数据集是什么？ MIMIC-CXR test 子集的结构化报告金标准：1,473 份专家标注报告+80 份纵向序列+schema 词表。
- 谁做的？ KAIST 5 人+微软 Health Futures 3 人+韩国三院所+根特大学——13 人跨国团队。
- 何时发布？ 2026-01-11，v1.0.0（全批最新）。
- DOI？ 10.13026/pk42-4v91。
- 访问级别？ Credentialed（License 1.5.0 + DUA 1.5.0 实测）。
- 名字为什么叫 Lunguage？ lung+language 双关——胸片报告的"语言"。
- 论文？ arXiv 2505.21190 + CHIL 2026（PMLR 333:1-50）。
- 通讯是谁？ Edward Choi（KAIST，edwardchoi@kaist.ac.kr）；一作 Moon（jhak.moon@kaist.ac.kr）。
- 与 MS-CXR 什么关系？ 微软 Health Futures 同组出品——MS-CXR 做视觉对齐，本集做报告结构化。
- 代码在哪？ github.com/SuperSupermoon/Lunguage。
内容与规模（10 问）
- 多少报告？ 1,473 份单报告（MIMIC-CXR test 子集）+80 份纵向序列。
- 多少患者？ 230（序列子集 10 人）。
- 实体多少？ 17,949 个专家验证实体。
- 关系-属性对多少？ 23,307 对，18 种关系类型。
- 纵向比较多少？ 41,122 两两比较（ENTITYGROUPS+TEMPORALGROUPS 分组）。
- 序列报告的时间跨度？ 每患者 3-14 份报告，间隔 1-1,200 天。
- 词表的结构？ pf/cf/cof 三大类+子类+UMLS 码（部分空缺）。
- pf/cf/cof 分别是什么？ 感知发现/情境发现/临床客观发现——影像所见与临床诊断的认知分层。
- 本集有图像吗？ 没有——纯文本结构化资产（图像经 dicom 回 MIMIC）。
- 体量？ 结构化 JSON/CSV 级——下载秒级。
标注与质量（10 问）
- 谁标注的？ board-certified radiologists 标注+验证。
- 有 κ 吗？ 未报告——共识会议+统一指南为质控手段（与 510 同类的"不可量化"缺口）。
- 标注的主观性？ 页面自认 minor interpretive differences persist——缓解靠指南+共识。
- 标注的一致性措施？ 统一指南+定期共识会议（页面 Limitations 自述）。
- 跨国标注的口径？ 韩国团队为主——跨机构/跨国共识待扩展（自认）。
- UMLS 映射全吗？ 部分空缺（标"–"）——空缺率未披露。
- silver-standard 是什么？ 官方代码可生成的弱标注扩展（规模化路径）。
- 1,473 够训练吗？ 金标准只评测；训练用母体或 silver——定位是度量衡。
- 与 RadGraph 的关系？ 谱系第三代：RadGraph（抽取）→RadGraph2（进展）→Lunguage（可评测金标准）。
- 18 种关系类型？ 覆盖位置/大小/形态/严重度/时间变化等维度（论文全文明细）。
评测与指标（10 问）
- LunguageScore 是什么？ entity/relation/attribute/temporal 四层的可解释评估指标。
- 与 RadGraph F1 的区别？ 加了时间维度（temporal consistency）——静态图匹配→动态时间线。
- 为什么需要纵向评测？ "no change in pneumonia"的对错取决于前片——单报告孤立评估无法判定。
- 41,122 比较怎么用？ 每对观测的进展判断（progressed/stable/improved/new）有金标准。
- ENTITYGROUPS/TEMPORALGROUPS？ 语义等价分组/时间对齐分组——纵向比较的组织单元。
- 两阶段框架是什么？ 生成报告→schema 对齐的结构化表示（转换器+评分器）。
- 细粒度的意义？ “2.5 cm 右上叶结节伴毛刺"不被压扁成"nodule”——位置/尺寸/形态保留。
- 版本数字 80 vs 186？ arXiv v1 的 80 序列 vs CHIL 版 186 纵向标注——口径演化存照。
- MIMIC 域内吗？ 是——MIMIC-CXR test set 子集（230 患者）。
- 评测的最小可行实验？ 用官方 LunguageScore 代码评测任一结构化框架——复现论文相关性。
与母体的关系（10 问）
- 和 MIMIC-CXR 什么关系？ test 子集的结构化标注——母体的评测层派生。
- 需要下载 MIMIC 吗？ 生成报告训练需要；纯指标评测不需要。
- 与 506 数值层什么关系？ 同母体：506 是几何量（人读），514 是结构化语义（机器评）。
- 与 508 什么关系？ 文本层的两极：508 删 prior（去幻觉），514 结构化 prior 比较（时间推理）。
- 508 的 GILBERT 和本集的抽取？ 508 是删除（token REMOVE/KEEP），本集是抽取+结构化——方向不同。
- 和 MS-CXR 什么关系？ 微软 Health Futures 的姊妹线——视觉对齐 vs 报告结构化。
- 和 RadGraph2 的区别？ RadGraph2 建模进展但无可评测金标准；本集补上金标准+专用指标。
- 母体引用义务？ MIMIC-CXR 双引用（PhysioNet DOI+Sci Data）。
- 派生合规？ PhysioNet 去标识数据——论文口径无需额外 IRB。
- 名称的复数含义？ 结构化报告的"语言"——lung+language 的合成词。
使用与实操（10 问）
- 推荐第一步？ 官方 LunguageScore 代码评测任一结构化框架——复现论文相关性。
- 需要 GPU 吗？ 纯文本评测 CPU 可；训练结构化抽取器单卡。
- 输入是什么？ 生成的自由文本报告（待评）+MIMIC 原报告（参考）。
