信息速览

数据集名称MIMIC-IV-Ext Cardiac Disease — 4761 例真实心脏病住院全检查链 LLM 诊断基准

数据类型原始数据,文本数据,时序数据

规模4761 例住院记录（hadm_id 级），覆盖 20 种 ICD-10 心脏病主诊断；最大病种心衰 I50 1420 例、急性心梗 I21 1398 例；平均每例 14.21 个真实诊断

接入方式MIMIC-IV v3.1（BIDMC 重症住院 EHR）+ MIMIC-IV-Note 出院报告 + MIMIC-IV-ECG 心电机器报告；衍生文件含 heart_diagnoses.csv 核心证据链表、heart_labevents_examination_group.csv 检验分组表、heart_microbiologyevents.csv 微生物培养表、heart_procedures.csv 操作表、HPI.json 与 RAG_data.json 检索库

AI 就绪度

INFOBOX — MIMIC-IV-Ext Cardiac Disease 一屏速览

维度内容

本质 MIMIC-IV 的心脏病专用扩展子集：按 ICD 主诊断筛出 4761 例，把散落在十余张 EHR 表里的检查信息重组为「一例一条证据链」

团队 Jiawei Cao、Sendong Zhao（清华大学）；母数据集出自 MIT 计算生理学实验室 / BIDMC

发布 PhysioNet v1.0.0，2025-05-06；doi:10.13026/khgm-hc33；RRID: SCR_007345

规模 4761 例住院记录、20 种 ICD-10 心脏病、平均每例 14.21 个真实诊断

病种 Top3 心衰 I50（1420）、急性心梗 I21（1398）、慢性缺血性心脏病 I25（633）

每例内容主诉 + 现病史 + 入院查体 + ≥2 项影像报告 + 检验分组结果 + 微生物培养 + ECG 机器报告 + 最终 ICD 诊断

特色任务多轮交互：检验 LLM 能否像接诊医生一样按需开检查、逐步收敛诊断，而非一问一答式答题

防泄漏排除含 PRE-CPB / POST-CPB / PRE BYPASS / POST BYPASS 字段的记录（提示曾行体外循环手术）

生态 ECG 报告直接引自 MIMIC-IV-ECG；与 MIMIC-IV-Ext CDM（腹部）构成脏器互补双基准

第三方评测 DxChain（arXiv:2604.23605）：主诊断 ACC 74.08 → 84.98（GPT-4.1-Mini 骨干）

获取 PhysioNet 凭证访问：签 DUA + CITI 认证，非公开直链

库内定位 MIMIC 系疾病专用扩展集（区别于全库/单模态衍生），rid 待发布回填

MIMIC-IV-Ext Cardiac Disease 是一个「把 EHR 重组为临床剧本」的数据集工程。它不采集任何新数据，而是从 MIMIC-IV 里按 20 种心脏病的 ICD 主诊断筛出 4761 例住院，然后把每例患者从入院到出院的诊断全过程中真正用到的证据——主诉、现病史、查体、影像、检验、微生物培养、心电图——重新编排成一条以 hadm_id 为键的证据链，让大语言模型可以像面对一位真实患者一样，先看主诉、再决定开什么检查、再依据回报收敛判断。它要回答的问题是：在考试题上拿高分的医疗 LLM，放到一份嘈杂、不完整、需要主动收集信息的真实病历前还剩几分。

导语读法三则：

只想下数据：直奔 §6 获取与许可——本数据集需 PhysioNet 凭证（签署 DUA + 完成 CITI 认证），无公开直链。
关心数据怎么造的：直奔 §3 构建方法——ICD 筛选、影像同义词词典、检验分组、防泄漏排除四道工序连读。
想跑评测：直奔 §7 评估与基准——官方多轮交互框架与第三方 DxChain 结果对照。

§0 导读：这个数据集解决什么问题

医疗大语言模型的评测长期悬浮在「考试模式」上。PhysioNet 条目作者引用的一项 519 篇文献综述指出：医疗 LLM 研究里只有约 5% 使用了真实患者数据，其余绝大多数依赖医学考试题或专家人工设计的病例。考试题把患者体验压缩成一段干净的小剧本——症状、体征、关键检验一次性奉上，模型只需要「读题作答」。但真实临床是另一个形态：信息分散在检验科、影像科、心电室的不同系统里，医生必须自己决定做哪些检查、按什么顺序做、每一步回报后如何修正假设。一个能把 USMLE 刷到 90 分的模型，未必会想到给胸痛患者先做 D-二聚体。

MIMIC-IV-Ext Cardiac Disease 的回答是把「真实」搬进评测：以心脏病为切片（心脏病种类多、各需不同检查手段、常伴长期生活方式累积与多重并发症，患者信息复杂度天然够高），从 MIMIC-IV 中筛出主诊断为 20 种心脏病之一的 4761 例住院，把每例的诊断全过程证据按临床叙事重组。配合作者开源的多轮交互框架，模型拿到的是主诉与现病史，之后每一项检查都要它自己「开口要」，系统从证据链中检索相应结果回给它——直到模型给出最终诊断，再与真实 ICD 编码对照。

§0 读法三则：

这个条目是「子集构建 + 交互框架 + 第三方基准」三合一：本体是 4761 例证据链（9 张 CSV + 2 个 JSON），配套是开源多轮诊断框架，外延是 DxChain 等论文把它当临床推理基准用——三者的获取门槛与用法不同（§6/§7）。
全文核心数字（4761 例、20 病种、逐病种病例数、14.21 平均诊断数）均出自 PhysioNet 官方页与 DxChain 附录，双口径冲突已在 §9 存照。
库内 MIMIC 系条目众多（mimiciv、mimic-iv-ecg、mimic-iv-echo、mimic-iv-ext-pe 等），本条目是疾病专用扩展集——只面向心脏病的诊断证据链重组，与单模态衍生（ECG 波形、超声影像）和全库镜像（mimiciv）定位不同，检索时勿混。

§1 数据集速览：十问十答

Q1：4761 例是怎么筛出来的？
从 MIMIC-IV 的诊断表按心脏病 ICD 编码过滤主诊断：ICD-10 的 I20-I25、I30-I50，以及映射前 ICD-9 的 410-414、420-428。ICD-9 编码统一用映射表转成 ICD-10 后计数。筛选结果是住院记录（hadm_id）级——同一患者多次住院按不同记录计。

Q2：为什么选心脏病做切片？
作者给出三条理由：病种多（20 类）、每类依赖的检查手段不同（心梗靠肌钙蛋白与心电、瓣膜病靠超声、心包疾病靠影像与听诊）、且心脏病常由长期不健康生活方式累积并伴多重并发症——患者信息复杂，恰好能检验模型对病情的全面理解能力。

Q3：每条记录里有什么？
主诉、现病史（HPI）、入院查体、至少两项影像检查结果、多项检验与微生物培养结果、ECG 机器报告、最终诊断。所有字段以 hadm_id 关联到核心文件 heart_diagnoses.csv。

Q4：证据链的载体是什么文件？
核心是 heart_diagnoses.csv（note_id/subject_id 来自 MIMIC-IV-Note 的 discharge.csv）；检验拆成全量版 heart_labevents_examination_group.csv（带检验分组字段）与首次版 heart_labevents_first_lab.csv；微生物同理两张表；另有 heart_diagnoses_all.csv（ICD 前三位大类口径）与 heart_diagnoses_all_true.csv（原始码口径）双版本诊断表、heart_procedures.csv 操作表、以及供 RAG 检索用的 HPI.json 与 RAG_data.json。

Q5：「多轮交互框架」怎么运作？
模型初始只见主诉与 HPI；它每请求一项检查，框架就从证据链中检索对应结果返回；直到模型报出诊断。检验模型能否像医生一样引导患者完成院内检查并收敛到正确诊断。检索库即 HPI.json 与 RAG_data.json。

Q6：ECG 数据哪来的？
直接引入 MIMIC-IV-ECG 数据集中的机器生成 ECG 报告，以「reports」字段挂在 heart_diagnoses.csv 中，多条报告间以空格分隔。

Q7：怎么防止数据泄漏？
两道工序：其一，影像报告中含 PRE-CPB / POST-CPB / PRE BYPASS / POST BYPASS 等体外循环标记的记录整条排除（这些字段暗示患者做过心脏外科手术，等于把手术诊断喂给了模型）；其二，抽取影像前先把检验与微生物段落从出院报告中剥离，避免混淆。

Q8：数据质量做了哪些控制？
影像同义词词典由人工标注 200 份出院报告构建（影像检查名同义词多、报告格式杂，是抽取难点）；检验按体液与检验类型分组（血常规、肝功、肾功、心肌标志物等；尿、腹水、胸水分别归入尿常规、腹腔穿刺、胸腔穿刺）；少于 3 例的影像检查整体清除。

Q9：能跟其他 MIMIC 数据集联用吗？
能。每条记录以 hadm_id 标识，与 MIMIC-IV 生态完全兼容——可与 MIMIC-IV 原库、MIMIC-IV-ECG 波形、MIMIC-IV-Note 原文等按 id 回联。但注意：本子集收录的是 MIMIC-IV 中该患者可得的检查结果，不保证覆盖住院期间做过的全部检查。

Q10：除了多轮诊断还能干什么用？
官方口径：可直接用于分类、预测等任务，或作为修改版 MIMIC 子集支持其他研究。第三方已把它当临床推理 agent 基准（DxChain 评测主诊断准确率、诊断召回与逻辑一致性），也可改造为信息抽取、检验推荐、报告理解的训练/评测料。

§2 名称、身份与谱系：它到底是不是又一个 MIMIC 衍生集

2.1 命名解析

「MIMIC-IV-Ext Cardiac Disease」这个名字分三段读：

MIMIC-IV：Medical Information Mart for Intensive Care IV，MIT 计算生理学实验室与贝斯以色列女执事医疗中心（BIDMC）联合维护的重症监护 EHR 数据库，本条目的母数据集。
Ext：Extended 的缩写，标记这是一条「扩展系列」——PhysioNet 上存在多个以 MIMIC-IV-Ext 开头的条目（Clinical Decision Making、Triage Instruction Corpus、Apixaban Trial Criteria Questions、ECG-Glucose 等），它们共享同一个思路：不搬运 MIMIC-IV 原始表，而是针对某一任务场景做任务化重组。本条目是该家族中的心血管诊断分支。
Cardiac Disease：任务域限定——只收主诊断为 20 种心脏病之一的住院记录。

2.2 与库内 MIMIC 系条目的区分

本库已收录大量 MIMIC 系条目，检索时极易混淆。按血缘与定位分四类对照：

类别	条目	关系
全库镜像	mimiciv（MIMIC-IV v3.1 本体）、mimiciii / MIMIC-III、mimic3wdb 系列、MIMIC-IV-ED	本条目的上游血缘：4761 例全部出自 MIMIC-IV
单模态衍生	mimic-iv-ecg（心电波形）、mimic-iv-echo（超声心动）、mimic-cxr 系列、mimic-iii-ext-ppg	直接引用：ECG 机器报告字段原样引自 MIMIC-IV-ECG
同族扩展	mimic-iv-ext-pe（肺栓塞）、mimic-iv-ext-ecg-glucose	同方法论兄弟：均为 MIMIC-IV-Ext 任务化扩展，但疾病域/模态不同
邻域应用	nosocomial-risk-mimic、mimic-perform、phenotype-annotations-mimic 等	共享母库的平行应用，无文件级血缘

独立性声明：本条目不是上述任何条目的别名、版本或合并视图。它的独占内容是「心脏病主诊断 × 全检查链证据重组 × 多轮交互任务定义」这一组合——库内没有第二个条目同时覆盖这三个要素。它与 mimic-iv-ext-pe 共享「MIMIC-IV-Ext + 诊断任务化」的方法论，但病例集、病种表与证据字段互不重叠（一个心血管、一个肺栓塞）；它与 mimic-iv-ecg 是引用关系而非版本关系。

2.3 官方标识符

DOI：10.13026/khgm-hc33（v1.0.0 永久解析）
RRID：SCR_007345（PhysioNet 平台级资源标识，引用时随 DOI 一并给出）
引用格式：Cao, J., & Zhao, S. (2025). MIMIC-IV-Ext Cardiac Disease (version 1.0.0). PhysioNet.
版本史：仅 1.0.0 一版（2025-05-06 发布），截至检索时无更新版本

