MIMIC-CDM — 两千四百例腹痛的自主诊断

医学大模型的评测长期卡在一个尴尬的位置：模型在美国执业医师资格考试一类的题库上分数逐年攀升，但题库的构造方式是把解题所需的全部信息一次性摆在面前，再要求从四个选项里挑一个。它测的是"知道什么"，不是"在信息尚不完整时下一步该做什么"。真实的临床决策恰好相反——医生手里最初只有一句"右下腹痛两天"，之后查什么、按什么顺序查、什么时候认为信息够了并给出结论，全都由医生自己决定。这两件事之间的落差，公开数据集一直没能补上，因为它要求数据既能被逐条索取、又有真实的诊断与治疗作为对照答案。

MIMIC-IV-Ext Clinical Decision Making（简称 MIMIC-CDM）就是为补这一落差而造的。慕尼黑工业大学与伊萨尔河畔右岸医院的团队从 MIMIC-IV v2.2 的住院模块中筛出 2400 名因急性腹痛就诊于急诊科、且主要诊断为阑尾炎、胆囊炎、憩室炎或胰腺炎之一的真实患者，把每位患者的资料拆成可被模型逐条索取的单元：现病史一开始给出，体格检查、实验室结果、微生物结果、影像报告则等模型开口请求才提供。模型必须自己决定要不要做一次腹部 CT、要不要看白细胞计数，直到它认为信息足够，才输出诊断与治疗方案。这个"索取—综合—再索取"的闭环，正是题库式评测缺失的那一环。

代价同样写在明处：只覆盖四种腹部病理，只保留每项检验的首次结果，只纳入做过腹部影像、化验与体格检查的患者。它是一台受控的评测装置，不是一片可以随意取用的数据荒地。一屏速览见下表。

维度	内容
全名	MIMIC-IV-Ext Clinical Decision Making: A MIMIC-IV Derived Dataset for Evaluation of Large Language Models on the Task of Clinical Decision Making for Abdominal Pathologies
常用简称	MIMIC-CDM
发布平台	PhysioNet（由 MIT 计算生理实验室维护）
贡献者	Paul Hager、Friederike Jungmann、Daniel Rueckert
所属机构	德国慕尼黑工业大学；慕尼黑伊萨尔河畔右岸医院
首次发布	2024 年 5 月 17 日，版本 1.0
当前版本	版本 1.1，2024 年 7 月 8 日
患者数	2400 名唯一患者
病理构成	阑尾炎 957、胆囊炎 648、憩室炎 257、胰腺炎 538
文件数	11 个（10 个 CSV + 1 个 JSON）
数据模态	现病史、体格检查、实验室检验、微生物检验、影像报告、操作与手术
实验室规模	138,788 条结果，来自 480 种独特检验
微生物规模	4,403 条结果，来自 74 种独特检验
影像规模	5,959 份报告，含腹部 CT 1,836、胸片 1,728、腹部超声 1,325、腹部 X 线 342、MRCP 227
母数据集	MIMIC-IV v2.2 住院模块，文本取自 MIMIC-IV-Note v2.2
许可	PhysioNet Credentialed Health Data License 1.5.0，须 CITI 培训并签署 DUA
典型用途	大语言模型自主临床决策评测、二读能力对比、AI 辅助诊断工作流研究

§1 它要解决的具体麻烦

1.1 闭卷考试与开放诊室是两件事

医学人工智能的评测体系里，题库式基准长期占据主导。这类基准的题目结构高度一致：先给出一段完整病例描述，包含主诉、既往史、查体和关键检查结果，再问一个答案唯一的问题。它的优势是可比性强、评分客观、跨年份可追踪；它的缺陷也正来自这个结构——真实诊疗中没有人会把关键结果先替你挑好。