- 输出是什么？ entity/relation/attribute/temporal 四层分数。
- 能做训练吗？ 训练抽取器用 silver-standard（官方生成器）；金标准只评测。
- 时间间隔怎么处理？ 1-1,200 天的原始间隔——统一时区/日期解析。
- ENTITYGROUPS 的语义等价怎么定义？ schema 词表约束——同实体不同表述归组。
- 能评测 LLM 吗？ 能——LLM 的结构化输出（JSON 实体关系）直接进 LunguageScore。
- 和 511 嵌入能配合吗？ 能——嵌入检索相似报告+Lunguage 评结构化——跨条目管线。
- 多久能跑通？ 官方代码+小数据：1 天内出第一个分数。
评分与定位（10 问）
- AI-Ready 程度？ 高——金标准+代码+新维度+词表互操作；扣分体量与门槛。
- DAIMS？ 7.0（§10.6 论证）。
- 和 508 谁更 AI-Ready？ 511 式对比无意义——两者任务不同（删 vs 构）；本集的指标资产独一份。
- 不可替代性？ 首个纵向报告评测基准+LunguageScore 指标——"时间尺"全库唯一。
- 适合做什么？ 结构化评测/纵向推理/指标研究/教学/本体验证。
- 不适合做什么？ 大规模训练/图像任务/自由文本生成。
- 重分析空间？ IAA 补测/UMLS 空缺分解/跨机构扩展/silver 质量对照——四题开放。
- Views 55 说明什么？ 挂牌 8 个月的新集——时间因素为主。
- 五年后？ 结构化评测是报告生成的必经关卡——本集是纵维度立标者。
- 只记一件事？ 报告 AI 从没考过"时间"这门课——Lunguage 把它变成必考。
伦理与合规（10 问）
- 为什么 Credentialed？ 报告文本与 MIMIC 一一对应——母体继承。
- Ethics 声明？ “no ethical concerns”——PhysioNet 去标识数据（论文口径一致）。
- COI？ 无声明冲突（微软作者的雇主关系为常规披露）。
- DUA 义务？ 禁再分发/禁重识别/禁超范围。
- 能喂第三方 LLM API 吗？ 谨慎——受控文本的传输边界（同 508/509 条款）。
- 金标准的伦理？ 度量衡的中立性——标注主观性已自认（残留可接受）。
- 韩国口径的问题？ 临床惯例的隐性边界——跨机构共识是 v2 方向（页面自认）。
- 教学使用？ 可以（注册制内统一安排）。
- 违反 DUA 后果？ 访问撤销+机构通报。
- 有伦理缺陷吗？ 无——轻伦理的标准样本。
比较与延伸（10 问）
- 和 508 最大的差异？ 508 删（减法手术）、514 构（加法手术）——文本工程的两种基本操作。
- 和 512 的眼动对照？ 512 记录"看的过程"，514 结构化"说的内容"——过程与结论的人类信号两形态。
- 和 RadGraph 系的关系？ 谱系第三代（可评测金标准）——引用谱系显式（页面 [1][2]）。
- 能扩展到 CT/MR 吗？ schema 可迁移——词表需重建（模态特异发现）。
- 能扩展到中文报告吗？ 词表+UMLS 架构可迁移——抽取器需重训。
- 未来版本？ v1.0.0 无更新；v2 期待：更多序列+多机构共识+UMLS 全覆盖。
- 能贡献吗？ GitHub 开放；金标准变更走 PhysioNet+专家流程。
- 社区经验在哪？ CHIL 2026 引用链+GitHub issues。
- 对 LLM 时代的意义？ 结构化评测是 LLM 医疗输出的事实性关卡——LunguageScore 是现成关卡。
- 三分钟了解读哪节？ §0.4 身份卡+§2.1 时间推理问题+§6.3 数字卡。
§10 存档：证据、引用与维护
§10.1 核查证据清单（三轮）
第 1 轮 curl 页面（/tmp/514_page.html 93,002 B）
→ 标题/团队/规模/词表结构/Limitations/Ethics/引用 全量
第 2 轮 curl 精查（DOI 10.13026/pk42-4v91 / Views 55 / License 1.5.0）
第 3 轮 WebSearch 论文（arXiv 2505.21190 v2+CHIL 2026 PMLR 333+机构全套）
→ 13 人机构矩阵/KAIST+微软双核/LunguageScore 设计/80 vs 186 演化存照
§10.2 批次清单预判修正记录
| 项 | 预判 | 实测 | 处置 |
|---|---|---|---|
| 名称 | lunguage | ✓ Lunguage（结构化报告基准） | 预判正确 |
| 访问级别 | 待核 | Credentialed（1.5.0） | 已核 |
| 规模 | 待核 | 1,473+80/词表三层 | 已核 |
| 发布日期 | — | 2026-01-11（全批最新） | 新事实 |
§10.3 引用格式
数据集：Moon, J. H., Choi, G., Rabaey, P., Kim, M. G., Hong, H. G., Lee, J. O., Yoon, H., Doe, E., Kim, J., Sharma, H., Coelho de Castro, D., Alvarez Valle, J., & Choi, E. (2026). Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation (version 1.0.0). PhysioNet. DOI 10.13026/pk42-4v91.
论文：Moon, J.H., et al. Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation. CHIL 2026（PMLR 333:1-50）. arXiv 2505.21190.
母体：Johnson et al. (2019). MIMIC-CXR Database (v2.0.0). PhysioNet. DOI 10.13026/C2JT1Q.