§3 构建方法：四道工序把 EHR 变成诊断剧本

3.1 工序一：ICD 主诊断筛选

从 MIMIC-IV 的 diagnoses_icd 表出发，按心脏病 ICD 编码过滤主诊断字段。编码范围取 ICD-10 的 I20-I25（缺血性心脏病）、I30-I50（心包、心内膜、心肌、瓣膜、传导、心律失常、心衰等），覆盖 ICD-9 时代的 410-414（缺血）与 420-428（其他心脏病）。ICD-9 编码经映射表统一转换为 ICD-10 后合并计数。最终得到 4761 条住院记录，每条的主诊断落入 20 种心脏病之一。

3.2 工序二：影像检查抽取与同义词词典

这是全流程最棘手的一环。影像检查名的同义写法极多（同一次超声心动在报告里可能写作 ECHO、TTE、echocardiogram、心脏彩超等），报告格式又因科室与年代而异。作者的解法是人工种子词典：

随机抽取 200 份出院报告，人工标注其中出现的全部影像检查名；
以标注结果构建「同义词 → 标准检查名」的词典；
抽取前先从出院报告中移除检验与微生物段落（这两段的表达方式会污染影像抽取）；
用词典在清洗后的报告上做匹配，抽取每例的影像检查结果；
清洗：少于 3 例的影像检查整体删除（样本过少的检查对评测无统计意义）。

每例最终保证至少两项影像检查结果。

3.3 工序三：检验与微生物的分组重组

检验数据（labevents）量大且项目名琐碎，直接喂给模型既费上下文又难学。作者按体液 + 检验类型两级分组：

血液类按基础检验组打包：全血细胞计数（CBC）、肝功能、肾功能、心肌标志物等；
其他体液独立成组：尿液归入尿常规（urinalysis）、腹水归入腹腔穿刺液检查、胸水归入胸腔穿刺液检查；
微生物培养（microbiologyevents）单独成表，保留培养结果原文；
每类另出「首次版」表（heart_labevents_first_lab.csv / heart_microbiologyevents_first_micro.csv），只保留住院期间第一次结果，供不需要时序的下游任务使用。

3.4 工序四：防泄漏排除与双口径诊断表

泄漏防线：出院报告的影像段落中若出现 PRE-CPB / POST-CPB / PRE BYPASS / POST BYPASS 等体外循环标记，整条记录排除——这些标记意味着患者接受了心脏外科手术（搭桥、换瓣等），而手术史本身就是强诊断信号，留在报告里等于作弊。

诊断表双口径是本数据集的一个精巧设计：

heart_diagnoses_all_true.csv：保留原始 ICD 编码与完整 long_title，用于需要细粒度诊断标签的任务；
heart_diagnoses_all.csv：ICD 码只取前三位、病名取大类，用于按疾病类别评估的任务（20 病种分类即用此口径）。

两个文件都从 MIMIC-IV 的 diagnoses_icd.csv 抽取，因此每例不止有主诊断，还有住院期间记录的全部合并症与继发诊断——DxChain 论文统计平均每例 14.21 个真实诊断，正说明这个数据集对「只猜主诊断」的模型同样会漏掉大量合并症信息。

3.5 工序五：ECG 引入与 RAG 检索库

ECG 机器报告直接引自 MIMIC-IV-ECG 数据集，以 reports 字段并入核心表（多条以空格分隔）。另将主诉与 HPI 整理为 HPI.json、全量证据整理为 RAG_data.json，作为官方多轮交互框架的检索数据库——模型每请求一项检查，框架在这两个 JSON 中检索对应 hadm_id 的结果返回。

§4 数据规模与病种分布：4761 例的全景

4.1 逐病种病例数（v1.0.0 官方表）

#	疾病	ICD-10	病例数	占比
1	心力衰竭（Heart failure）	I50	1420	29.8%
2	急性心肌梗死（Acute myocardial infarction）	I21	1398	29.4%
3	慢性缺血性心脏病（Chronic ischemic heart disease）	I25	633	13.3%
4	心房颤动与扑动（Atrial fibrillation and flutter）	I48	434	9.1%
5	非风湿性主动脉瓣病变（Nonrheumatic aortic valve disorders）	I35	229	4.8%
6	心包其他疾病（Other diseases of pericardium）	I31	146	3.1%
7	阵发性心动过速（Paroxysmal tachycardia）	I47	128	2.7%
8	急性心包炎（Acute pericarditis）	I30	81	1.7%
9	房室与左束支传导阻滞（AV and left bundle-branch block）	I44	67	1.4%
10	非风湿性二尖瓣病变（Nonrheumatic mitral valve disorders）	I34	49	1.0%
11	急性与亚急性心内膜炎（Acute and subacute endocarditis）	I33	36	0.8%
12	心绞痛（Angina pectoris）	I20	35	0.7%
13	其他心律失常（Other cardiac arrhythmias）	I49	34	0.7%
14	心肌病（Cardiomyopathy）	I42	31	0.7%
15	急性心肌炎（Acute myocarditis）	I40	16	0.3%
16	其他急性缺血性心脏病（Other acute ischemic heart diseases）	I24	11	0.2%
17	后续性心梗（Subsequent STEMI/NSTEMI）	I22	5	0.1%
18	其他传导障碍（Other conduction disorders）	I45	5	0.1%
19	心脏骤停（Cardiac arrest）	I46	2	0.04%
20	非风湿性三尖瓣病变（Nonrheumatic tricuspid valve disorders）	I36	1	0.02%

4.2 分布形态读解

这张表是使用本数据集前必须消化的第一手事实，三个要点：

头重脚轻：心衰（1420）+ 急性心梗（1398）两病种合计 2818 例、占全集 59.2%；前四名占 81.6%。任何「全集准确率」指标都会被头部病种主导。
长尾极长：尾部五个病种（I22/I45/I46/I36 及 I24 以下）合计不足 30 例——三尖瓣病变仅 1 例、心脏骤停仅 2 例。对这些病种做 leave-one-out 式评测在统计上无意义，正确的用法是把它们当作「模型在极稀缺样本上的行为观察点」。
不均衡基准的正确打开方式：评测建议按病种分层报告（per-class），或采用 macro 平均；若沿用官方 20 类分类框架，需明确对尾类的处理策略（合并、过采样或单列「长尾组」）。

4.3 病例结构数字

4761 条住院记录（hadm_id 级）；同患者多次住院各计一条
平均每例 14.21 个真实诊断（DxChain 论文附录口径）——注意这是「住院期间记录的全部 ICD 编码数」，不是主诊断数
每例至少 2 项影像检查、多组检验、若干微生物培养、若干 ECG 机器报告
母库时段：MIMIC-IV v3.1 覆盖 2008-2022 年 BIDMC 住院人群（本子集未单独披露年份分布）

§5 文件字典：10 个文件逐表拆解

本节按 PhysioNet 官方 Data Description 逐文件展开，作为拿到数据后的第一张速查表。

5.1 heart_diagnoses.csv — 核心证据链表

全数据集的中枢，其他文件经 hadm_id 与它关联。字段分三组：

标识组：hadm_id（住院记录，主键）、subject_id（患者）、note_id（出院报告，取自 MIMIC-IV-Note 的 discharge.csv）；
叙事组：主诉（chief complaint）、现病史（HPI）、入院查体（physical examination）、影像检查结果（经同义词词典抽取，至少 2 项）；
辅助组：reports 字段存放 MIMIC-IV-ECG 的机器生成 ECG 报告，多条报告以空格分隔。

5.2 heart_diagnoses_all.csv / heart_diagnoses_all_true.csv — 诊断双口径

两表均抽取自 MIMIC-IV 的 diagnoses_icd.csv，记录每例住院的全部 ICD 诊断：

all 版：icd_code 只保留前三位（如 I50、I21），long_title 为对应大类病名——用于 20 类分类等粗粒度任务；
all_true 版：保留完整 ICD 码与原始 long_title——用于细粒度诊断、合并症分析。

5.3 heart_labevents_examination_group.csv — 检验全量表

抽取自 MIMIC-IV labevents.csv，新增 examination_group 字段标注检验所属的基础检验组（全血细胞计数、肝功能、肾功能、心肌标志物、尿常规、腹腔穿刺液、胸腔穿刺液等）。这是多轮交互框架按「开单」检索结果的主要数据源。

5.4 heart_labevents_first_lab.csv — 检验首次版

上一表的精简版：同一患者同一检验只保留住院期间第一次结果。适用于把检验当静态特征的分类/预测任务，避免时序对齐成本。

5.5 heart_microbiologyevents.csv / heart_microbiologyevents_first_micro.csv — 微生物培养双表

同样一对全量/首次表，来自 MIMIC-IV microbiologyevents.csv。感染性心内膜炎（I33，36 例）等病种的诊断高度依赖血培养结果，这两张表是相关病例的核心证据。

5.6 heart_procedures.csv — 操作表

抽取自 MIMIC-IV procedures.csv，记录住院期间的操作与手术编码。注意与防泄漏逻辑的关系：手术信息从出院报告叙事中被排除（PRE-CPB 标记），但操作编码表独立保留——下游若不想让模型从操作码反推诊断，需自行裁剪。

5.7 HPI.json / RAG_data.json — 检索库

官方多轮交互框架的 RAG 数据库：HPI.json 收录每例主诉与现病史（对话的初始上下文），RAG_data.json 收录全量检查证据（模型请求检查时的检索目标）。两者以 hadm_id 索引。字段级说明见数据集 README.md。

5.8 关系图（文字版）

heart_diagnoses.csv（核心，hadm_id 主键）
 ├── heart_diagnoses_all.csv          （诊断·大类口径）
 ├── heart_diagnoses_all_true.csv     （诊断·原始码口径）
 ├── heart_labevents_examination_group.csv （检验·全量+分组）
 │     └── heart_labevents_first_lab.csv   （检验·首次）
 ├── heart_microbiologyevents.csv     （微生物·全量）
 │     └── heart_microbiologyevents_first_micro.csv （微生物·首次）
 ├── heart_procedures.csv             （操作编码）
 └── [引用] MIMIC-IV-ECG 机器报告 → reports 字段
HPI.json / RAG_data.json（检索库，服务官方交互框架）

§6 License 与获取：PhysioNet 凭证访问的完整路径

6.1 访问性质：凭证制，非公开直链

本数据集在 PhysioNet 标注为 Credentialed Access（部分 PhysioNet 列表页亦显示为 Restricted——两种标注口径并存，实际均为需凭证访问，本条目在 §9 存照）。这意味着：

没有公开直链，无法匿名下载；
获取需走 PhysioNet 标准凭证流程（见 6.2）；
数据不得再分发——拿到数据后不能转传给未授权同事，每人需自行申请。

6.2 获取四步（如实标注）

注册 PhysioNet 账号：physionet.org 实名注册；
完成 CITI 课程认证：在 CITI Program 完成「Data or Specimens Only Research」课程，把证书上传至 PhysioNet 个人页等待审核（首次约需 1-3 个工作日）；
签署数据使用协议（DUA）：在数据集页面（https://physionet.org/content/mimic-iv-ext-cardiac-disease/1.0.0/）点 Credentialed access 链接，接受与 MIMIC-IV 同源的 DUA 条款；
下载：凭证生效后经页面或 rsync/Globus 获取全部 10 个文件。

诚实成本提示：从零走完上述流程通常需要数天（CITI 课程本身需数小时学习+考试）。若团队已有 MIMIC-IV 访问权，本数据集不设额外门槛——同一凭证直接可用。

6.3 许可条款要点

本数据集是 MIMIC-IV 的衍生子集，未新增任何患者数据，伦理审批沿袭母数据集（BIDMC 机构审查豁免 + MIT 合规框架）；
使用遵循 PhysioNet DUA：仅限合法研究、禁止商业再识别、禁止尝试恢复患者身份、禁止向未授权方分发、发表时须按规定引用；
与母数据集 MIMIC-IV（v3.1）条款一致，无独立的新许可文本。