这个缺陷在模型能力快速提升的阶段被放大。一个在题库上拿到高分的模型，可能只是学会了从整齐排列的文本里识别模式，而没有学会"我现在缺什么信息"。要区分这两种能力，评测环境必须允许模型主动索取，并且只对它索取过的信息开放——索取之外的信息必须真的看不到。

真正难的部分在于对照标准从哪来。题库有标准答案，因为出题人先定好了答案。真实病例的"正确答案"该怎么定？如果由专家事后写一份理想路径，那这份路径本身就带着写作者的主观性；如果以实际诊疗为准，那么实际诊疗里的冗余检查与遗漏又会被当成正确。这两条路都有代价，选择哪一条直接决定了评测结果的含义。

MIMIC-CDM 的做法是把一个真实住院病例拆成若干可独立提供的信息单元，交给一个中间层托管。模型提出请求，中间层解析请求并返回对应单元，模型看不到未被请求的部分。这个设计把"信息采集"从隐含前提变成了可观测行为：模型开了哪些检查、按什么顺序开、什么时候停，全部留下记录，可以与指南推荐的路径逐条比对。

而对照标准它选择了「实际发生了什么」这条路：患者最终的主要诊断与实施的操作都完整保留，作为答案基准。这不是说实际诊疗一定正确，而是说它为所有模型提供了同一个参照系——可比的优先级高于绝对正确。

1.2 三条常见的错误期待

第一条，期待它是"一个带标签的分类数据集"。它不是一个特征矩阵加一列标签，而是一个病例库加一套索取协议。标签确实存在——每位患者的主要诊断与实施的操作都保留着，但它们的作用是事后对照，不是训练目标。想拿它做四分类训练，得自己先把交互轨迹加工成样本。

第二条，期待它包含完整的住院时间线。它刻意只保留每项实验室与微生物检验的首次记录，只纳入入院前 24 小时内的影像报告。这是为了模拟治疗初始状态——模型面对的应该是"刚来到急诊的这位患者"，而不是"已经住了五天、指标已随治疗波动的这位患者"。想研究病程演变的项目，这份数据给不了。

第三条，期待它的影像部分包含图像。它只有影像报告的 findings 段文本，没有任何像素数据。影像在这里是"模型可以索取的一种信息"，其载体是放射科医生写的文字，不是 DICOM 文件。

1.3 它能给到的与给不到的

在列这张表之前需要说明判据："够不够"是按评测场景而非训练场景判断的。同一份数据，用来做模型间比较时样本量充裕，用来训练一个从零开始的模型则明显不足。两种用途的结论经常相反，混着谈会得出互相矛盾的判断。

你的需求	它给的	够不够
评测模型自主索取信息的能力	现病史起始 + 可索取的四类信息	够，这是它的设计目标
评测模型的二读能力	一次性给全信息的 MIMIC-CDM-FI 模式	够，框架内置
对照指南评估诊断路径	保留真实诊断与 ICD 操作	够做路径比对
训练一个腹痛四分类器	2400 例带主要诊断的病例	勉强，样本量偏小且无时序
研究检验指标随治疗的演变	无	不够，只保留首次结果
研究影像模型的读片能力	只有报告文本	不够，无像素数据
研究门诊或随访场景	全部为住院病例	不够
跨中心泛化验证	单一来源（BIDMC）	不够，只能做跨任务不能做跨中心

1.4 你的处境与它能帮到的事

你的处境	它能帮你什么	下一步该做什么
你训好一个医学大模型，想证明它不只是会做选择题	提供必须自己决定查什么的开放环境	先跑交互模式，记录索取序列再评估
你想量化模型与执业医师的差距	框架支持二读模式直接对照	固定提示词模板，只变模型
你想测模型对指令变化的鲁棒性	支持调节信息顺序、信息量与指令措辞	用 full_info 模式的 order 与 abbreviated 参数
你想研究"给太多信息反而更差"	支持只提供异常检验结果	用 only_abnormal_labs 与分箱开关
你想做一个医生在环的辅助流程	框架可改造为等待人工输入	改执行层，保留数据层不变
你只需要一批带诊断的腹部急症文本	有 2400 例现病史与体格检查	直接用 CSV，不必跑框架