§10.4 页面事实的待查与存照边界
- 标注者人数与 IAA 未披露——质控不可量化（同 510 缺口）
- UMLS 空缺率未量化
- 80 vs 186 的口径解释为推断（页面未明说）
- silver-standard 的质量对照未给
- Views 55 口径=unique registered users
§10.5 slug 互链登记
| 目标 slug | 互文点 |
|---|---|
| cxr-pro（508） | 文本手术两极：删（508）vs 构（514） |
| cxr-cardiomegaly 家族（506-511） | MIMIC 家族形态补全（报告结构化层） |
| MS-CXR（若库内） | 微软 Health Futures 姊妹线 |
| MIMIC-CXR 主条目 | 母体（test 子集派生） |
§10.6 DAIMS 评分论证（区间制）
文档完整性 极高（页面+论文+GitHub 三源一致） +1.5
独特维度 极高（纵向推理基准+LunguageScore 全库唯一） +1.5
质控 高（board-certified+共识会议；无 IAA） +0.5
互操作 高（schema+UMLS 对齐——空缺存照） +1.0
体量 中（1,473+80——基准定位合理但训练受限） -1.0
可获取 中（Credentialed 标准款） -0.5
工具链 高（代码+silver 生成器开源） +1.0
实证背书 高（CHIL 2026 收录+微软团队背书） +1.0
────────────────────────────────────────────────────────
区间评定 7.0（金标准+新维度+工具链；体量是唯一硬伤）
§10.7 发布验收单
[✓] frontmatter 双检（category_tags 全在 VOCAB）
[✓] check_md ≥1200 行
[✓] preflight_check PASS
[✓] 发布前 DB 查重（url_name LIKE '%lunguage%' / content LIKE '%pk42-4v91%'）
[✓] publish.sh PASS → rid 验证（status=1）
[✓] 封面生成 + cover_url 挂载
[✓] link_builder 内链 + 导航重建 + json_ld
[✓] 线上 HTTP 200 + 内容抽查（1,473/pk42-4v91/LunguageScore/CHIL）
[✓] tracker 追加 514 行
[✓] 工单评论（r3i2Os）
§10.8 维护记录
2026-09-23 初版核查三轮完成，FACTS.md 落档
2026-09-23 两段组装（/tmp 安全区），本文发布
§10.9 给下一位核查者的信
复核优先验证六件事：① DOI 10.13026/pk42-4v91 仍解析且无 v1.1（v2 若扩序列，§3.4 的 80/41,122 需更新）；② 论文版本数字演化（80/186）是否在 v3 统一；③ CHIL 2026 的 PMLR 卷页是否正式出版（333:1-50 为预印本口径）；④ GitHub repo 活性（SuperSupermoon/Lunguage）；⑤ UMLS 空缺率是否被官方补充；⑥ MIMIC-CXR test 子集的 230 患者口径是否与母体 test 划分一致。
§10.10 收束
1,473 份报告、17,949 个实体、23,307 个关系、80 条时间线、41,122 次比较——这串数字的内核只有一个动作：把放射科医生脑子里那份"和上次比怎么样"的隐性知识，第一次写成机器可读的显式考卷。RadGraph 教会机器抽取，RadGraph2 教会机器看进展，Lunguage 把两者焊在一张专家验证的考卷上——从今往后，报告生成 AI 的成绩单上多了一列：时间推理。这一列以前是空白，空白不扣分；现在空白即失分——这就是基准的进步方式。
附录：对照表与工具卡
附录 A：全库速查总表
| 维度 | 值 |
|---|---|
| 数据集名 | Lunguage |
| slug / 批次序号 | lunguage / 514 |
| 版本 | v1.0.0（2026-01-11，唯一） |
| DOI | 10.13026/pk42-4v91 |
| 平台 | PhysioNet |
| 访问 | Credentialed（License 1.5.0 + DUA 1.5.0） |
| 规模 | 1,473 单报告+80 序列｜17,949 实体+23,307 关系对｜41,122 比较 |
| 词表 | pf/cf/cof+UMLS（schema 对齐） |
| 团队 | KAIST5+微软3+韩国院所+根特（13 人） |
| 论文 | CHIL 2026（PMLR 333）+ arXiv 2505.21190 |
| 指标 | LunguageScore（四层） |
| Views | 55 |
| DAIMS | 7.0 |
| rid | 614 |
附录 B：三层资产对照卡
| 层 | 内容 | 规模 | 用途 |
|---|---|---|---|
| 词表 | pf/cf/cof+UMLS | 三类多子类 | schema 定义/互操作 |
| 单报告 | 实体+关系-属性 | 1,473 份 | 抽取评测 |
| 纵向序列 | 两两比较+分组 | 80 份/41,122 比较 | 时间推理评测 |
附录 C：LunguageScore 四层结构卡
| 层 | 测什么 | 类比 |
|---|---|---|
| entity | 实体抽取对错 | RadGraph 实体 |
| relation | 关系判断对错 | 关系抽取 |
| attribute | 属性值对错 | 细粒度保留 |
| temporal | 时间一致性 | 本集新增维度 |
附录 D：与 RadGraph 系谱系对照
| 代 | 年 | 贡献 | 缺口 |
|---|---|---|---|
| RadGraph（一代） | 2021 | 实体-关系抽取框架 | 单报告、无金标准评测协议 |
| RadGraph2（二代） | 2023 | 疾病进展的层级抽取 | 仍无可比金标准 |
| Lunguage（三代） | 2026 | 金标准+纵向+专用指标 | 规模小（1,473+80） |
附录 E：MS-CXR 与本集的微软双线对照
| 维度 | MS-CXR | Lunguage（本集） |
|---|---|---|
| 团队 | Microsoft Health Futures | 同组（Sharma/Castro/Alvarez-Valle） |
| 资产 | 视觉-语言对齐对 | 结构化报告+时间线 |
| 任务 | phrase grounding | 结构化抽取评测 |
| 规模 | 1,153 对 | 1,473+80 |
| 挂牌 | 2024（v1.1.0） | 2026-01 |
附录 F：引用地图
| 用途 | 必引 | 建议加引 |
|---|---|---|
| 使用金标准 | 本集 DOI + MIMIC-CXR | CHIL 2026 论文 |
| 使用 LunguageScore | 论文 + 本集 DOI | RadGraph 系谱 |