6.4 引用义务

使用本资源时按官方要求引用：Cao, J., & Zhao, S. (2025). MIMIC-IV-Ext Cardiac Disease (version 1.0.0). PhysioNet. doi:10.13026/khgm-hc33（RRID: SCR_007345）。若同时使用了 MIMIC-IV 原库或 MIMIC-IV-ECG，应一并引用对应条目。

§7 评估与基准：官方框架与第三方战报

7.1 官方任务定义：多轮引导诊断

官方设定的检验问题是「大模型能否引导患者完成院内检查」。交互协议：

系统注入主诉与现病史（HPI.json）；
模型每轮选择：请求某项检查 / 追问病史 / 给出最终诊断；
请求检查时，框架在 RAG_data.json 中按 hadm_id 检索对应结果返回（检验按 examination_group 组名检索，影像/ECG 按检查名检索）；
终局诊断与 heart_diagnoses 双口径真值对照。

这个协议把「诊断准确率」变成了一个过程量：模型的开单效率（是否用最少的检查收敛）、开单合理性（是否选对病种特异性检查）、与诊断质量（终局命中）三者共同构成评估面。

7.2 第三方基准：DxChain（arXiv:2604.23605）

DxChain（2026-04 挂网）把本数据集与 MIMIC-IV-Ext CDM 并列为两大真实 EHR 基准，附录 A.1.1 明确记载：4761 例、20 种心血管病理、平均 14.21 个真值诊断/患者，并强调数据集「高度复杂，检验 agent 识别主诊断与多重合并症的能力」。

其在 GPT-4.1-Mini 骨干上的主结果（主诊断任务）：

方法	主诊断 ACC	平均诊断数	诊断 Recall
Base-model（直读）	74.08	6.62	49.88
Base + CoT	74.04	6.72	50.50
Medagents	72.21	9.54	44.38
MDagents	75.36	9.79	51.89
KAMAC	77.05	11.15	43.58
MAM	73.78	9.95	48.85
DxChain	84.98	13.66	47.88

GPT-5-Nano 骨干上：Base 77.93 → DxChain 82.91；平均诊断数 5.32 → 9.98。

7.3 结果读解三条

「平均诊断数」是被低估的指标：真值是 14.21，而 Base 模型只报 6.62 个诊断——医疗 LLM 的系统性保守（不敢列合并症）在本基准上被量化得非常直观。DxChain 的 13.66 逼近真值，但其 Recall 只从 49.88 → 47.88（GPT-4.1-Mini 下反而略降），说明「报得多」与「报得对」尚未同步解决。
多 agent 框架未必占优：Medagents（72.21）低于裸模型（74.08）——在这类嘈杂真实数据上，框架的复杂度可能放大噪声传播。
本数据集不提供官方 leaderboard：作者发布的是数据与交互框架，各论文的预处理、骨干模型、指标定义各异，跨论文数字不可直接横比；复现评测时须固定协议。

§8 使用者实操清单：从拿到凭证到跑通第一个评测

8.1 下数据阶段

确认 CITI 证书在 PhysioNet 个人页处于 approved 状态；
在数据集 1.0.0 页面签署 DUA 后下载（约数百 MB 量级 CSV/JSON）；
校验 hadm_id 一致性：heart_diagnoses.csv 的 hadm_id 应为其他所有表外键的母集；
顺手记录下载版本（1.0.0）与日期，写进实验日志——PhysioNet 后续若出 1.1 版，结果可比性依赖版本锚定。

8.2 理解数据阶段

先读官方 README.md 的字段说明（PhysioNet 页面明示字段表在 README 中，不在摘要里）；
用 heart_diagnoses_all_true.csv 统计每例诊断数分布，亲自验证 14.21 这个均值的口径；
抽 3-5 例完整读一遍叙事字段，感受出院报告抽取后影像/检验段落的残留形态——这决定你信不信抽取质量；
检查 reports 字段的空格分隔约定：ECG 多报告合并存放，先 split 再用。

8.3 搭评测阶段

决定诊断口径：20 类分类用 all 版，细粒度用 all_true 版——论文里必须写清用的是哪张表；
处理长尾：I36（1 例）/I46（2 例）等尾类建议合并入「其他」或单列长尾组，否则 per-class 指标会被零除或单样本波动主导；
若做交互式评测，实现请求-检索回环时注意：检验结果应按 examination_group 整组返回（与临床开单粒度一致），而不是逐个项目；
复现 DxChain 类对比时固定骨干模型与对话轮数上限，否则过程性指标（开单数）不可比。

8.4 合规阶段

论文引用官方 BibTeX（含 DOI 与 RRID）；
若与 MIMIC-IV 原库回联（如取人口学、出入院时间），确认你的 MIMIC-IV DUA 仍在有效期；
不在本数据集上训练后公开的模型权重中嵌入可再识别信息——DUA 禁止再识别用途；
发布衍生代码时只放处理脚本与指标，不放任何数据内容（含样例叙事字段）。

§9 坑点清单：使用本数据集前必须知道的九个坑

坑 1：把「Credentialed」当「Open」去搜直链。
PhysioNet 上有些 MIMIC 衍生集（如 MIMIC-IV-Note 的部分组件、Demo 子集）是开放的，但本数据集不是。在 GitHub/HuggingFace 上搜到的任何「镜像」都违反 DUA，且无法保证与官方 1.0.0 一致——唯一合法来源是 PhysioNet 凭证下载。别用第三方打包版的数字写论文。

坑 2：混淆住院记录级与患者级。
4761 是 hadm_id（住院记录）数，不是患者数。同一患者心衰住院两次即计两例；做患者级聚合（如跨住院追踪）需先按 subject_id 去重，否则样本泄漏（同一患者横跨训练/测试集）会虚高结果。

坑 3：用全集准确率掩盖病种偏斜。
头部两病种占 59.2%，一个只会认心衰和心梗的模型全集准确率就能过半。评测必须 per-class 或 macro 平均，并在论文里报出 20 类各自的样本量（§4.1 表可直接引用）。

坑 4：忽略 ICD 双口径表。
用 all_true 版做 20 类分类会把「I50.33」当独立类别；用 all 版做细粒度诊断会丢亚型信息。开工前先明确任务粒度，选对表；论文若不写清用的哪张表，数字无法被复现。

坑 5：把排除体外循环记录误解为「无外科病例」。
防泄漏排除的是出院报告影像段落含 CPB 标记的记录，heart_procedures.csv 里仍保留操作编码。若你的任务不希望模型从操作码反推手术史，需要自己裁剪该表；反之若研究外科围术期诊断，这份被排除的样本群体本身已不在数据集内——结论不能外推到心脏外科人群。

坑 6：高估影像抽取的完整性。
影像字段靠 200 份人工标注构建的同义词词典抽取，报告书写异质性意味着召回必有缺口；官方也明示 MIMIC-IV 本身不保证收录全部检查。把「记录里没有某检查」推断为「临床没做某检查」是过度解读。

坑 7：把 14.21 平均诊断数当主诊断数。
14.21 是每例全部记录在案的 ICD 诊断均值（含合并症与继发诊断）。主诊断任务下真值只有 1 个/例。混用两者会让「模型漏了多少诊断」的结论相差一个数量级。

坑 8：检验检索按项目名而非检验组。
官方把检验组织成 examination_group（CBC、肝功等），这是临床开单的真实粒度。若交互框架按单个项目（如「血钠」）检索，模型一次「开单」能撬出整组结果，任务难度会被无意拉低，与官方协议不可比。

坑 9：跨论文横比成绩。
本数据集无官方 leaderboard，DxChain 等论文各自设定骨干模型、轮数上限、指标实现。看到「84.98」时先问：哪个骨干、几轮、什么口径的 ACC——脱离协议的数字对比没有意义。

§10 与 MIMIC 生态的关系图谱

10.1 血缘上游

MIMIC-IV v3.1（库内条目 mimiciv）：4761 例的唯一数据源。诊断取自 diagnoses_icd，检验取自 labevents，微生物取自 microbiologyevents，操作取自 procedures，出院叙事取自 MIMIC-IV-Note 的 discharge 组件。理解本数据集的任何字段异常（缺失、格式、单位）都应回到母库文档找答案。
MIMIC-IV-Note：note_id 与出院报告文本的直接来源。
MIMIC-IV-ECG（库内条目 mimic-iv-ecg）：reports 字段的内容提供方。若需要心电波形（而非机器报告文本），需另行回联 MIMIC-IV-ECG 原库。

10.2 同族横向对照

条目	域	规模	与本条目关系
MIMIC-IV-Ext CDM（库外，PhysioNet）	腹部病理（阑尾炎/胆囊炎/憩室炎/胰腺炎）	2400 例	同方法论（检查证据链+多轮决策）；DxChain 用两者论证跨脏器泛化
mimic-iv-ext-pe（库内 rid 618）	肺栓塞	—	同前缀扩展系列，疾病域不同
mimic-iv-ext-ecg-glucose（库内 rid 998）	心电+血糖模态组合	—	同前缀扩展系列，任务形态不同
MIMIC-IV-Ext Triage / Apixaban 等（库外）	分诊/试验资格	—	MIMIC-IV-Ext 家族其他分支

10.3 典型组合用法

本集 + mimic-iv-ecg：文本证据链 + 原始波形，做多模态诊断（报告与波形同源，可对齐验证）；
本集 + mimiciv：按 subject_id/hadm_id 回联人口学、药物、出入院时间，扩充特征面；
本集 + MIMIC-IV-Ext CDM：心血管 + 腹部双域评测，检验诊断 agent 的跨脏器泛化（DxChain 范式）。

§11 局限与批评性视角

11.1 数据侧局限

病种偏斜不可回避：59.2% 集中在两个病种，尾类样本接近于零。这个分布继承自真实住院谱系，无法在不失真的前提下重采样——使用者只能靠分层评测与长尾策略缓解。
单中心固有限制：全部病例来自 BIDMC 一家医院 2008-2022 年的住院人群，检查项目组合、报告书写风格、编码习惯均带单中心印记，跨中心泛化未经验证。
叙事抽取的误差传导：HPI、查体、影像三个叙事字段全部经程序+词典从出院报告抽取，词典的覆盖面与抽取规则的一致性没有发表量化评估（200 份标注样本的构建质量未见独立报告）。
成人重症偏置：MIMIC-IV 覆盖 ICU 相关住院成人，儿科、门诊、轻症未覆盖；「引导院内检查」的评测结论不能外推到初级保健场景。

11.2 任务侧局限

多轮交互的「患者」是数据库：官方框架里模型的每项请求都得到数据库的真实回报，但真实患者的检查有禁忌、延迟、成本与假阴性——框架不模拟这些摩擦，评测的是「理想检查环境下的引导能力」。
无官方 leaderboard 与标准划分：数据未预设 train/test 切分，各论文自行切分导致数字不可比（坑 9）。
诊断真值本身是编码产物：ICD 编码由医院编码员依病历录入，存在漏编与特异性缺失（ICD 编码质量文献中已充分记载）；把编码当金标准评估模型，等于接受编码员的视野上限。

11.3 一个平衡的评价

上述局限大多继承自「用真实数据评测」这条路本身的代价——正如作者在背景中所说，真实数据难获取、难处理，但这恰恰是 95% 的现有评测缺位的地方。本数据集的价值不在于它是无瑕的金标准，而在于它把医疗 LLM 的考卷从「题目干净的小剧本」换成了「信息分散、需要主动收集的真实病历」，并给出了可复用的重组工序（同义词词典、检验分组、防泄漏排除）供后续其他病域复制。