1.5 一句话判断

它不是一个「更大的训练集」，而是一个「更严的考场」：模型拿不到现成的检查清单，必须自己决定下一步查什么，而它查了什么、漏了什么，本身就是被评测的对象。

1.6 不适合谁：四条边界

不适合拿来做图像模型研究。 影像部分只有报告文本，没有任何影像文件。拿着"5,959 份影像报告"去设计读片任务，会在第一步就落空。

不适合拿来做纵向病程建模。 每项检验只保留首次记录，官方对此有明确说明。任何需要"指标随时间变化"的问题，这份数据都无法回答。

不适合拿来做罕见病或广谱鉴别诊断研究。 只覆盖四种腹部病理，且入排要求主要诊断必须落在这四种之内。用它评估"广谱诊断能力"，等于只考了四章内容。

不适合在拿不到凭证的情况下使用。 它属于 PhysioNet 凭证访问类资源，须完成 CITI「仅数据或标本研究」培训并签署数据使用协议 1.5.0。没有走完流程的人无法下载文件目录，只能看到项目主页的描述文字。

§2 数据构成与规格

2.1 十一个文件怎么分工

数据以 CSV 为主体，围绕住院标识 hadm_id 组织；字段名在与 MIMIC-IV 一致时直接沿用原名。文件分成两组：一组是团队新造的，另一组是从 MIMIC-IV 已有表抽取拼装的。

文件	归属	核心字段	含义
history_of_present_illness.csv	新建	hpi	从出院小结解析出的现病史
physical_examination.csv	新建	pe	从出院小结解析出的体格检查
discharge_diagnosis.csv	新建	discharge_diagnosis	从出院小结解析出的出院诊断
discharge_procedures.csv	新建	discharge_procedure	从出院小结解析出的操作描述
lab_test_mapping.csv	新建	corresponding_ids 等	检验标签到 itemid、体液、类别的映射，含可选过滤用的计数
pathology_ids.json	新建	病理名 → hadm_id 列表	按病理分组住院记录（v1.1 新增）
laboratory_tests.csv	由已有表构建	valuestr 等	取自 labitems.csv 与 d_labitems.csv
microbiology.csv	由已有表构建	同 MIMIC 字段	取自 microbiologyevents.csv，同一 itemid 的多种细菌合并
radiology_reports.csv	由已有表构建	modality、region	取自 radiology.csv 与 radiology_detail.csv
icd_diagnosis.csv	由已有表构建	同 MIMIC 字段	取自 diagnosis_icd.csv 与 d_icd_diagnoses.csv
icd_procedures.csv	由已有表构建	icd_title、icd_version	取自 procedures_icd.csv 与 d_icd_procedures.csv（v1.1 调整列序）

这两组的分界不是随意的。新建的那六个文件承载的是「别的数据库里没有的东西」：现病史与体格检查需要从出院小结里切出来，检验同义映射是团队手工整理的语义层，病理分组文件则是为评测场景专门加的索引。而基于已有表构建的五个文件，本质上是 MIMIC-IV 原表的裁剪与重命名，字段名沿用原名、按 hadm_id 过滤、去掉重复检验。