| 使用 silver 生成器 | GitHub + 论文 | 本集 DOI |
| 结构化综述 | 谱系三代（RadGraph→2→本集） | — |
附录 G：时间线总表
| 时点 | 事件 |
|---|---|
| 2021 | RadGraph（arXiv 2106.14463） |
| 2023 | RadGraph2（MLHC PMLR） |
| 2025-05 | arXiv 2505.21190 v1 |
| 2026-01-11 | PhysioNet v1.0.0 挂牌 |
| 2026 | CHIL 2026 收录（PMLR 333）+ arXiv v2（04-28） |
| 2026-09 | 核查时点 Views 55 |
附录 H：批次六进度存照（514 后）
506 cxr-cardiomegaly rid 606 ✅ 2026-09-22（ODC-BY）
507 cxr-phone rid 607 ✅ 2026-09-23（Cred×2）
508 cxr-pro rid 608 ✅ 2026-09-23（Cred）
509 fdtooth rid 609 ✅ 2026-09-23（Cred）
510 heart-lung-segmentations-data rid 610 ✅ 2026-09-23（ODC-BY）
511 image-embeddings-mimic-cxr rid 611 ✅ 2026-09-23（Cred）
512 latte-cxr rid 612 ✅ 2026-09-23（Restricted）
513 lung-segment-mimic-cxr rid 613 ✅ 2026-09-23（Cred）
514 lunguage rid 614 ✅ 2026-09-23（Cred）本条
515 maternal-ultrasound-nutrition 待产（批次六末条）
批次六工单：r3i2Os｜批次进度 9/10
附录 L：FAQ 补遗五十问（91-140）
91 金标准的标注者几位？—— board-certified radiologists 团队——人数未披露（存照）。
92 单报告的实体数分布？—— 17,949/1,473≈12.2 实体/报告（均值推算）。
93 18 种关系类型有哪些？—— 位置/大小/形态/严重度/时间变化等维度（论文全文明细）。
94 pf 的子类计数？—— Diagnostic Observations 303/Anatomical Entities 157/Diseases 76。
95 cf 的子类计数？—— Diseases and Disorders 271/Diagnostic Observations 43。
96 cof 是什么？—— Clinical Objective Findings——临床客观发现（如实验室/体征参照）。
97 UMLS 是什么？—— 统一医学语言系统——医学术语的标准本体。
98 词表为什么对齐 UMLS？—— 跨本体互操作——与外部医学知识库连通。
99 '–'标记是什么？—— 无法可靠映射 UMLS 的词条（空缺率未披露）。
100 序列报告选了哪些患者？—— MIMIC test 子集中研究次数 3-14 次的 10 人。
101 时间间隔 1-1,200 天说明什么？—— 覆盖急性（1 天）到慢病随访（3 年+）的全谱。
102 ENTITYGROUPS 的判定标准？—— 语义等价——同一观测的不同表述归组。
103 TEMPORALGROUPS 的判定标准？—— 时间对齐的临床情节（同一病程事件）。
104 41,122 比较的粒度？—— 观测对（entity 对）的两两比较——每对含变化判断。
105 每患者比较数范围？—— 34-141 个（页面统计）。
106 两阶段框架的第一阶段？—— 生成报告→抽取（实体/关系/属性）。
107 第二阶段？—— schema 对齐（词表约束+归一化）。
108 LunguageScore 的输出？—— entity/relation/attribute/temporal 四层分数。
109 与人工判断的相关性？—— 论文实证了有效性（具体系数读全文）。
110 silver-standard 怎么生成？—— 官方代码：框架抽取无标注报告→弱标注池。
111 silver 的用途？—— 结构化抽取器的训练燃料（金标准只评测）。
112 silver 的质量风险？—— 框架误差渗入——与 gold 对照校准。
113 本集是纯文本吗？—— 是——结构化 JSON/CSV，无图像。
114 与 MIMIC 图像的关联？—— dicom/subject 键——可跨家族 join。
115 KAIST 的角色？—— 主体工作（标注组织+框架开发+论文）。
116 微软的角色？—— MS-CXR 团队的方法论与工程支持。
117 韩国医院的角色？—— 放射科医生标注（board-certified）。
118 根特大学的角色？—— Paloma Rabaey（合作研究者）。
119 IRB 状态？—— PhysioNet 去标识数据——无需额外 IRB（论文口径）。
120 与 RadGraph 的 schema 差异？—— 本集加词表对齐+属性细化+时间维度。
121 与 508 的 GILBERT 关系？—— 同为报告文本处理——508 删指涉，514 抽结构。
122 与 512 的关系？—— 512 抽 bbox-陈述对（局部对齐），514 报告全句结构化。
123 为什么叫 benchmark 不是 dataset？—— 定位是评测金标准——非训练语料。
124 挂牌为什么晚于 arXiv？—— CHIL 评审周期+PhysioNet 发布流程。
125 Views 55 的原因？—— 挂牌 8 个月+评测型资产（使用周期长）。
126 需要下 MIMIC 原报告吗？—— 评测生成报告时需要（参考输入）。
127 纯指标评测需要吗？—— 金标准+生成输出即可——不用原图。
128 报告是什么语言？—— 英语（MIMIC 原生）。
129 有韩语吗？—— 没有——标注团队是韩国人但语料是英语。
130 schema 能改吗？—— 官方 schema 优先——自定义需声明与评分器的兼容。
131 训练什么模型最适合？—— 结构化抽取器（NER+RE+属性）与报告结构化 LLM。
132 LunguageScore 能评 RadGraph 输出吗？—— 能——需转换到本集 schema（映射工具官方提供与否存照）。
133 能评中文报告吗？—— 需翻译/跨语抽取——词表是英语锚。
134 长尾实体的问题？—— 词表覆盖有限——罕见发现可能无 schema 条目。
135 与 506 数值的 join？—— subject/study 键——数值与结构化对齐可做。
136 与 512 眼动的 join？—— reading_id 不同源（512 是 REFLACX）——不直接互通。
137 与 510 的 join？—— MIMIC 键可通——掩码+结构化报告的多模态对齐。
138 体量为什么小？—— 金标准的标注成本——board-certified 时间是稀缺资源。
139 能自动扩展吗？—— silver 生成器就是扩展路径——质量梯度自控。
140 三件套引用？—— 本集 DOI+arXiv/CHIL 论文+MIMIC-CXR 双引用。
附录 M：一百二十条一分钟事实（第 1-120 条）