§12 案例解剖：一例心衰住院的证据链长什么样

以一例典型 I50（心衰）住院为例，说明各字段在证据链中的角色（示意性重构，非具体患者数据）：

主诉：「活动后气短 3 月，加重伴双下肢水肿 1 周」——模型的起点信息；
现病史（HPI）：起病过程、既往心衰/高血压史、用药与依从性——HPI.json 的检索源；
入院查体：双肺湿啰音、下肢凹陷性水肿、颈静脉怒张——床旁证据，模型判断是否需要立即开 BNP；
检验组：examination_group 标注的 BNP/NT-proBNP（心肌标志物组）、电解质与肾功（利尿剂安全性评估组）、CBC——模型按组开单，框架按组返回；
影像：胸片（肺淤血）+ 超声心动（LVEF、瓣膜情况）——同义词词典抽取的关键证据；
ECG 机器报告：节律、ST-T 改变——引自 MIMIC-IV-ECG；
微生物培养：若疑似感染诱发心衰失代偿，血培养结果入链；
终局：heart_diagnoses_all_true.csv 里的完整 ICD 列表——主诊断 I50.x 之外，往往还有 10+ 条合并症编码（高血压、房颤、CKD 等），这正是 14.21 均值的来源，也是「只猜主诊断」以外的第二个评测面。

这条链的评测形态：模型看完 1-3 后应主动开出 4-6 中最关键的检查（而非一次全要），收到回报后修正假设，最终给出覆盖主诊断与主要合并症的诊断列表。

§13 按角色阅读路径：五类使用者各自的最低必读集

医疗 LLM 评测者：§1 Q5/Q9 → §5.7 检索库 → §7.1 协议 → §9 坑 2/3/8/9 → §8.3 第 9-12 条。核心是固定协议与分层指标，别做全集均值。

诊断 agent 开发者：§3.4 双口径 → §5 全部 → §7.2 DxChain 结果 → §11.2 第 5/6 条。你的系统要优化的第一指标可能是「平均诊断数 vs 真值 14.21」的缺口，而不只是主诊断 ACC。

MIMIC 生态数据工程师：§2.2 分类表 → §3 五道工序 → §5.8 关系图 → §10。若要为其他病域复制本方法（如呼吸、肾病），§3 的工序清单可直接当模板。

医学信息学教学者：§0 → §4.2 分布读解 → §11 局限与平衡评价 → §12 案例。本条目是「真实数据评测为什么难、又为什么必须」的现成教案。

临床研究者（非 AI 背景）：§1 十问 → §6 获取路径 → §9 坑 4/7。重点搞清：你需要 CITI 认证与 DUA；引用时用哪个口径的诊断表决定你的研究粒度。

§14 常见误解澄清

误解：这是开源数据集，可以直接下载。 事实：凭证制（CITI + DUA），无公开直链；官方页面的 Credentialed/Restricted 双标注均指同一事实——需要授权。
误解：4761 个患者。 事实：4761 条住院记录（hadm_id），患者数小于等于该值。
误解：每例包含住院期间做过的所有检查。 官方原文明确否认：「不保证 MIMIC-IV 收录住院期间进行的全部检查」——缺失不等于未做。
误解：它有篇配套论文。 事实：本数据集以 PhysioNet 数据库条目形式发布（v1.0.0），无独立同行评审论文；引用对象是条目本身 + 配套开源框架。
误解：数据集包含心电波形/影像原图。 事实：包含的是 ECG 机器报告文本（引自 MIMIC-IV-ECG）与影像报告文本（出院报告抽取），无波形、无 DICOM。需要原图/波形须回联对应母库。
误解：排除体外循环记录是为了「纯内科」。 事实：目的是防数据泄漏（CPB 标记暴露手术史），不是构建纯内科队列；操作编码表仍在。
误解：MIMIC-IV-Ext 是一个数据集的名字。 事实：它是 PhysioNet 上一族 MIMIC-IV 任务化扩展条目的前缀，本条目只是其中心血管分支。

§15 一页速查卡

要素	答案
slug	mimic-iv-ext-cardiac-disease
官方名	MIMIC-IV-Ext Cardiac Disease
作者	Jiawei Cao, Sendong Zhao（清华）
发布	PhysioNet v1.0.0，2025-05-06
DOI / RRID	10.13026/khgm-hc33 / SCR_007345
规模	4761 住院记录，20 种 ICD-10 心脏病
主键	hadm_id（联 subject_id / note_id）
文件	9 CSV + 2 JSON（核心 heart_diagnoses.csv）
每例内容	主诉/HPI/查体/≥2 影像/检验分组/微生物/ECG 报告/全 ICD 诊断
头部病种	心衰 1420、急性心梗 1398（合计 59.2%）
平均诊断数	14.21（全部 ICD，非主诊断）
任务	多轮引导诊断；20 类分类；合并症预测
防泄漏	排除 PRE/POST-CPB 与 BYPASS 标记记录
获取	PhysioNet 凭证：CITI 认证 + DUA
许可	随 MIMIC-IV 的 PhysioNet DUA
第三方基准	DxChain：主诊断 ACC 74.08→84.98（GPT-4.1-Mini）
生态	上游 mimiciv / mimic-iv-ecg；同族 MIMIC-IV-Ext CDM、ext-pe、ext-ecg-glucose

§16 建议互链点（库内条目）

以下为建议互链清单，rid 以发布后 DB 回填为准，占位一律 /0：

mimiciv — 母数据集 MIMIC-IV 本体条目，血缘上游第一链。
mimic-iv-ecg — ECG 机器报告的提供方，reports 字段血缘。
mimic-iv-ext-pe（rid 618）— 同族 MIMIC-IV-Ext 扩展（肺栓塞），方法论兄弟。
mimic-iv-ext-ecg-glucose（rid 998）— 同族扩展（心电+血糖），前缀同源。
mimic-iv-echo — 心血管域单模态兄弟（超声心动影像），与本集的影像报告文本互补。
nosocomial-risk-mimic — MIMIC 系应用条目，展示同库不同任务形态。

消歧说明（正文口径，不入 frontmatter relatedLink）：本条目与库内全部 MIMIC 系条目互不为别名或版本；与 mimic-iv-ext-pe/ext-ecg-glucose 仅共享「MIMIC-IV-Ext」方法论前缀，疾病域与文件集互不重叠。

§17 双口径存照与遗留疑点

17.1 双口径存照

访问级别双标注：PhysioNet 主题列表页标注本条目为「Database Credentialed Access」，另一生成器主题页标注「Database Restricted Access」。判定：两者指同一访问机制（需凭证/DUA），条目页自身以凭证访问流程为准。本条目按 Credentialed Access 口径成稿，并在 §9 坑 1 提示。
作者机构：PhysioNet 条目页仅列作者名（Jiawei Cao, Sendong Zhao），未标注机构；「清华大学」系依据作者公开履历推断，正文按此口径并在此存照。
时间覆盖：本子集未单独披露年份分布，「2008-2022」为母数据集 MIMIC-IV v3.1 的覆盖时段口径，已在 schema_org 与 §4.3 标注为母库口径。

17.2 遗留疑点

作者配套开源多轮交互框架的 GitHub 仓库确切 URL 未能从 PhysioNet 摘要文本中提取（页面 usage notes 提及开源代码但链接未随摘要返回）；同作者生态下的 github.com/geteff1/Multi-agent-conversation-for-disease-diagnosis 为疑似相关仓库，未确证为本数据集配套，正文未以此为准。
逐病种病例数（§4.1 表）取自 PhysioNet 1.0.0 官方页表格，未对 CSV 原始数据逐项复核（需凭证，本环境无法获取）；若使用中发现个别病种计数与官方表不一致，以 CSV 实数为准并知悉官方表可能有出版时点差。
数据总体积（MB/GB 级别）官方页未披露，速查卡留空处理。

17.3 检索存照记录

WebSearch（2026-10-17）：MIMIC-IV-Ext Cardiac Disease dataset PhysioNet → PhysioNet 条目页 + 1.0.0 版页（源一、源二）
WebSearch（2026-10-17）："MIMIC-IV-Ext" cardiac disease Cao Zhao GitHub multi-turn LLM benchmark paper → arXiv:2604.23605 DxChain（源三）+ CatalyzeX/ResearchSquare 旁证
DB 查重（2026-10-17）：url_name ILIKE ‘%cardiac%’ / ‘%mimic-iv-ext%’ / ‘%cardiac-disease%’ 三轮，无本 slug，CLEAN
writing/ 目录无同名目录；.lock 由 agent-d-mimicivext 持有

§18 结语：为什么这个「小」数据集值得一条独立词条

在以 TB 计的 MIMIC 家族里，4761 条文本记录实在算不上大。但它做对了一件比规模重要得多的事：把「真实数据评测」从一句口号拆成了四道可复制的工序——ICD 主诊断切域、同义词词典抽影像、检验分组对齐开单粒度、防泄漏标记排除。这三后继者（CDM 扩展、第三方 DxChain 评测）已经证明这套工序可以跨病域复制、其产出能稳定区分裸模型与推理框架的差距。

对医疗 LLM 的研究者，它是考试模式之外少数几张真实考卷之一；对 MIMIC 生态的工程师，它是一份「如何把母库改造为任务基准」的方法论样板；对整个领域，它连同 MIMIC-IV-Ext 家族在回应同一个问题——当医疗 AI 走出题库、走进病历室，我们用什么量尺。这条词条记录的就是那把量尺的图纸。

本条目由千方病案医数集写手代理 agent-d-mimicivext 于 2026-10-17 编写；核心数字以 PhysioNet 官方页（v1.0.0）与 arXiv:2604.23605 附录为源；获取与许可信息如实标注 PhysioNet 凭证要求。

§19 逐病种检查逻辑手册（上）：缺血与心衰群组

本节与下节为 20 个病种各给出一段「证据链读法」——模型开单与收敛诊断时病种特异性的参照，也是评测者设计 per-class 分析时的医学底稿。内容为通用临床常识性整理，用于说明本数据集证据链字段与临床推理的对应关系。

19.1 I50 心力衰竭（1420 例）

核心证据：NT-proBNP/BNP（心肌标志物组）、超声心动 LVEF、胸片肺淤血、利尿剂反应。
证据链用法：主诉多为活动后气短+水肿；查体颈静脉怒张与湿啰音是模型应捕捉的叙事字段；检验组中肾功能与电解质伴随出现（利尿剂安全性）——数据集 examination_group 的分组恰好对应这一开单习惯。
评测要点：头部病种，样本充足；真值诊断列表常合并房颤、CKD、高血压，适合测合并症召回。

19.2 I21 急性心肌梗死（1398 例）

核心证据：肌钙蛋白动态（同组多次检验，全量表含时序、首次表只有第一次）、ECG 报告 ST 段改变、冠脉造影（影像/操作）。
证据链用法：reports 字段的 ECG 机器报告是本题眼；heart_procedures.csv 中的 PCI 编码属于强证据——评测若不希望操作码泄漏诊断，需按 §9 坑 5 裁剪。
评测要点：STEMI/NSTEMI 亚型区分需依赖 all_true 版原始码；检验首次表会丢失肌钙蛋白动态趋势，做时序任务必须用全量表。

19.3 I25 慢性缺血性心脏病（633 例）

核心证据：负荷试验、既往心梗病史（HPI）、稳定型心绞痛叙事、陈旧性 ECG 改变（Q 波）。
证据链用法：与 I21 的区别主要在时间叙事——慢性化的线索藏在 HPI 与复诊叙事里，是检验模型长文本阅读能力的典型病种。

19.4 I20 心绞痛（35 例）

核心证据：运动负荷试验、冠脉 CTA。
评测要点：小样本病种（35 例），与 I25/I21 语义近邻，per-class 结果波动大；建议评测时报告与近邻病种的混淆矩阵。

19.5 I22 后续性心梗（5 例）与 I24 其他急性缺血（11 例）

评测要点：极小样本，任何单例错误都会翻转该类准确率；只作行为观察点，不进 macro 平均的显著性解读。

19.6 缺血群组的横向观察

缺血群组（I20-I25）合计约 2082 例，占全集 43.7%，且彼此语义高度近邻。这提示：数据集的 20 类框架在这个群组内的类间边界主要靠 ICD 编码而非临床表现维持——模型若把 I21 与 I25 混淆，按临床表现看未必是真错误，评测者应在错误分析中区分「编码粒度错误」与「临床错误」。

§20 逐病种检查逻辑手册（下）：心律失常、瓣膜、心包心肌群组

20.1 I48 心房颤动与扑动（434 例）

核心证据：ECG 报告（节律段）、Holter、HPI 中的心悸叙事、抗凝决策相关检验（肝肾功能、凝血）。
评测要点：房颤是「ECG 报告文本足以支撑诊断」的典型——reports 字段信息密度最高的病种之一；适合做「只给 ECG 报告能否诊断」的消融实验。