理解这个分界有实际用处：如果只需要 MIMIC-IV 里已有的结构化信息，后五个文件可以直接用母库替代；如果要用现病史、查体或语义匹配，则只有这份数据提供。

2.2 字段字典与两个必须知道的坑

信息项	所在文件	取值形态	含义	使用注意
hadm_id	全部 CSV	整数	住院唯一标识	全部文件的公共连接键
hpi	现病史文件	自由文本	现病史段落	已剔除明文写出病理的样本
pe	体格检查文件	自由文本	体格检查段落	2400 例全部具备
discharge_diagnosis	出院诊断文件	自由文本	出院诊断文本	与 ICD 诊断编码互为补充
discharge_procedure	出院操作文件	自由文本	出院小结中的操作描述	与 ICD 操作编码并行
valuestr	实验室文件	文本	「数值 + 单位」的合成字符串	取数值须按空格切分并取首个元素
modality	影像文件	文本	成像模态，由检查名推断	含 CTU→CT、MRCP→MRI 等专门映射
region	影像文件	文本	解剖部位，由检查名推断	同理由检查名解析而来
corresponding_ids	检验映射文件	标识列表	医学上等价的 itemid 互映射	供语义匹配而非精确匹配使用
icd_title / icd_version	ICD 操作文件	文本	操作名称与 ICD 版本	v1.1 起两列顺序对调

第一个坑是 valuestr。它不是数值列，而是把数值与单位拼在一起的文本。官方给出的取数方法是按空格切分后取第一个元素——这意味着单位中若含空格（虽然少见）会出错，稳妥做法是读取后立刻做一次正则校验，把非数值前缀挑出来单独处理。

第二个坑是 modality 与 region 的来源是检查名，而不是结构化的检查字典。官方为此做了专门映射表，例如把 CTU 归到 CT、把 MRCP 归到 MRI。这类映射覆盖了常见情形，但遇到非常规命名的检查时，字段可能是空的或归错类。把它当标签直接用之前，最好先抽一批样本人工核对。

2.3 一个病例的完整解剖

以一名阑尾炎患者为例，一次完整的交互从现病史开始。此时的可用信息只有 history_of_present_illness.csv 里的一行文本：一段几十到几百字不等的叙述，讲这次腹痛什么时候开始、怎么变化、伴随什么症状。这是模型唯一能看到的起点。

接下来模型提出请求。它可以直接要体格检查——physical_examination.csv 里对应 hadm_id 的那一行 pe 文本；可以要实验室结果——laboratory_tests.csv 里该次住院的全部首次检验记录，每条含检验名、itemid、valuestr；可以要微生物结果——microbiology.csv 里该次住院的记录，同一 itemid 下的多种细菌已合并；也可以要影像报告——radiology_reports.csv 里入院前 24 小时内的报告，只保留 findings 段。

模型认为够了之后输出诊断与治疗方案。此时用 discharge_diagnosis.csv、icd_diagnosis.csv、icd_procedures.csv、discharge_procedures.csv 四份文件做对照：真实的主要诊断是什么，实际做了哪些操作。对照结果既可以是诊断对不对，也可以是路径是否合理——比如模型在没有任何影像证据时就建议手术，或者该做 CT 时先开了超声。

一个容易被忽略的细节是：模型"什么时候停"这件事本身没有外部约束。框架不会提示它已经索取了足够信息，也不会因为索取过多而扣分。于是停止时机的选择完全由模型内部状态决定，这既让任务更接近真实，也让不同模型之间的横向比较依赖于停止策略的可比性——在报告结果时，把平均索取次数一并列出是必要的补充信息。

下表把一次交互的信息状态列清：

阶段	模型可见	来源文件	备注
起始	现病史	history_of_present_illness.csv	唯一默认可见项
索取后	体格检查	physical_examination.csv	2400 例全部具备
索取后	实验室结果	laboratory_tests.csv	每项检验仅首次
索取后	微生物结果	microbiology.csv	多种细菌已合并
索取后	影像报告	radiology_reports.csv	仅 findings 段
结算	诊断与操作	discharge_diagnosis.csv 等四份	用于事后对照

2.4 主键与关联路径

全部文件以 hadm_id 为公共键。这一点决定了它的组织粒度是「一次住院」而不是「一名患者」：官方明确说 2400 名唯一患者，但数据行的身份标识是住院号。想按患者聚合，需要先通过 MIMIC-IV 的 subject_id 与 hadm_id 对应关系回连，而这份文件本身不直接提供 subject_id。