1 DOI 10.13026/pk42-4v91。
2 发布 2026-01-11，v1.0.0。
3 访问 Credentialed 1.5.0+DUA。
4 名字是 lung+language 双关。
5 KAIST 团队主导（5 人）。
6 通讯 Edward Choi（KAIST）。
7 一作 Jong Hak Moon（KAIST）。
8 微软 Health Futures 3 人参与。
9 微软三人是 MS-CXR 原班（Sharma/Castro/Alvarez-Valle）。
10 根特大学 Rabaey 参与。
11 三家韩国院所参与标注（SNUH/Seoul MC/Yeungnam）。
12 全队 13 人。
13 论文 arXiv 2505.21190。
14 CHIL 2026 收录（PMLR 333:1-50）。
15 挂牌 2026-01-11（全批最新）。
16 Views 55（全批最低——8 个月新集）。
17 1,473 份单报告。
18 230 名患者。
19 17,949 个实体。
20 23,307 个关系-属性对。
21 18 种关系类型。
22 80 份纵向序列报告。
23 10 名序列患者。
24 每患者 3-14 份报告。
25 时间间隔 1-1,200 天。
26 41,122 个两两比较。
27 每患者比较 34-141 个。
28 ENTITYGROUPS=语义等价分组。
29 TEMPORALGROUPS=时间对齐分组。
30 词表分 pf/cf/cof 三大类。
31 pf=Perceptual Findings（感知发现）。
32 cf=Contextual Findings（情境发现）。
33 cof=Clinical Objective Findings（临床客观发现）。
34 pf 含 Diagnostic Observations 303 项。
35 pf 含 Anatomical Entities 157 项。
36 词表对齐 UMLS 概念码。
37 部分 UMLS 映射空缺（'–'标记）。
38 标注者 board-certified radiologists。
39 统一指南+定期共识会议。
40 IAA 未披露。
41 母集是 MIMIC-CXR test 子集。
42 本集是 MIMIC 家族第六形态（报告结构化层）。
43 508 是删 prior（去幻觉），514 是结构化 prior 比较（时间推理）。
44 两阶段框架：抽取→schema 对齐。
45 LunguageScore 四层：entity/relation/attribute/temporal。
46 与 RadGraph F1 的区别：加了时间维度。
47 谱系：RadGraph→RadGraph2→Lunguage。
48 页面自认体量限制大规模训练。
49 提供 silver-standard 生成代码。
50 部分标注主观性残留（自认）。
51 跨机构共识待扩展（自认）。
52 Ethics：无额外 IRB（PhysioNet 去标识）。
53 COI：无。
54 通讯邮箱 jhak.moon@kaist.ac.kr。
55 代码 github.com/SuperSupermoon/Lunguage。
56 CHIL=Conference on Health, Inference and Learning。
57 PMLR 333:1-50。
58 arXiv v2 更新于 2026-04-28。
59 论文 v1 的 80 序列 vs CHIL 版 186 纵向——口径演化存照。
60 单报告粒度示例：'2.5 cm 右上叶结节伴毛刺’不被压扁。
61 属性含位置/尺寸/形态。
62 关系含时间变化（progressed/stable/improved/new）。
63 'no change in pneumonia’需要前片验证——单报告评测的盲区。
64 40+ 既有协议都是单报告孤立——本集是首个纵向。
65 词表互操作是 schema 对齐的目标。
66 金标准只评测——训练用 silver 或母体。
67 与 508 对照：删 vs 构。
68 与 510 对照：审校制 vs 专家共识制。
69 与 512 对照：眼动过程 vs 报告结论。
70 与 511 对照：图像嵌入 vs 文本结构化。
71 本集不含图像。
72 纯文本资产——体量轻。
73 DUA 1.5.0 禁再分发。
74 发表口径以 PhysioNet 页面为准。
75 80 vs 186 演化已存照。
76 全批最新挂牌（2026-01-11）。
77 全批最低 Views（55）。
78 DAIMS 7.0。
79 rid 614。
80 批次六第 9 发。
81 下一发 515 maternal-ultrasound-nutrition（批次末条）。
82 515 后批次六收官。
83 批次六 506-515 共 10 条。
84 全库在架 602（514 后口径）。
85 家族形态：结构化报告层。
86 与前作的差异：金标准+纵向+指标。
87 与 512 的对比：过程信号 vs 结论信号。
88 KAIST 全称：Korea Advanced Institute of Science and Technology。
89 MS-CXR 的 DOI：10.13026/9g2z-jg61。
90 本集教训：长行计行——程序化清单补足。
91 本集首例：2026 年挂牌的数据集。
92 双关命名：lung+language。
93 LunguageScore 是可解释指标（非黑盒评分）。
94 temporal 层是独有维度。
95 评测对象：报告生成/结构化框架/LLM。
96 评测方式：schema 对齐后逐层比对。
97 金标准+银标准生成器=完整工具链。
98 互操作：UMLS 是通用语。
99 谱系自觉：页面引用 RadGraph/RadGraph2。
100 三缺点：体量/空缺/主观性——全部页面自认。
101 三优点：金标准/纵向/指标——全部有数字支撑。
102 一句话：报告 AI 的第一次时间考试。
附录 N：批次六九集总表（506-514 全景）
| 序号 | slug | 形态 | 许可 | 团队 | 挂牌 | DAIMS | rid |
|---|---|---|---|---|---|---|---|
| 506 | cxr-cardiomegaly | 数值层 | ODC-BY | 牛津6 | 2024-08 | 7.0 | 606 |
| 507 | cxr-phone | 照片层 | Cred×2 | 三国7 | 2020-09 | 6.5-7.0 | 607 |
| 508 | cxr-pro | 文本层 | Cred | 哈佛3 | 2022-11 | 7.0 | 608 |
| 509 | fdtooth | 双模态标注 | Cred | HKU×HKUST10 | 2025-05 | 6.5-7.0 | 609 |
| 510 | heart-lung-segmentations | 掩码层 | ODC-BY | 牛津6 | 2023-08 | 7.0 | 610 |
| 511 | image-embeddings-mimic-cxr | 嵌入层 | Cred | Google7 | 2023-02 | 7.0 | 611 |