20.2 I47 阵发性心动过速（128 例）/ I49 其他心律失常（34 例）

核心证据：发作期 ECG、Holter、电生理检查。
评测要点：阵发性疾病的证据可能只在发作期记录中存在，住院期间未捕获发作时「记录缺失≠疾病不存在」的陷阱在此类最明显（呼应坑 6）。

20.3 I44 传导阻滞（67 例）/ I45 其他传导障碍（5 例）

核心证据：ECG 报告 PR/QRS 形态、起搏器相关操作编码。
评测要点：与 I48 共用证据类型（ECG 文本），类间区分靠报告细节词汇——是检验模型细粒度文本理解的试金石。

20.4 I35 主动脉瓣病变（229 例）/ I34 二尖瓣病变（49 例）/ I36 三尖瓣病变（1 例）

核心证据：超声心动（瓣膜形态与血流）、杂音听诊叙事、心导管。
评测要点：超声心动报告是瓣膜病的主战场；I36 单例，只可观察不可评测。三类互为近邻，瓣膜位置是区分维度——检验模型从影像报告文本抽取「哪个瓣膜」的能力。

20.5 I30 急性心包炎（81 例）/ I31 心包其他疾病（146 例）

核心证据：ECG 广泛 ST 抬高（与 STEMI 鉴别！）、胸痛叙事（体位相关）、超声（心包积液）、炎症指标。
评测要点：I30 与 I21 是数据集里最危险的诊断混淆对——心包炎的 ECG 也可示 ST 抬高。错误分析时应单独统计这对混淆。

20.6 I33 心内膜炎（36 例）

核心证据：血培养（微生物双表的核心应用场景）、超声（赘生物）、炎症指标。
评测要点：唯一以微生物培养为主证据的病种——若评测管线跳过微生物表，该病种近乎不可诊断；可借此检验框架是否正确接入了 heart_microbiologyevents 组。

20.7 I42 心肌病（31 例）/ I40 急性心肌炎（16 例）

核心证据：超声（心腔大小与功能）、CMR、心肌标志物、病毒前驱感染叙事（心肌炎）。
评测要点：心肌炎与心梗的鉴别（年轻患者+无冠脉危险因素+心肌标志物升高）是叙事+检验+影像三方联合推理的典型，多轮交互协议下最能体现开单顺序的价值。

20.8 I46 心脏骤停（2 例）

评测要点：样本量使评测失去意义；作为极端长尾的行为观察样本保留即可。

§21 评测协议参考实现（伪代码级）

为降低「各论文协议不可比」（坑 9）的摩擦，本节给出一份自包含的协议骨架，评测者可据此声明自己的协议变体：

输入: H = HPI.json[hadm_id]  # 主诉+现病史
状态: evidence = {}
循环 t = 1..T_max:
    action = LLM(H, evidence, 轮数预算=T_max-t)
    若 action.类型 == 请求检查:
        检验类 → 按 examination_group 整组返回
        影像/ECG/微生物 → 按检查名/培养名返回
        evidence ∪= 返回结果
    若 action.类型 == 最终诊断:
        break
评分:
    主诊断 ACC: 终局 top1 是否命中 heart_diagnoses_all.csv 主码
    细粒度命中: 对 heart_diagnoses_all_true.csv 全列表计算 precision/recall
    过程指标: 开单次数、按组开单率、重复开单率
报告口径: 必须披露 (骨干模型, T_max, 检索实现, 切分方式, 诊断口径表)

三条实现纪律：

整组返回（坑 8）：检验按 examination_group，与临床开单粒度一致；
披露 T_max：轮数上限直接决定开单行为，不披露则过程指标不可比；
双口径评分：主诊断 ACC 与全列表 precision/recall 分开报，勿合并成单一分数。

§22 指标定义速查

指标	定义	数据集内对应
主诊断 ACC	终局诊断 top1 命中主诊断 ICD（大类）	heart_diagnoses_all.csv
细粒度 P/R	终局诊断列表 vs 全部 ICD 编码的集合级精确率/召回率	heart_diagnoses_all_true.csv
平均诊断数	模型终局报告的诊断数均值（DxChain 口径）	真值参照 14.21
开单次数	多轮交互中请求检查的次数	协议参数 T_max 约束下
按组开单率	检验请求落在 examination_group 粒度的比例	实现细节指标
per-class ACC	逐病种准确率（20 类）	§4.1 样本量表加权解读

§23 与 MIMIC-IV-Ext CDM 的配对评测设计

DxChain 用「心血管 + 腹部」双基准论证泛化，本节把这种配对设计显式化，供后续评测复用：

同协议跨域：两数据集同为「检查证据链+多轮请求」形态，用同一套 T_max、检索实现、评分脚本跑两域，报告域间 ACC 差与开单行为差；
病种特异性开单分析：腹部域的检查组合（CT/超声/淀粉酶）与心血管域（ECG/肌钙蛋白/超声心动）几乎不重叠——模型若在两域都维持高开单精度，说明其「检查选择」学到了域内知识而非通用模板；
注意获取门槛差异：两集均为凭证访问，但 DUA 各自独立签署，不能因「都是 MIMIC-IV 衍生」而共用授权记录。

§24 术语表：本条目使用的关键概念

EHR（Electronic Health Record，电子健康记录）：医院信息系统里患者诊疗数据的总称。MIMIC-IV 即 BIDMC 重症住院人群的去标识 EHR 结构化版本，本数据集是其上的心脏病切片。

hadm_id / subject_id / note_id：MIMIC 三级标识体系——住院记录（hadm_id，本数据集主键）、患者（subject_id，跨住院聚合的键）、文档（note_id，出院报告锚点）。跨表回联与去重全靠这三把钥匙（坑 2）。

ICD-9 / ICD-10：国际疾病分类编码。MIMIC-IV 原始数据中两代编码并存（2008 秋前 ICD-9、之后 ICD-10），本数据集统一映射为 ICD-10 后按 I20-I25、I30-I50 过滤。前三位（如 I50）为大类，完整码（如 I50.33）含亚型——all/all_true 双表正对应这两层粒度。

HPI（History of Present Illness，现病史）：本次患病的起病、演变、伴随症状与既往相关病史叙事，出院报告的核心段落，也是多轮交互中模型的初始上下文。

Chief complaint（主诉）：患者入院时症状的一句话概括，证据链的起点字段。

examination_group（检验组）：本数据集自定义的检验分组字段，把零散检验项目归入 CBC、肝功、肾功、心肌标志物、尿常规等临床开单粒度的组——多轮框架的检索粒度即此（坑 8）。

CBC（Complete Blood Count，全血细胞计数）：最基础的血液检验组，白细胞/红细胞/血小板三系。

CPB（Cardiopulmonary Bypass，体外循环）：心脏外科手术中替代心肺功能的设备；出院报告中 PRE/POST-CPB 标记是手术史的痕迹，本数据集以此防泄漏（§3.4、坑 5）。

STEMI / NSTEMI：ST 段抬高型与非抬高型心肌梗死，心梗的两大临床亚型，对应 ICD-10 的 I21 与 I22（后续性）。

BNP / NT-proBNP：心力衰竭的核心生物标志物，检验分组中心肌标志物组的成员。

RAG（Retrieval-Augmented Generation，检索增强生成）：让模型按需从外部库检索信息的框架。本数据集的 HPI.json / RAG_data.json 即官方框架的检索库。

DUA（Data Use Agreement，数据使用协议）：PhysioNet 凭证访问需签署的法律文本，规定禁止再识别、禁止再分发等义务（§6）。

CITI：Collaborative Institutional Training Initiative，人体受试者保护课程平台；PhysioNet 要求凭证申请者完成其「Data or Specimens Only Research」课程（§6.2）。

RRID：Research Resource Identifier，科研资源的持久标识符；PhysioNet 平台级 RRID 为 SCR_007345，引用时随 DOI 给出。

Per-class / Macro 平均：分层评测口径。在头部病种占 59.2% 的本数据集上，全集均值会失真（坑 3），须用 per-class 或 macro。

多轮交互（Multi-turn interaction）：官方任务范式——模型逐轮请求检查并修正假设，区别于一次性给全信息的一问一答评测（§0、§7.1）。

§25 FAQ：审稿人与复现者最常问的十个问题

Q1：为什么不直接用 MIMIC-IV 原库做评测？
原库是面向数据工程的表结构（十余张关系表），不提供「一例的检查证据以临床叙事组织」的形态；本数据集完成了这个重组，并附任务定义。原库适合训模型，本集适合考模型。

Q2：训练集和测试集怎么切？
官方未预设切分。复现者须自行切分并披露（建议按 subject_id 分层切，防同患者跨集泄漏——坑 2）。

Q3：模型请求了数据里不存在的检查怎么办？
按「检查无结果/未做」返回空，并计入过程指标（无效开单率）。这正是真实 EHR 的摩擦之一——数据集不保证检查完整性（§14 第 3 条）。

Q4：能不能把本集和 MIMIC-IV-Ext CDM 混合训练？
可以但须分域报告；两域检查体系几乎不重叠，混合训练主要考验特征复用而非知识迁移（§23）。

Q5：主诊断从哪读？
heart_diagnoses_all.csv（大类口径）或 all_true.csv（原始码口径）中 seq 序位第一的编码即主诊断（MIMIC 惯例 seq=1 为主诊断；使用前在 CSV 中验证该约定）。

Q6：ECG 报告文本和 MIMIC-IV-ECG 波形能对上吗？
报告引自 MIMIC-IV-ECG，同源但本集不含波形；对齐需经 MIMIC-IV-ECG 原库的 study id 回联（§10.1）。

Q7：检验的时序信息在哪？
全量表（heart_labevents_examination_group.csv / heart_microbiologyevents.csv）含全部时点；首次表仅第一次结果。时序任务用全量，静态特征用首次（§5.4）。

Q8：这个数据集适合做嵌入模型评测吗？
适合做「证据链文本 → 诊断向量」的检索/分类评测，但要注意其文本均经抽取重组，与原始出院报告分布不同，在原始报告语料上训的嵌入不可直接迁移。

Q9：发表时需要引用哪些条目？
至少三件套：本集（DOI 10.13026/khgm-hc33）、MIMIC-IV 母库、MIMIC-IV-ECG（若使用了 reports 字段）——各自有独立引用格式（§6.4）。

Q10：能商业使用吗？
不能想当然。PhysioNet DUA 以研究用途为前提，商业使用需另行确认母数据集授权边界；本数据集未提供独立商业条款。

§26 数据工程视角：如果你想自己造一个「某某-Ext」

本数据集的工序可抽象为一份病域无关的复刻模板（§3 已按心血管实例展开，此处给通用版）：

定域：选一个诊断路径依赖多模态检查的病群（心脏病、腹部急症、肺栓塞……），取其 ICD 范围作主诊断过滤器；
抽样单元：明确记录级（hadm）还是患者级，写进协议——这决定一切下游统计口径；
叙事抽取：从出院报告抽 HPI/查体/影像三段。若目标域的检查名同义词同样泛滥，复刻「200 份人工标注 → 同义词词典 → 段落剥离后匹配」的流水线，并把词典本身作为数据集资产一并发布；
检验重组：按体液+检验组两级分组，出全量与首次双表；
防泄漏清单：枚举目标域的「强诊断信号标记」（心血管是 CPB，腹部可能是手术切口描述），整条排除；
双口径真值：诊断表出大类/原始码两版，把粒度选择权留给评测者；
发布：PhysioNet 凭证访问 + README 字段说明 + 引用义务，与母库伦理链对齐。

这套模板的三个可迁移要点：同义词词典的人工种子成本（200 份）可作为新域的预算基线；「首次/全量」双表模式解决了静态与动态两类任务的需求冲突；防泄漏标记清单必须由临床专家参与枚举，纯工程视角会漏。