关联动作	用到的键	说明
横向拼接同一次住院的各类信息	hadm_id	全部 11 个文件均可直接连接
按病理分组	pathology_ids.json	v1.1 起提供，免去自行对照 ICD
检验名到 itemid 的翻译	lab_test_mapping.csv	含等价 itemid 映射
回连 MIMIC-IV 原表	hadm_id	需自备 MIMIC-IV v2.2 住院模块
按患者聚合	需 subject_id	本数据不直接提供，须回母库

lab_test_mapping.csv 在这里的角色值得单独说明。它把检验标签映射到 itemid、体液与类别，并提供计数以便按需过滤；corresponding_ids 字段则把医学上等价的 itemid 互相映射起来。这意味着请求「白细胞计数」时，中间层可以按语义匹配到不同 itemid 下的等价检验，而不是要求模型精确说出某个编号。对于要做自然语言索取的研究，这层映射是必需品而不是附件。

2.5 与 MIMIC-IV 原表的对应关系

本数据文件	主要来源表	加工动作
history_of_present_illness.csv	discharge.csv（note 模块）	出院小结切段后抽取现病史段
physical_examination.csv	discharge.csv（note 模块）	抽取体格检查段
discharge_diagnosis.csv	discharge.csv（note 模块）	抽取诊断段
discharge_procedures.csv	discharge.csv（note 模块）	抽取操作段
laboratory_tests.csv	labitems.csv、d_labitems.csv	取首次记录，合成 valuestr
microbiology.csv	microbiologyevents.csv	合并多种细菌，取首次记录
radiology_reports.csv	radiology.csv、radiology_detail.csv	只留 findings 段，加模态与部位
icd_diagnosis.csv	diagnosis_icd.csv、d_icd_diagnoses.csv	编码与名称关联
icd_procedures.csv	procedures_icd.csv、d_icd_procedures.csv	编码与名称关联

这张表说明一件事：本数据的绝大部分内容都能在 MIMIC-IV 里找到出处，它的价值不在新增数据，而在重新组织。研究者如果想扩展病理种类或修改入排规则，官方也提供了从原始 MIMIC-IV v2.2 重跑全流程的代码。

2.6 模态与部位的取值边界

模态	官方给出的报告数	说明
腹部 CT	1,836	含 CTU 等归入 CT 的检查
胸部 X 线	1,728	急诊常规检查
腹部超声	1,325	胆囊与阑尾的一线检查
腹部 X 线	342	用于排除梗阻与穿孔
MRCP	227	映射到 MRI 类，用于胆胰管成像
影像报告合计	5,959	含上述五类之外的其他检查

需要提醒的是，五类分项之和与总数 5,959 并不相等，官方用词是 including（包括），即五类为主要构成而非全部。做统计时不要把五项相加当成总数，也不要反过来用总数减去五项去推算"其他"的规模——官方没有给出其他类的明细。

部位字段 region 的取值逻辑与模态相同，也是从检查名里推断。这带来一个实际后果：同一份报告可能同时落在腹部与盆腔的交界区域，而字段只能给一个值。做部位分层分析时，这个字段适合做粗分组，不适合做精细的解剖定位依据。

从模态结构还能看出这组病例的检查习惯：腹部 CT 的份数最多，其次是胸片与腹部超声。胸片之所以在腹部急症数据里占到第二位，是因为急诊评估腹痛时常规会先排除胸部来源的牵涉痛与游离气体，这是真实流程的痕迹，而不是数据冗余。

§3 它是谁的数据

3.1 贡献者与机构

角色	姓名	机构
作者	Paul Hager	慕尼黑工业大学；伊萨尔河畔右岸医院
作者	Friederike Jungmann	伊萨尔河畔右岸医院
作者	Daniel Rueckert	慕尼黑工业大学
原始论文合著者	R. Holland、K. Bhagat、I. Hubrecht 等	见 Nature Medicine 原文
托管方	MIT 计算生理实验室	PhysioNet 平台