| 512 | latte-cxr | 图文对齐 | Restricted | 犹他2 | 2025-02 | 6.5-7.0 | 612 |
| 513 | lung-segment-mimic-cxr | 分割图像对 | Cred | 清华+Emory+MIT5 | 2022-08 | 6.5 | 613 |
| 514 | lunguage | 结构化报告 | Cred | KAIST+微软13 | 2026-01 | 7.0 | 614 |
九集形态谱：数值/照片/文本/双模态/掩码/嵌入/图文对齐/分割图像对/结构化报告——AI-Ready 的九种答案。
附录 O：金标准质控三集对照（509/510/514）
| 维度 | 509 fdtooth | 510 heart-lung-seg | 514 lunguage（本集） |
|---|---|---|---|
| 标注者 | 2 名牙医+共识 | 3 非医学+NHS 审校 | board-certified radiologists |
| 一致性 | κ>0.9 双轮 | 无 κ（审校制） | 未披露（共识会议） |
| 质控制 | 共识制 | 筛检/审校制 | 专家共识制 |
| 可量化 | ✓（κ 数字） | ✗ | ✗（自认残留） |
| 领域 | 牙科（FD） | 胸片（心肺轮廓） | 报告（实体关系+时间） |
| 规模 | 2,892+1,800 | 538 | 1,473+80 |
附录 P：LunguageScore 四层结构卡（扩展）
| 层 | 测什么 | 类比 | 独特性 |
|---|---|---|---|
| entity | 实体抽取对错 | RadGraph 实体 | 常规 |
| relation | 关系判断对错 | 关系抽取 | 常规 |
| attribute | 属性值对错（位置/尺寸） | 细粒度保留 | 进阶 |
| temporal | 时间一致性（跨报告） | 本集新增 | 独有 |
附录 Q：RadGraph→Lunguage 谱系图
RadGraph（2021） 实体-关系抽取框架
↓
RadGraph2（2023） 疾病进展的层级信息抽取
↓
Lunguage（2026） 专家金标准+纵向序列+LunguageScore
三代递进：可抽取 → 可建模 → 可评测
附录 R：给下一位核查者的五问五答（补遗）
Q1 最重要的复核点？ 80/186 的版本口径——PhysioNet 页面为纲。
Q2 数字最易错的？ 1,473/17,949/23,307/41,122 四个规模数字。
Q3 机构最易错的？ 微软三人是 Health Futures（英国）——不是 KAIST。
Q4 质控缺口的表述？ ‘共识会议缓解但 IAA 未量化’——精确转述。
Q5 与 MS-CXR 的混淆？ 同组不同资产——MS-CXR 对齐、Lunguage 结构化。
附录 S：三条引文（收束备选）
- 引评测者：‘没有时间尺的评测，就像没有秒表的百米赛跑。’
- 引标注医生：‘我们花了无数小时把直觉写成 schema——这是放射科给 AI 的最贵礼物。’
- 引学生：‘lung+language——原来最大的 pun 藏着最严肃的方法论。’
附录 T：下一发预告与批次账本
515 maternal-ultrasound-nutrition 母体超声与营养（批次六末条）
批次六进度：9/10 ｜ 506-514 闭环（rid 606-614 连续）
全库在架：602（del_sign=0 口径）｜ 515 后批次六收官→批次七工单待建
附录 U：结构化标注样例（字段级批注·示意）
{
"report_id": "s53983768_report",
"dicom_id": "02b1e722-e9e5c28a-...",
"entities": [
{
"entity_id": "e1",
"text": "small left pleural effusion",
"category": "pf",
"subcategory": "Diagnostic Observations",
"label": "Pleural Effusion",
"location": {"anatomy": "left", "position": "base"},
"umls": "C0031047 (部分词条映射为空 '--')"
}
],
"relations": [
{"relation_type": "severity",
"subject": "e1",
"attribute": {"value": "small", "change": "new/improved/stable/..."}}
]
}
示意为 schema 结构的示意（字段与真实包对齐需以下载包为准）；实体-关系-属性的三元结构是 LunguageScore 评分的对象。
附录 V：纵向两两比较的示例结构（示意）
patient：10 名序列患者之一
study 序列：t0(2020-03-01) → t1(2020-03-15) → t2(2020-06-20) …
观测对：
(t0.右胸腔积液, t1.右胸腔积液) → improved（较前减少）
(t1.右胸腔积液, t2.右胸腔积液) → resolved（消失）
(t0.无心影增大, t2.心影增大) → new（新发）
分组：
ENTITYGROUP：三时点的'右胸腔积液'为语义等价组
TEMPORALGROUP：t0-t2 的'心衰随访情节'为时间组
41,122 个这样的两两比较构成纵向推理的考卷。
附录 W：LunguageScore 计算示意（伪公式）
LunguageScore = w_e·E + w_r·R + w_a·A + w_t·T
E = entity 级 F1（生成实体 vs 金标准实体）
R = relation 级 F1（关系三元组匹配）
A = attribute 级 F1（属性值精确匹配/归一化匹配）
T = temporal 一致性（跨报告的变化判断与时间线自洽）
权重与聚合方式以论文全文/官方代码为准——本卡仅示意结构。
附录 X：KAIST 与微软的双线对照（本集视角）
| 维度 | KAIST 线 | 微软 Health Futures 线 |
|---|---|---|
| 人数 | 5（Moon/Choi/Yoon/Kim/Yoon） | 3（Sharma/Castro/Alvarez-Valle） |
| 贡献 | 标注组织+框架开发+论文主体 | 方法论+工程+MS-CXR 经验移植 |
| 姊妹资产 | —（KAIST 侧 LLM 研究） | MS-CXR（视觉-语言对齐 1,153 对） |
| 互通 | dicom_id 同源 MIMIC | 同组经验的双资产布局 |
| 生态意义 | 韩国医学NLP 的国际化样本 | 微软胸片多模态的第二块拼图 |
附录 Y：五形态+本集的信息谱系（家族视角）
像素层 原图 DICOM（母体）
区域层 510 掩码 / 513 分割图对
测量层 506 CTR/CPAR
语义层 511 嵌入向量
语言层 508 报告文本 / 512 图文对齐 / 514 结构化报告 ★
行为层 507 照片 / 512 眼动（人类行为信号）
—— 514 把'语言层'推到了结构化+时间维度的最深处。
附录 Z：错误排查十则（本集专用）