§27 教学讨论题（供课程使用）

为什么「平均 14.21 个诊断/患者」与主诊断 ACC 是两个必须分开报告的指标？若只报主诊断 ACC，模型的哪些失败模式会被掩盖？
坑 5（CPB 排除）与 heart_procedures.csv 保留操作码之间存在张力：设计一个实验检验操作码是否构成标签泄漏。
若把 T_max（开单轮数上限）从 10 提到 30，主诊断 ACC、平均诊断数、开单次数会各自怎么变？哪个指标对 T_max 最敏感，为什么？
I30（心包炎）与 I21（心梗）的 ECG 均可示 ST 抬高：在不给模型额外信息的前提下，如何在评测错误分析中区分「临床性混淆」与「编码粒度混淆」？
对照 §26 模板，为「慢性肾病」设计一个 MIMIC-IV-Ext 风格子集：列出你的 ICD 过滤范围、检验分组草案与防泄漏标记清单。

§28 结语补记：考卷哲学的三段演进

把本条目放进医疗 AI 评测的短史里看，能看清三个阶段的递进：第一阶段的考卷是考试题（USMLE、MedQA），干净但悬空；第二阶段的考卷是设计病例（AgentClinic 一类），逼真但仍是人工剧本；本数据集所属的第三阶段直接把真实病历重组为考卷——信息分散、需要主动收集、真值本身带编码噪声。第三阶段的代价（§11 罗列的所有限制）正是它可信度的来源：只有在这种考卷上暴露的弱点，才是临床部署时会真实发生的弱点。

MIMIC-IV-Ext Cardiac Disease 的位置因此很清楚：它不是最大的 MIMIC 衍生集，不是最干净的诊断基准，但它是「真实考卷」范式在心血管域的一张标准样张——连同其工序模板（§26）一起，为后续每一个病域的「真实考卷」提供了可复制的底稿。

§29 住院检查工作流视角：证据链背后的医院运转

多轮交互评测的「请求→回报」结构模拟的其实是真实医院里检查流转的全链路。理解这条链路，才能理解为什么本数据集的字段组织方式（检验按组、影像按项、ECG 按报告）是合理的。

29.1 一张检查单的旅程

住院患者开一项检查，在医院信息系统里走五站：

开单：医生在医嘱系统选择检查项目——医嘱粒度天然是「组」（一份血常规医嘱带出 CBC 全套项目、一次「生化全套」带出肝功+肾功+电解质），这正是 examination_group 模拟的粒度；
采集/执行：抽血、推送患者去影像科、贴电极片——这一步的摩擦（禁忌、延迟、患者不配合）本数据集未模拟（§11.2 第 5 条）；
分析与报告：检验科出数值、影像科写报告、心电图室出机器报告——三类报告的文体差异（数值表 vs 叙事段落 vs 参数化描述）在本数据集中以三种字段形态保留；
回报：结果进入医生工作站——多轮框架中「检索返回」模拟的是这一步；
记录：关键结果最终汇入出院报告——本数据集的叙事字段正是从这个最终汇点反向抽取的。

29.2 文体的三重形态与抽取的取舍

出院报告是「最终汇点」，但三种检查在其中的存在形态不同，这解释了本数据集三个字段为何用不同方法构建：

检验：报告里常以「实验室检查：WBC 12.3，Hb 9.8……」的密集数值形态出现，直接从报告抽反而丢时序——所以作者弃报告、改用 labevents 结构表重组（§3.3）；
影像：只以叙述性提及存在（「胸片示肺淤血」），且检查名同义词泛滥——所以必须人工词典（§3.2）；
ECG：出院报告里的描述不如机器报告参数化——所以直接引自 MIMIC-IV-ECG（§3.5）。

「同一证据、三种来源、三种方法」是本数据集方法论上最有教学价值的部分：数据重组方案不是风格选择，而是由各数据源在医院工作流中的原生形态决定的。

29.3 时间维度：全量表里藏着的临床节奏

heart_labevents_examination_group.csv 保留全部时点，这意味着可以还原临床节奏：心梗患者的肌钙蛋白通常按 0-1-3-6 小时协议连测；利尿后 24 小时内必复查电解质。做时序模型评测时，这些节奏本身可作为特征工程先验，也可作为「模型是否学到了检查节奏」的探针（例如：模型在肌钙蛋白首次回报未升高时，是否按协议请求了复查）。

§30 模型失败模式类型学：本数据集最能暴露的七类失败

基于协议结构与 DxChain 结果形态，可预判本数据集对 LLM 的七类「打点」：

被动读题症：把多轮交互当阅读理解，看完初始上下文就抢答——表现为开单次数接近下限、主诊断 ACC 偏低。Base 模型平均诊断数 6.62 对真值 14.21 的缺口，部分源于此。
检查批发症：一次请求全部检查，把多轮任务退化为一轮。协议设计上应以无效开单率与重复开单率惩罚。
合并症失明：只盯主诊断，漏报 14.21 均值背后的合并症列表——细粒度 Recall 指标的靶点（DxChain 表中 Recall 普遍低于 55%）。
编码粒度错位：临床判断正确但落错 ICD 类别（I21 vs I25、I30 vs I21），错误分析时须与真临床错误区分（§19.6）。
长尾弃权：对尾类病种输出「不确定」或误归头部类——per-class 报告下会现形，全集均值下被淹没。
检验组粒度错配：按单个项目名开单而非按组（坑 8），在严格按组返回的协议下表现为检索失败或结果碎片化。
操作码作弊：从 heart_procedures.csv 的编码反推手术史——评测管线若未裁剪操作表，成绩会被静默抬高（坑 5）。

§31 与考试型基准的对照表

维度	考试题型基准（MedQA 等）	专家设计病例（AgentClinic 类）	本数据集
信息来源	题干人工撰写	剧本化生成	真实 EHR 抽取重组
真值	标准答案	设计者预定	真实 ICD 编码
信息获取	一次性给全	剧本内多轮	按需检索、可能缺失
噪声	无	低	报告异质、检查不完整、编码噪声
患者规模	数千-万级题	百-千级	4761 住院记录
开单行为	不考	部分考	核心考察面
再识别风险	无	无	有（DUA 管控）
获取门槛	公开直链	多为公开	凭证（CITI+DUA）

三类基准不是替代关系：考试题测知识覆盖，剧本测流程遵循，本类数据测真实环境下的诊断综合能力。一篇完整的医疗 LLM 评测论文现在越来越需要三张考卷一起发——本数据集填补的是第三张。

§32 数据集卡片（Datasheet 风格自答）

数据如何采集？ 未采集任何新数据；全部由 MIMIC-IV v3.1（BIDMC 2008-2022 重症住院 EHR）经程序抽取+人工词典重组而来。

数据代表谁？ 主诊断为 20 种心脏病之一的成人重症住院人群；不代表门诊、儿科、轻症与心脏外科围术期人群（CPB 标记记录已排除）。

数据为何可能含偏差？ 单中心；病种分布继承真实住院谱系（头部 59.2%）；抽取词典基于 200 份样本构建，对报告书写风格的覆盖有限；ICD 编码质量受编码员影响。

是否有缺失？ 有且被官方明示：不保证 MIMIC-IV 收录住院期间全部检查。

保密义务？ PhysioNet DUA：禁止再识别、禁止再分发、禁止商业用途未授权。

更新计划？ 截至 2026-10 仅 v1.0.0（2025-05-06），无公开的版本路线图。

已知用途？ 多轮引导诊断评测（官方框架）、20 类分类/预测、临床推理 agent 基准（DxChain）、分类与预测类下游任务（官方口径）。

不适用场景？ 心脏外科人群研究（样本已排除）、门诊/初级保健场景、儿科、多中心泛化声明、需要波形/影像原图的多模态任务。

§33 伦理与去标识：凭证制的深层逻辑

33.1 为什么 MIMIC 系必须凭证访问

MIMIC-IV 及其衍生集不公开直链，不是因为内容敏感到不能看，而是因为再识别风险随聚合度上升：去标识后的单条记录看似匿名，但当人口学、时间戳、罕见诊断组合叠加时，链接攻击可以从外部数据集反推出个体。PhysioNet 的凭证制（实名注册 + CITI 培训 + DUA 签署）把「使用者的法律责任」显式化：每个持有者都承诺不做再识别尝试、不转传、不公开数据内容。

本数据集虽只含文本证据链（无影像原图、无波形），但出院报告叙事的个体特征密度反而更高（职业、生活习惯、家族史细节都在 HPI 里），泄露面并不比结构化母库小——凭证门槛是内容敏感度与文本自由度共同决定的。

33.2 伦理审批链

原始数据采集：BIDMC，机构审查批准 + 患者知情豁免（去标识后研究）；
MIMIC-IV 发布：MIT 计算生理学实验室合规框架；
本衍生集：未新增患者数据、未尝试再识别，伦理地位完全继承母库（PhysioNet 条目 Ethics 段原文口径）；
使用者义务：发表时引用、论文数据声明确认 DUA 合规。

33.3 二次分发红线（常见踩雷点）

在论文/开源仓库附带样例出院报告原文——违规（数据内容不得公开）；
构建的衍生基准打包上传 HuggingFace——违规（再分发）；
把数据传给非 DUA 签署的合作者——违规（每人需自行申请）；
用数据训练的模型权重公开——灰色地带：权重不等于数据，但若模型能复述患者叙事即视为泄漏。安全做法是只发布处理脚本与指标，衍生模型发布前做记忆探针测试。

§34 分层评测实施细则（可粘贴进论文方法节）

以下模板可直接改写进评测论文的 experimental setup：

切分：按 subject_id 分层随机切分（70/10/20），确保同一患者全部住院记录不跨集；切分粒度与比例写入协议。
病种分层报告：20 类 per-class ACC/F1 全表 + macro 平均；尾类（n<30）另列并标注样本量，不纳入显著性检验。
双口径评分：主诊断 ACC（all 表大类口径）与全列表 P/R（all_true 表）分别报告；两分数不相加、不平均。
过程指标：开单次数分布（中位数+IQR）、按组开单率、无效开单率、重复开单率；协议参数 T_max 与骨干模型必须披露。
消融底线：至少含 Base（初始上下文直答）与 Base+CoT 两个对照，否则框架增益无法归因（DxChain 表中 Base 74.08 vs CoT 74.04 的近零差即为例证：框架的价值不在思维链，而在检索结构）。
错误分析必查项：I30/I21 混淆对、编码粒度错位占比、尾类弃权率（§30 类型学）。
可复现包：切分种子、检索实现、提示词模板全部随代码发布，但不含任何数据内容（§33.3 红线）。

§35 检索实现细节备忘（搭建官方框架兼容评测时）

索引键：一切检索以 hadm_id 为主键、检查组名/检查名为二级键；跨例检索视为协议违规（RAG 污染）。
检验组名来源：examination_group 字段值即组名全集；实现时应先 dump 全部组名做枚举校验，避免模型开单用词与组名不一致时静默检索失败。
影像检索：影像结果以自由文本存于核心表，无独立组名体系——建议实现时为模型提供「影像检查清单」（该例存在的检查名集合），或允许模糊匹配并记录匹配日志。
ECG 返回：reports 字段多条空格分隔，返回时应保留顺序；若例内多条，考虑按时间顺序返回并可报告「模型是否利用了多份报告」。
微生物返回：培养结果以原文返回（含药敏叙述），不做结构化压缩——药敏细节对 I33（心内膜炎）等病种是诊断级证据。
空结果语义：统一返回「该检查在本例中无记录」，并在指标中区分「未做」「做了没记录进库」不可能区分——报告里应明确这一语义边界。

§36 三年后的回望：从本数据集出发的三条研究线

以 2025-05 发布为原点，可预期/可布局的三条延伸线：

跨病域复制线：§26 模板 × 更多病域（肾病、呼吸、神经）。每复制一个域，「真实考卷」的覆盖面就大一圈，域间泛化评测（§23）也随之有了更多配对可能。
多模态合流线：本集文本证据链 + mimic-iv-ecg 波形 + mimic-cxr 影像原图的融合评测。核心工程问题是把三种模态按同一 hadm_id/时间轴对齐——本数据集的时序全量表正好是时间轴骨架。
过程监督线： DxChain 结果显示主诊断 ACC 与诊断召回的脱节（84.98 vs Recall 47.88），说明「开对检查」与「报全诊断」是两个独立能力面。过程级监督（评价开单序列的合理性，而非只看终局）是本数据集结构上天然支持、但尚未被充分开发的评估维度。