这是一个典型的「衍生数据集」：患者数据全部来自 MIMIC-IV，团队贡献的是筛选规则、解析代码与评测框架。这个身份决定了它的伦理与许可都跟随母库——官方明确说明未收集新的患者数据，伦理审批沿用母数据集的审批。

3.2 版本时间线

版本	日期	变更
1.0	2024 年 5 月 17 日	首次发布
1.1	2024 年 7 月 8 日	新增 pathology_ids.json；icd_procedures.csv 中 icd_title 与 icd_version 两列对调

v1.1 的两处改动都不是数据层面的，而是可用性层面的：前者让按病理分组不必再自行对照 ICD 编码，后者则是一个会静默出错的兼容性改动——如果按列位置而非列名读取 icd_procedures.csv，升级版本后拿到的两列内容会互换。用列名读取即可规避。

对应的数字对象标识符为：版本 1.1 为 10.13026/ztyg-ah64，最新版本统一指向 10.13026/6jkj-rb45，初版 1.0 为 10.13026/2pfq-5b68。

3.3 采集场景：急诊科的急性腹痛

所有病例的共同前提是「因急性腹痛就诊于急诊科」。官方给出的选择理由是：腹痛占全部急诊就诊量的百分之十左右，而这四种病理在临床上重要、常见，且可以靠标准诊断检查相互区分——这一点很关键，如果四种病无法用现有检查手段区分，那么任务的答案本身就不可靠。

"可以靠标准检查区分"这个条件实际上非常苛刻。它排除了大量在真实急诊中常见但诊断依赖经验判断的主诉，也排除了需要长时间随访才能确认的疾病。留下来的四种，恰好都有相对明确的影像学或实验室判据：阑尾炎靠 CT 与超声，胆囊炎靠超声与化验，胰腺炎靠淀粉酶脂肪酶与影像，憩室炎靠 CT。这个筛选逻辑决定了数据里的病例都是"检查能说清楚"的那一类。

于是入排规则围绕"可区分"展开：主要诊断必须是四种之一，且必须是出院小结里第一个被提到的诊断；同时患有两种及以上目标病理的患者被剔除，避免标签歧义；现病史里已经写明病理名的样本也被剔除，因为这类通常是转院患者，入院时诊断已确定，不适合做决策任务。

3.4 数据来源的三个层次

层次	内容	可得性
第三层（本数据）	11 个 CSV/JSON 文件	凭证访问后可得
第二层（生成代码）	MIMIC-Clinical-Decision-Making-Dataset 仓库	公开
第一层（母库）	MIMIC-IV v2.2 住院模块与文本模块	凭证访问后可得

三层的存在意味着两条使用路径：一是直接用本数据跑评测（快，但病理种类固定）；二是拿到母库后用官方代码重跑生成流程（慢，但可以改病理、改入排、改字段）。选择哪条取决于研究问题是否落在现有四种病理之内。

§4 它最独特的东西

4.1 把"索取信息"变成可评测的动作

大多数医学评测集的结构是「输入—输出」：给一段文本，要一个答案。MIMIC-CDM 的结构是「可索取的信息池—交互轨迹—答案」。区别不在于数据本身，而在于信息不对称被显式建模：模型看不到未被索取的内容，所以它必须真的想清楚缺什么。

这个设计带来一个副产品——交互轨迹本身成了可分析对象。模型开检查的顺序、重复开同一检查的次数、在证据不足时是否仍然强行下结论，都可以量化，也都可以与指南对照。这是纯问答式评测拿不到的信息。

信息不对称还解决了另一个问题：避免"抄结论"。如果把完整病历一次性输入，模型可以从出院小结的描述里直接读到诊断措辞，评测就变成了找词游戏。把信息拆开托管之后，模型拿到的每一条都是它主动请求的，而请求本身是它需要生成的动作——这部分能力在传统评测里完全不可见。