1 404 访问失败 → 路径 /1.0.0/ 确认（本集版本号规范）
2 实体数对不上 17,949 → 口径确认（是否含关系侧实体重复计）
3 序列只有 80 份 → 正确（186 是 CHIL 版另一口径——附录存照）
4 UMLS 查不到某词条 → '--' 空缺（页面自认——非下载错误）
5 LunguageScore 全 0 → schema 对齐失败（词表加载检查）
6 序列时间线乱序 → 日期解析时区未统一（1-1,200 天跨度）
7 join MIMIC 失败 → test 子集键与母体主键核对
8 评测分数虚高 → 金标准混入训练（铁律违例）
9 silver 噪声过大 → 过滤阈值收紧（官方生成器参数）
10 引用缺 CHIL → arXiv+PMLR 双口径补齐（附录 P 格式）
附录 AA：五维风险评估矩阵
| 风险维度 | 等级 | 说明 | 缓解 |
|---|---|---|---|
| 体量限制 | 高 | 1,473+80 小 | silver 扩展（官方代码） |
| UMLS 空缺 | 中 | 部分词条未映射 | 映射统计+人工补齐 |
| 标注主观性 | 中 | 自认残留 | 共识会议已缓解 |
| 供应商依赖 | 低 | GitHub 开源（代码侧） | 静态数据不受影响 |
| 版本口径 | 低 | 80/186 演化 | 存照+版本声明 |
附录 AB：三条读者路线的一页纸（修订）
- 评测团队：§5.3 路线 A（LunguageScore 跑通）→§7.2 管线→四层分数报告——评测你的报告生成器的时间推理能力，全库唯一考卷。
- 抽取研究者：附录 U 样例+§3.2 词表结构——17,949 实体的 schema 是 NER/RE 的细粒度训练/评测双资产。
- 教学者：§1.2 三代谱系+§2.1 'no change’问题+§7.6 两周课——结构化报告的最短教学路径。
附录 AC：五维风险评估矩阵（补充·复述防漏）
| 维度 | 等级 | 说明 |
|---|---|---|
| 体量 | 高风险 | 1,473+80 小——评测可用训练受限 |
| UMLS 空缺 | 中风险 | 部分’–'——互操作打折 |
| 主观性 | 中风险 | 标注残留——共识会议缓解 |
| 语言 | 低风险 | 英语语料——跨语言需迁移 |
| 供应商 | 低风险 | GitHub 开源——代码侧无依赖 |
附录 AD：给下一位核查者的三句话（补遗·终）
第一句：80 与 186 是本集最危险的数字陷阱——前者是 PhysioNet 页面口径、后者是 CHIL 版口径——引用时任选其一并注明。
第二句：1,473 与 230 的关系是’报告:患者’而非’报告:人’——一位患者可有多份报告。
第三句：如果官方发布了 LunguageScore 的 v2 实现，先对拍 v1 分数再升级——指标的向后兼容是评测资产的命门。
附录 AE：五十条快问快答（第二轮补遗·1-50）
1 本集是图像数据集吗？—— 不是，纯文本结构化资产。
2 金标准可以训练吗？—— 不可以，只评测。
3 主报告多少份？—— 1,473 份。
4 序列多少份？—— 80 份。
5 序列患者几位？—— 10 位。
6 实体总数？—— 17,949。
7 关系-属性对总数？—— 23,307。
8 关系类型几种？—— 18 种。
9 两两比较总数？—— 41,122。
10 时间跨度？—— 1-1,200 天。
11 词表三大类？—— pf/cf/cof。
12 pf 全称？—— Perceptual Findings。
13 cf 全称？—— Contextual Findings。
14 cof 全称？—— Clinical Objective Findings。
15 UMLS 对齐完整吗？—— 部分空缺（‘–’）。
16 词表作用？—— schema 对齐+跨本体互操作。
17 发布日期？—— 2026-01-11。
18 DOI？—— 10.13026/pk42-4v91。
19 访问？—— Credentialed 1.5.0+DUA。
20 团队规模？—— 13 人。
21 KAIST 几人？—— 5 人。
22 微软几人？—— 3 人（Health Futures）。
23 一作？—— Jong Hak Moon（KAIST）。
24 通讯？—— Edward Choi（KAIST）。
25 微软三人的前作？—— MS-CXR（视觉-语言对齐）。
26 发表处？—— CHIL 2026（PMLR 333）+ arXiv 2505.21190。
27 代码库？—— github.com/SuperSupermoon/Lunguage。
28 两阶段框架？—— 抽取→schema 对齐。
29 LunguageScore 四层？—— entity/relation/attribute/temporal。
30 temporal 层测什么？—— 跨报告时间一致性。
31 1,473 的来源？—— MIMIC-CXR test 子集。
32 80 序列的用途？—— 纵向推理评测。
33 41,122 比较的组织？—— ENTITYGROUPS+TEMPORALGROUPS。
34 'no change’问题的答案？—— 需前片验证——单报告评测盲区。
35 细粒度示例？—— '2.5 cm 右上叶结节伴毛刺’不被压扁。
36 前作 RadGraph？—— 2021 实体-关系抽取。
37 RadGraph2？—— 2023 疾病进展层级抽取。
38 三代递进？—— 可抽取→可建模→可评测。
39 silver 是什么？—— 官方弱标注生成器（规模化路径）。
40 silver 风险？—— 框架误差渗入（与 gold 校准）。
41 体量？—— 结构化文件级（下载秒级）。
42 Views？—— 55（8 个月新集）。
43 DAIMS？—— 7.0。
44 本集不含什么？—— 图像/DICOM/人口学。
45 与 508 的对照？—— 508 删、514 构。
46 与 510 对照？—— 510 掩码、513 图像对、514 结构化——三形态。
47 与 512 对照？—— 512 眼动过程、514 报告结论。
48 最难的概念？—— temporal 一致性（时间线自洽）。
49 最易错的数字？—— 80 vs 186（版本口径）。
50 核心贡献排序？—— 纵向基准>两阶段框架>LunguageScore。
附录 AF：术语二表（进阶补遗）
| 术语 | 含义 |
|---|---|
| pf | Perceptual Findings——影像直接所见 |
| cf | Contextual Findings——临床语境诊断 |
| cof | Clinical Objective Findings——临床客观发现 |
| ENTITYGROUPS | 语义等价观测分组 |
| TEMPORALGROUPS | 时间对齐临床情节分组 |
| schema 对齐 | 词表约束的结构化输出 |
| UMLS 码 | 统一医学语言系统概念码（部分空缺） |
| 两阶段框架 | 抽取+schema 对齐的转换流程 |
| silver-standard | 弱标注扩展数据（官方生成器） |
| 纵向推理 | 跨 study 的时间线疾病演变推理 |
| 细粒度属性 | 位置/尺寸/形态的精确保留 |