§37 全文要点回顾（二十条带走）

MIMIC-IV 的心脏病专用扩展子集，4761 例住院记录，20 种 ICD-10 主诊断。
主键 hadm_id，与整个 MIMIC 生态兼容回联。
每例证据链：主诉/HPI/查体/≥2 影像/检验分组/微生物/ECG 报告/全 ICD 诊断。
核心文件 heart_diagnoses.csv；诊断表双口径（大类/原始码）。
检验按 examination_group 组织，对齐临床开单粒度。
ECG 机器报告引自 MIMIC-IV-ECG，空格分隔多报告。
防泄漏：排除含 PRE/POST-CPB、BYPASS 标记的记录。
影像抽取靠 200 份人工标注构建的同义词词典。
少于 3 例的影像检查被清除。
平均 14.21 个真值诊断/例（非主诊断数）。
病种高度偏斜：心衰+心梗占 59.2%，尾类近乎单例。
官方任务：多轮交互引导诊断；次级：分类/预测。
无独立论文，以 PhysioNet 条目发布（v1.0.0，2025-05-06）。
DOI 10.13026/khgm-hc33，RRID SCR_007345。
凭证访问：CITI 认证 + DUA，非公开直链。
作者 Jiawei Cao、Sendong Zhao（清华）；母库 MIT/PhysioNet 生态。
第三方 DxChain：主诊断 ACC 74.08→84.98（GPT-4.1-Mini），诊断召回仍是未解短板。
与 MIMIC-IV-Ext CDM（腹部）构成跨脏器配对基准。
评测纪律：分层报告、双口径、协议披露、操作码裁剪。
工序模板可复制：ICD 切域 → 叙事词典抽取 → 检验分组 → 防泄漏 → 双口径发布。

§38 来源清单

PhysioNet 条目页：https://physionet.org/content/mimic-iv-ext-cardiac-disease/ （摘要、背景、方法）
PhysioNet v1.0.0 版页：https://physionet.org/content/mimic-iv-ext-cardiac-disease/1.0.0/ （病种表、文件说明、usage notes、ethics）
DxChain 论文：arXiv:2604.23605（附录 A.1.1 数据集细节、表 4 主结果、14.21 口径）
CatalyzeX / arXiv-vanity 镜像页（DxChain 结果表旁证）
PhysioNet 主题列表页（访问级别标注旁证：Credentialed/Restricted 双口径）
MIMIC-IV v3.1 条目（母库背景：BIDMC、2008-2022、发布时间线）

（以上均为 2026-10-17 检索核验；数据本体的最终事实以 PhysioNet 凭证下载后的 README.md 与 CSV 实数为准。）

附录 A：一屏速览（规格卡）

项目	内容
slug / 官方名	mimic-iv-ext-cardiac-disease / MIMIC-IV-Ext Cardiac Disease
类型	母库衍生子集 + 任务基准 + 开源交互框架（三合一）
团队	Jiawei Cao、Sendong Zhao（清华）；母库 MIT 计算生理学实验室 / BIDMC
发布	PhysioNet v1.0.0，2025-05-06；DOI 10.13026/khgm-hc33；RRID SCR_007345
规模	4761 住院记录 / 20 种 ICD-10 心脏病 / 9 CSV + 2 JSON
主键	hadm_id（联 subject_id、note_id）
任务	多轮引导诊断（主）；20 类分类、全列表诊断 P/R、检验推荐（次）
许可	PhysioNet DUA（CITI 认证 + 签署，凭证访问）
抓取时点	2026-10-17
库内互链	mimiciv / mimic-iv-ecg / mimic-iv-ext-pe(618) / mimic-iv-ext-ecg-glucose(998) / mimic-iv-echo / nosocomial-risk-mimic

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	PhysioNet 官方条目 + DOI/RRID 双标识可索引；同族 MIMIC-IV-Ext 前缀形成家族可见性；风险点是名称易与 MIMIC-IV 原库及同族条目混淆（§2.2 对照表可解）
A 可获取性	5	凭证制（CITI + DUA），无公开直链；已有 MIMIC-IV 访问权的团队零边际成本，新团队需数天流程——最大失分项，且属有意设计而非缺陷
I 可互操作	9	纯 CSV/JSON 无专有格式；hadm_id 主键与 MIMIC 生态全兼容；检验分组字段即开单粒度接口；扣分点：ECG 多报告空格分隔的非标准约定
M 元数据质量	8	病种表/文件说明/方法叙述在 PhysioNet 页面齐备，README 承载字段级说明；扣分点：总体积未披露、年份分布未披露、抽取质量无量化评估
S 可持续性	8	依托 PhysioNet 平台长期稳定托管；版本唯一（1.0.0）无碎片化；依赖母库伦理链，单点风险低；风险：仅一版，更新节奏未知
综合评级	7.6/10（中上）	互操作性与可发现性接近满档；可获取性被凭证制拖低 5 分——这是 MIMIC 系数据集的共性代价，换取的是合规确定性与伦理链完整

附录 C：逐项证据链自证

关键数字	来源	位置
4761 例 / 20 病种	PhysioNet 摘要与 1.0.0 版页	官方页正文
逐病种病例数（I50=1420 … I36=1）	1.0.0 版页病种表	官方页表格
ICD 过滤范围 I20-I25/I30-I50/410-414/420-428	1.0.0 版页 Methods 段	官方页正文
200 份报告人工标注同义词词典	1.0.0 版页 Methods 段	官方页正文
PRE/POST-CPB 防泄漏排除	1.0.0 版页 Methods 段	官方页正文
少于 3 例影像清除	1.0.0 版页 Methods 段	官方页正文
ECG 报告引自 MIMIC-IV-ECG、空格分隔	1.0.0 版页 Data Description	官方页正文
文件清单 9 CSV + 2 JSON（核心 heart_diagnoses.csv）	1.0.0 版页 Data Description	官方页正文
伦理沿袭母库、无新采集	1.0.0 版页 Ethics 段	官方页正文
发布日期 2025-05-06 / 版本 1.0.0	PhysioNet 条目页	条目元数据
DOI 10.13026/khgm-hc33 / RRID SCR_007345	条目页引用区	条目元数据
平均 14.21 真值诊断/例	arXiv:2604.23605 附录 A.1.1	DxChain 论文
DxChain 主结果 74.08→84.98（GPT-4.1-Mini）	arXiv:2604.23605 表 4	DxChain 论文
GPT-5-Nano 77.93→82.91	arXiv:2604.23605 表 4	DxChain 论文
519 篇综述、5% 真实数据	PhysioNet 摘要 Background 段	官方页正文（转述）

附录 D：数据获取决策树

需求是什么？
├── 只想评估医疗 LLM 诊断能力（已有 MIMIC-IV 权限）
│   └── PhysioNet 签 DUA 直接下载 1.0.0，零额外门槛
├── 没有 PhysioNet 凭证
│   ├── 1) 注册 PhysioNet 账号
│   ├── 2) CITI「Data or Specimens Only Research」课程+考试
│   ├── 3) 上传证书待审（1-3 工作日）
│   └── 4) 回到数据集页签 DUA 下载
├── 想做多轮交互评测
│   ├── 下载后先读 README.md 字段说明
│   ├── 用 HPI.json/RAG_data.json 搭检索回环（§35 细节）
│   └── 按 §34 分层评测模板报告
├── 只想做静态分类/预测
│   ├── 20 类分类 → heart_diagnoses_all.csv（大类口径）
│   ├── 细粒度/合并症 → heart_diagnoses_all_true.csv
│   ├── 静态特征 → *_first_lab / *_first_micro 首次表
│   └── 时序特征 → 全量表
└── 想要波形/影像原图
    └── 本集没有（§14 第 5 条）——回联 MIMIC-IV-ECG / MIMIC-CXR 原库另行申请

附录 E：基于本数据集的研究检查清单（12 项）

已确认凭证状态（CITI approved + DUA 签署）且不向未授权者转传；
已记录下载版本（1.0.0）与日期；
已声明使用的是 all 表还是 all_true 表（诊断口径）；
已按 subject_id 切分或明确说明按 hadm_id 切分的泄漏风险处理；
已做 per-class 或 macro 评测，并附 20 类样本量表；
尾类（n<30）已单独标注，未混入显著性检验；
已披露骨干模型、T_max、检索实现与提示词模板；
检验检索按 examination_group 整组返回（或声明自定义粒度）；
已处理或声明 heart_procedures.csv 的操作码泄漏风险；
错误分析含 I30/I21 混淆对与编码粒度错位占比；
引用含本集 DOI/RRID、MIMIC-IV 母库、MIMIC-IV-ECG（如用 reports 字段）；
发布物仅含脚本与指标，无任何数据内容或模型可复述叙事的记忆残留（§33.3）。

附录 F：与本库其他条目的写作口径对齐说明

本条目 rid 未定，正文互链与 schema_org URL 一律占位 /0，待发布后由主会话统一回填；
库内 MIMIC 系条目丰富，本条目在 §2.2 以四类对照表完成独立性声明，检索/合并决策依据齐备；
访问级别双口径（Credentialed/Restricted）在 §17.1 存照，正文统一按凭证访问口径表述；
发布后建议在条目页首屏提示「需 CITI 认证」，避免用户误以为可直链下载。

附录 G：提示词模板参考（官方框架兼容）

以下为多轮交互评测的系统提示骨架（示意，实际提示词应随协议披露）：

[系统]
你是一名心内科接诊医生。患者刚入院，你已知以下信息：
- 主诉：{chief_complaint}
- 现病史：{hpi}
- 入院查体：{physical_exam}
你可以使用的检查项目由检验科/影像科/心电图室提供。
每一轮你只能做一件事：
  1) REQUEST <检查组名或检查名>   —— 请求一项检查
  2) ANSWER <诊断列表>            —— 给出最终诊断并结束
预算：最多 {T_max} 轮。请优先选择病种特异性检查，
不要一次请求全部检查；每轮请求后依据回报更新你的鉴别诊断。

三条工程注解：

REQUEST 的合法词表应从 examination_group 枚举值 + 影像检查名集合生成，非法词表请求记为无效开单；
ANSWER 的诊断列表格式应约定与 ICD 大类或自由文本二选一，评分前统一映射（自由文本需 ICD 归一化步骤，误差来源要披露）；
模型若在 T_max 内未 ANSWER，按超时失败计，不要自动补全——超时本身就是「引导能力不足」的证据。

附录 H：错误分析工作示例（方法演示）

以「模型把 I30（急性心包炎）判为 I21（急性心梗）」的假想错误为例，演示 §30 类型学的落账方法：

归类：查 ECG 报告文本——若报告含「广泛 ST 抬高」且无「PR 压低」描述，此错属「临床性混淆」（证据本身难分）；若报告含 PR 压低而模型忽略，属「文本细读失败」；
溯源：查检验组——心包炎的炎症指标（CRP/血沉组）与心梗的心肌标志物组回报是否都已请求？若模型未请求心肌标志物即下判，追加「开单不足」标签；
量化：统计全集内 I30→I21 方向混淆次数与反向次数，形成混淆对页（confusion-pair page），并区分「编码粒度错位」子类（如 I25.2 旧心梗判成 I21）；
归因结论表述：区分三层——证据不可分（数据集局限）、模型文本理解失败（可改进）、协议检索失败（工程 bug）。只有第二层算模型的错。

这个流程的价值在于：把笼统的「准确率不够高」拆成可分别归因的数据、模型、工程三层，是真实数据基准区别于考试基准的核心分析纪律。

附录 I：MIMIC 生态时间线（与本条目相关节点）

年份	事件
2008-2022	BIDMC 重症住院数据持续采集（母库覆盖时段）
2023-2024	MIMIC-IV 各组件陆续发布至 v3.1（2024-10-11）；MIMIC-IV-ECG、MIMIC-IV-Note 等组件齐备
2025-05-06	MIMIC-IV-Ext Cardiac Disease v1.0.0 发布（本条目）
2025 上半年	MIMIC-IV-Ext 家族其余条目（CDM、Triage、Apixaban 等）密集发布
2026-04	DxChain（arXiv:2604.23605）将本集确立为临床推理 agent 双基准之一
2026-10	本库（千方病案医数集）收录本条目