4.2 四种病理的入排边界

病理	病例数	入排要点
阑尾炎	957	主要诊断须为阑尾炎
胆囊炎	648	主要诊断须为胆囊炎
憩室炎	257	主要诊断须为憩室炎
胰腺炎	538	主要诊断须为胰腺炎

四条通则适用于全部病理：诊断须为出院小结中首个提到的诊断；同时患有两种及以上目标病理者剔除；现病史中明文提及病理者剔除；缺失任一主要模态（现病史、体格检查、实验室结果、影像）者剔除。

其中"首个诊断"这一条最容易被轻视。出院小结里的诊断排序通常反映医生对主次责任的判断，把主要诊断放在第一位是书写惯例；以它为口径，等于采用了临床医生自己的优先级判断，而不是事后算法重新推断的结果。好处是贴近真实，代价是排序习惯因医生而异。

最后一条尤其值得注意。它意味着数据里的 2400 例全部做过腹部影像、化验与体格检查——这在真实急诊里并不是常态，很多轻症患者只做查体就离院了。因此这组病例在病情严重程度上是偏向"值得检查"的一侧。

4.3 被刻意拿掉的东西

被拿掉的内容	原因
影像报告的结论与印象段	放射科医生的判断会让诊断任务失去难度
现病史中提及病理的样本	多为转院，入院前诊断已定
实验室与微生物的重复检验	只保留首次结果，模拟治疗初始状态
残留的病理名称	替换为 MIMIC 标准脱敏符号 ___

这些删除项不是瑕疵，是设计。理解这一点才能正确解释评测结果：如果一个模型在这份数据上成绩不错，说明它具备"在信息逐步开放时收敛到正确诊断"的能力，不说明它在信息一次性给全时表现如何——后者才是二读模式要测的。

4.4 两种评测模式的分工

维度	交互模式（MIMIC-CDM）	全信息模式（MIMIC-CDM-FI）
信息供给	逐条按请求提供	一次性全部提供
起始输入	现病史	全部信息
模型动作	索取—综合—再索取，直到自认足够	直接给出诊断
评测对象	信息采集能力 + 诊断能力	诊断能力（二读）
可对照对象	临床指南推荐的诊断路径	执业医师的诊断准确率
入口脚本	run.py	run_full_info.py

两个模式共用同一批病例与同一套标签，差别只在信息开放策略。这种设计让"信息获取"与"信息解读"两个能力可以被分离度量——如果某模型在 FI 模式表现远好于交互模式，说明瓶颈在采集环节而非知识环节。

此外框架还预留了若干开关：是否附带检验参考范围、是否把检验值分箱为低/正常/高、是否提供诊断标准查询工具、是否只提供异常检验结果。官方明确说明这些开关在论文实验中并未带来性能提升，因此未纳入正式实验，但代码保留。

4.5 边界条件：什么时候它不再适用

一旦研究问题需要「同一患者的多次检验」「治疗后的指标变化」或「跨机构的人群比较」，这份数据就到头了。它记录的是诊疗过程的起点切片，不是全过程；它的人群来自单一医疗中心，不是多中心队列。把结论外推到这两类场景时，需要在论文里显式标注。

第二个边界来自文本的解析质量。现病史与体格检查是从出院小结里靠规则切出来的，规则能处理标准排版，遇到非标准写法可能切偏。官方没有公布切段准确率，因此任何依赖这两段文本的结论，都应先做一次人工抽查再写进论文。

第三个边界是任务的封闭性。四种病理的区分是封闭集合，模型知道答案只能落在这四种之内——这与真实急诊中"什么都可能"的开放鉴别诊断有本质差别。用它衡量"广谱诊断能力"会系统性高估模型。