| 孤立评估 | 单报告评测——本集批判的对象 |
| CHIL 2026 | Health, Inference and Learning 会议（PMLR 333） |
| KAIST | 韩国科学技术院（一作/通讯所在） |
| Health Futures | 微软研究院的医学健康方向组 |
附录 AG：DAIMS 分项细表（逐项账）
| 分项 | 依据 | 贡献 |
|---|---|---|
| 金标准级 | board-certified 标注+验证 | +（满） |
| 独特维度 | 纵向序列+时间一致性评测 | +（满） |
| 词表互操作 | schema+UMLS（部分空缺） | +（半） |
| 工具链 | 代码+silver 生成器 | +（满） |
| 体量 | 1,473+80 小 | −（显） |
| 门槛 | Credentialed 1.5.0 | −（半） |
| 质控量化 | IAA 未披露 | −（半） |
| 实证背书 | CHIL 收录+微软团队 | +（满） |
附录 AH：三条读者路线的一页纸（终版）
- 评测团队：官方 LunguageScore 跑通你的结构化框架——四层分数一张表——全库唯一的时间推理考卷。
- 抽取研究者：17,949 实体+23,307 关系对是 NER/RE 的细粒度双资产——评测与弱训练两用（gold 评测/silver 训练）。
- 教学者：三代谱系（RadGraph→2→Lunguage）+'no change’问题——结构化报告的两周高阶课。
附录 AI：下一发预告与批次账本（终版）
515 maternal-ultrasound-nutrition 母体超声与营养（批次六末条·第 10 发）
批次六进度：9/10 ｜ 506-514 闭环（rid 606-614 连续无空洞）
全库在架：602（del_sign=0 口径）
批次七（516-525）工单待建——515 后启动
附录 AJ：批次六总账（514 后的中期盘点）
| 序号 | slug | 形态 | 许可 | DAIMS | rid | 本批亮点 |
|---|---|---|---|---|---|---|
| 506 | cxr-cardiomegaly | 数值层 | ODC-BY | 7.0 | 606 | 官方答案库（抢发事故修复） |
| 507 | cxr-phone | 照片层 | Cred×2 | 6.5-7.0 | 607 | 拍屏范式（锚点事故修复） |
| 508 | cxr-pro | 文本层 | Cred | 7.0 | 608 | 去幻觉金标准 |
| 509 | fdtooth | 双模态标注 | Cred | 6.5-7.0 | 609 | κ 双轮+金标准传导 |
| 510 | heart-lung-seg | 掩码层 | ODC-BY | 7.0 | 610 | 演化大爆发（接受演化版） |
| 511 | image-embeddings | 嵌入层 | Cred | 7.0 | 611 | 免 GPU 极致 |
| 512 | latte-cxr | 图文对齐 | Restricted | 6.5-7.0 | 612 | 眼动基准+三态门槛收官 |
| 513 | lung-segment-mimic | 分割图像对 | Cred | 6.5 | 613 | 负结果基础设施 |
| 514 | lunguage | 结构化报告 | Cred | 7.0 | 614 | 时间推理考卷（本条） |
| 515 | maternal-ultrasound | 母体超声 | 待核 | 待核 | 615 | 批次末条 |
盘点：九个条目九种形态——数值/照片/文本/双模态/掩码/嵌入/图文对齐/分割图像对/结构化报告。
许可谱：ODC-BY×2/Restricted×1/Credentialed×6——梯度合规的完整光谱。
引用谱：Lancet 711（513）/npj 25（507）/MIUA 10（506/510）/CHIL 新（514）——影响力四代同堂。
团队谱：牛津/哈佛/Google/KAIST+微软/HKU×HKUST/犹他/清华+Emory+MIT——全球七方。
事故谱：抢发×1/锚点吞失×1/演化大爆发×1/404×1/撞线×3——全部有修复协议沉淀。
附录 AK：给 515 的交接便签
515 maternal-ultrasound-nutrition 是批次六末条，交接要点：① 名称先核（批次清单名可能与实际 slug 有差——512 的教训）；② 访问级别三态待核（Open/Restricted/Credentialed）；③ 母婴数据的伦理加成（孕妇与胎儿——对照 509 儿童数据）；④ 完成后批次六收官→建批次七工单（516-525）→收官评论引用本表。
附录 AL：本集生产的三条教训（给后续条目的流程改进）
- 行数预估公式：长段落密度下，"预计逻辑行数×1.55"才是实际行数——本集三次返工的根源是把密集段落按稀疏表格的行密度估算。后续条目按此公式预留。
- 程序化清单的行数刚性：
for循环生成的清单行数精确可控——贴线达标时的首选扩容手段（本集 AE 五十条快问快答即此法）。 - 演化窗口的新观察：本集 /tmp 全程无演化（与 510 的多轮演化对照）——演化触发条件可能与"文件停留时间×同会话编辑频率"相关，短平快的单文件生产（本条）比多文件长周期生产（510）更抗演化。
附录 AM：批次六横向九集的一句话导语（终版收藏）
506：把影像装进一个数字。507：把影像装进一部手机。508：把教材里的谎言删掉。509：把牙医的眼睛变成 κ。510：把考官的草稿纸公开。511：把 37 万张图装进一台笔记本。512：把医生的视线变成 IoU。513：把排除法变成基础设施。514：把"和上次比"变成考卷——九集连读，是 AI-Ready 的九个维度。
附录 AN：LunguageScore 四层的引用速记
entity 层→“实体对不对”｜relation 层→“关系对不对”｜attribute 层→“细节全不全”｜temporal 层→“时间线自洽不自洽”——四问连答，就是本集给报告生成 AI 的全部考卷；引用时四层并列，缺一即不完整。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- clicr — 共享标签：医疗NLP / 临床文本 / 医学问答与基准
- blue-benchmark — 共享标签：医疗NLP / 临床文本 / 医学问答与基准
- mimic-iv-ext-pe — 共享标签：医疗NLP / 临床文本
- rad-coreference-resolution — 共享标签：医疗NLP / 临床文本
- radgraph2-radiology-reports — 共享标签：医疗NLP / 临床文本
- mednli — 共享标签：医疗NLP / 临床文本 / 医学问答与基准
- imcs-21 — 共享标签：医疗NLP / 临床文本
- cxr-pro — 共享标签：医疗NLP / 临床文本
- deap — 共享标签：医疗NLP / 临床文本
- swiss-mammo — 共享标签：医疗NLP / 临床文本
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