时间线读法：本数据集出现在「MIMIC-IV 组件生态成熟之后、临床 agent 评测爆发之前」的窗口期——组件（Note/ECG）齐备是其得以重组证据链的前提，而 agent 评测浪潮则是其发布后一年内即被第三方选中的需求背景。

附录 J：与库内同族条目的深度对照

本集 vs mimic-iv-ext-pe（rid 618，肺栓塞）

共同点：MIMIC-IV 前缀、诊断任务、检查证据链思路；
不同点：疾病域（心血管 vs 肺栓塞）、病种数、文件结构（本集有 examination_group 分组与 ECG 引入，机制更重）； Wells 评分式的临床决策路径在肺栓塞域更结构化，两者评测面不同构。

本集 vs mimic-iv-ext-ecg-glucose（rid 998）

共同点：MIMIC-IV-Ext 前缀；
不同点：后者是模态组合（心电+血糖）衍生集，前者是疾病域诊断基准——前缀下的任务哲学不同，勿因 slug 相似而互当别名（R019 教训的主动防患）。

本集 vs mimic-iv-echo（超声心动）

互补而非竞争：本集的影像字段以报告文本承载超声信息，mimic-iv-echo 以影像承载；联合使用可构建「报告文本 ↔ 影像」跨模态对齐任务。

本集 vs mimiciv（母库）

一切字段异常的最终解释权在母库文档：单位、缺失模式、编码习惯、时间戳语义。用本集遇到数据疑惑时，第一动作是回母库查 schema，而不是猜测。

附录 K：撰写者工作存照（编辑透明度）

本条目由写手代理 agent-d-mimicivext 于 2026-10-17 单实例完成，私有分片区 .parts_agent-d-mimicivext_1792198745_1094467（10 分片显式 cat 拼接）；
网络预算：WebSearch ×2、WebFetch ×0，三源互证（PhysioNet 条目页/1.0.0 版页/arXiv 2604.23605）后停手；
因无法取得 PhysioNet 凭证，本环境未能对 CSV 原始数据做实数复核——凡直接引自官方页的数字均在附录 C 列明来源与位置，凡推断口径（作者机构、时间覆盖）均在 §17.1 存照；
frontmatter 引号纪律自查：title/subtitle/description 双引号行均为偶数引号，中文强调全部使用「」。

附录 L：二十病种 × 证据类型矩阵

下表横轴为证据类型（HPI 叙事/查体/检验组/影像/ECG 报告/微生物/操作），纵轴为 20 病种，●为该病种的主要诊断证据、○为辅助证据。它回答的问题是「这个病种的诊断主要靠证据链里的哪一节」——多轮评测的病种特异性开单分析与错误归因都以它为底稿。

ICD	病种	HPI	查体	检验	影像	ECG	微生物	操作
I50	心衰	●	●	●(BNP/肾功)	●(胸片)	○	—	○
I21	急性心梗	●	○	●(肌钙蛋白)	○(冠脉)	●	—	○(PCI)
I25	慢性缺血	●	○	○	●(负荷/冠脉)	●	—	○
I20	心绞痛	●	○	○	●	○	—	○
I22	后续性心梗	●	○	●	○	●	—	○
I24	其他急性缺血	●	○	○	●	○	—	—
I48	房颤/扑动	●(心悸)	○	○(凝血)	○	●	—	○(消融)
I47	阵发性心动过速	●	○	—	○	●	—	○
I49	其他心律失常	●	○	—	○	●	—	—
I44	传导阻滞	○	○	○(电解质)	—	●	—	○(起搏)
I45	其他传导障碍	○	—	—	—	●	—	—
I35	主动脉瓣病变	○	●(杂音)	—	●(超声)	○	—	○(换瓣)
I34	二尖瓣病变	○	●	—	●	○	—	○
I36	三尖瓣病变	○	●	—	●	—	—	—
I30	急性心包炎	●(胸痛)	●(摩擦音)	○(炎症)	○	●	—	○(引流)
I31	心包其他疾病	○	○	—	●(超声/CT)	○	○	○
I33	心内膜炎	●	●(杂音/栓塞征)	○(炎症)	●(超声)	—	●(血培养)	○(手术)
I42	心肌病	●	○	○	●(超声/CMR)	○	—	○(移植/装置)
I40	急性心肌炎	●(前驱感染)	○	●(心肌标志物)	●(CMR)	●	○(病毒学)	○(活检)
I46	心脏骤停	●	●	●	—	●	—	—

矩阵读法三则：

ECG 列覆盖 11/20 病种——解释了为何 ECG 机器报告（引自 MIMIC-IV-ECG）是本集信息密度最高的字段；
微生物列只有 I31/I33/I40 有值——若评测管线省略微生物表，受影响面看似小，但 I33 几乎不可诊断；这提醒 per-class 分析必须检查「该病种的关键证据是否被管线接通」；
查体列的权重分布（心衰/瓣膜/心包/内膜炎高权重）提示：叙事字段不只是上下文铺垫，对部分病种是主证据——抽取质量（§11.1 第 3 条）对这些病种的评测结果影响最大。

附录 M：检验组与临床意义对照（examination_group 释义）

检验组（示例）	典型临床问题	高关联病种
全血细胞计数（CBC）	感染/贫血/出血倾向	I33/I30/I31
肝功能	淤血性肝损/药物安全	I50/I42
肾功能	利尿安全/造影前评估/CKD 合并症	I50/I21/I25
电解质	心律失常诱因/利尿监测	I47-I49/I44
心肌标志物	肌钙蛋白动态/BNP	I21/I40/I50
凝血	抗凝决策（房颤）	I48
炎症指标（CRP/ESR）	心包/心内膜炎症	I30/I31/I33
血气	呼吸窘迫/酸碱	I50/I46
尿常规	容量评估/合并症	I50
胸/腹穿液检查	鉴别积液性质	I31/I50

（组名为按官方描述整理的示例集合，实际组名全集以数据集 examination_group 字段枚举为准。）

附录 N：三个可执行的下游任务设计示例

任务一：20 类主诊断分类（静态）
输入：首次表特征（heart_labevents_first_lab + first_micro）+ ECG 报告文本 + HPI；输出：20 类 softmax；基线：逻辑回归（表特征）vs TF-IDF+线性（文本）vs 微调编码器（混合）；指标：macro F1（分层报告）。

任务二：合并症列表预测（集合预测）
输入：完整证据链；输出：heart_diagnoses_all_true.csv 全列表的多标签集合；指标：集合级 P/R 与平均诊断数对真值 14.21 的校准；这是 DxChain 结果显示的未解短板（Recall<55%），改进空间最大。

任务三：检验推荐（序列决策）
输入：已得证据前缀；输出：下一组 examination_group 推荐或「停止并诊断」；指标：最小开单数达成诊断的样本占比、无效开单率；与本集原生多轮任务最贴近，可直接接入官方框架。

三个任务共用同一数据集但考察面递进：分类考「读」，集合预测考「全」，检验推荐考「策」——一篇完整的方法论文建议三面一起报。

附录 O：版本与维护说明

本条目基于 PhysioNet v1.0.0（2025-05-06）撰写，为撰写时点唯一版本；
若 PhysioNet 发布 1.1+（新增病种、修正抽取或扩充文件），本条目的病种表（§4.1）、文件字典（§5）与规模数字（§4.3）需按新版本修订，修订时保留旧版数字于存照节；
许可条款若随 PhysioNet DUA 模板更新（如商业条款调整），§6 需同步重核；
第三方基准数字（DxChain 等）随引用论文静态冻结，不随时间更新——新增论文结果应由后续维护者追加至 §7。

附录 P：常见「开单序列」的正反例对照

用两个假想的交互轨迹说明「好的引导」与「坏的引导」在过程指标上的差异（病种：I33 感染性心内膜炎）。

反面轨迹（开单批发 + 证据遗漏）

轮1: REQUEST 全部检验组 + 全部影像 + 心电   ← 批发式开单，无鉴别逻辑
轮2: ANSWER 「急性心梗；心衰」               ← 证据误读 + 完全遗漏血培养
结果: 主诊断 ACC=0；无效开单率高；微生物表未触达

问题拆账：心内膜炎的主证据链是「发热叙事 → 血培养 → 超声找赘生物」，该轨迹既没有按鉴别逻辑排序开单（批发），也从未接入微生物表（§29/L 矩阵的微生物列），最终诊断与真值南辕北辙。

正面轨迹（按鉴别逻辑逐轮收敛）

轮1: REQUEST 炎症指标组            ← 发热+心脏杂音 → 先确认感染
轮2: REQUEST 血培养（首次）        ← 心内膜炎诊断核心
轮3: REQUEST 心肌标志物组          ← 鉴别心肌损伤
轮4: REQUEST 超声心动              ← 找赘生物/瓣膜受累
轮5: ANSWER 「感染性心内膜炎；二尖瓣受累；败血症」
结果: 主诊断 ACC=1；开单数 4（低于 T_max）；触达微生物表+影像

两条轨迹的差距不体现在任何单一指标上，而是「无效开单率 / 证据触达率 / 终局 ACC」三个数字的联合形态——这正是多轮协议优于一次性给全信息评测的地方：它让「临床思维的质量」第一次变成可测量的量。

附录 Q：给数据集维护者的三条建议（面向作者后续版本）

发布逐病种 hadm_id 计数脚本：病种表现在只能从官方页表格读取，随数据附一个一行 SQL/脚本让使用者自查，可消除「出版时点差」疑虑（§17.2 第 2 条）；
披露抽取质量量化：对 200 份词典种子之外再抽一份留出报告集，报告影像抽取的 P/R——这一数字是本集方法论文层面最缺的一块；
官方 leaderboard 或固定切分：哪怕只发布一个推荐的 test hadm_id 列表，也能终结跨论文不可比的混乱（坑 9）。

附录 R：条目正文与 frontmatter 的一致性核对记录

title 含站点后缀「 | 千方病案医数集」：是（R006 自查通过）；
frontmatter 各双引号字段引号数为偶、无英文直引号内嵌：是（R009 自查通过）；
schema_org cr:RecordSet 为节点式 - "@type"：是（J2 规则）；
relatedLink 未出现在 frontmatter（消歧说明在正文 §16）：是（R012 规则）；
data_source 为块式字段且长度 <255：是（R003/R025 自查通过）；
description 长度 ≤170：是；
分片拼接为显式 cat，行数 ≥1200：是（R025 自查通过）。

维度	内容
本质	MIMIC-IV 的心脏病专用扩展子集：按 ICD 主诊断筛出 4761 例，把散落在十余张 EHR 表里的检查信息重组为「一例一条证据链」
团队	Jiawei Cao、Sendong Zhao（清华大学）；母数据集出自 MIT 计算生理学实验室 / BIDMC
发布	PhysioNet v1.0.0，2025-05-06；doi:10.13026/khgm-hc33；RRID: SCR_007345
规模	4761 例住院记录、20 种 ICD-10 心脏病、平均每例 14.21 个真实诊断
病种 Top3	心衰 I50（1420）、急性心梗 I21（1398）、慢性缺血性心脏病 I25（633）
每例内容	主诉 + 现病史 + 入院查体 + ≥2 项影像报告 + 检验分组结果 + 微生物培养 + ECG 机器报告 + 最终 ICD 诊断
特色任务	多轮交互：检验 LLM 能否像接诊医生一样按需开检查、逐步收敛诊断，而非一问一答式答题
防泄漏	排除含 PRE-CPB / POST-CPB / PRE BYPASS / POST BYPASS 字段的记录（提示曾行体外循环手术）
生态	ECG 报告直接引自 MIMIC-IV-ECG；与 MIMIC-IV-Ext CDM（腹部）构成脏器互补双基准
第三方评测	DxChain（arXiv:2604.23605）：主诊断 ACC 74.08 → 84.98（GPT-4.1-Mini 骨干）
获取	PhysioNet 凭证访问：签 DUA + CITI 认证，非公开直链
库内定位	MIMIC 系疾病专用扩展集（区别于全库/单模态衍生），rid 待发布回填