§5 怎么拿到

5.1 获取面

资源	位置	门槛
项目主页（描述、引用、发布说明）	https://physionet.org/content/mimic-iv-ext-cdm/1.1/	无
文件目录（11 个数据文件）	同上页面的 Files 区	凭证访问
数据集生成代码	MIMIC-Clinical-Decision-Making-Dataset 仓库	无
评测框架代码	MIMIC-Clinical-Decision-Making-Framework 仓库	无
排行榜	Hugging Face Spaces 上的 MIMIC-CDM 榜单	无
母库	MIMIC-IV v2.2 住院模块、MIMIC-IV-Note v2.2	凭证访问

5.2 凭证申请与下载

前置条件有三项：注册 PhysioNet 账号并完成身份验证；完成 CITI「仅数据或标本研究」课程并提交证明；签署 PhysioNet 凭证健康数据使用协议 1.5.0。三项齐全后在项目页申请访问，获批即可下载。许可为 PhysioNet Credentialed Health Data License 1.5.0，只允许获得凭证后的使用与受限范围内的再分发。

下载后的目录是扁平的，11 个文件在同一层，没有子目录。文件名即用途，不需要额外清单文件来定位。

需要注意的是，文件目录的可见性受访问策略约束。未获批时项目主页的描述文字可读，但文件列表不可见，这意味着本文中的文件清单来自官方页面「数据描述」段的明文列举，而非目录逐项核对。如果后续版本新增或重命名文件，应以目录实际内容为准。

下载完成后建议先做一次完整性检查：确认 11 个文件齐备、每个 CSV 能被正常解析、且 hadm_id 在各文件间的取值集合一致。这一步能提前发现版本不匹配带来的字段错位问题。

5.3 转成可直接跑的任务格式

官方仓库提供了两条路径：从本数据直接转换（ConvertPhysionet.py），或从原始 MIMIC-IV v2.2 重新生成（CreateDataset.py）。前者只需把脚本顶部的 base_new 指向下载目录再执行；后者需要同时准备住院模块与文本模块两个目录。环境要求 Python 3.10，依赖通过自带的 requirements 文件安装。

转换后的产物是结构化的 hadm_info 单元，命名遵循 pathology_hadm_info_first_diag 的形式，可直接被评测框架读取。

读取原始 CSV 并拼接的最小写法如下：

import pandas as pd

base = './mimic-iv-ext-cdm/1.1'

#-- 现病史与体格检查是每次住院各一行
hpi  = pd.read_csv(f'{base}/history_of_present_illness.csv')
pe   = pd.read_csv(f'{base}/physical_examination.csv')

#-- 检验与影像是每次住院多行，按 hadm_id 聚合
lab  = pd.read_csv(f'{base}/laboratory_tests.csv')
rad  = pd.read_csv(f'{base}/radiology_reports.csv')

#-- valuestr 是「数值+单位」的合成长文本，取数要按空格切
lab['value'] = lab['valuestr'].astype(str).str.split().str[0]
lab['value'] = pd.to_numeric(lab['value'], errors='coerce')

case = hpi.merge(pe, on='hadm_id', how='left')
print(case.shape, case.columns.tolist())
print(lab.groupby('hadm_id').size().describe())

注意 lab.groupby('hadm_id').size().describe() 这一行只是给出分布形状，用于确认数据是否如官方所说"每项检验仅首次"；它属于对已有文件的结构确认，不构成新的统计结论。

5.4 按病理分组

v1.1 新增的 pathology_ids.json 把病理名映射到住院号列表，这是最省事的分组入口：

import json

#-- v1.1 起提供，键为病理名，值为 hadm_id 列表
with open(f'{base}/pathology_ids.json') as f:
    groups = json.load(f)

for pathology, ids in groups.items():
    print(pathology, len(ids))

不需要这个文件时，也可以用 icd_diagnosis.csv 自行对照 ICD 编码重新分组，两种方式应当得到一致的划分。分组之后即可按病理分别报告诊断准确率——官方论文正是按四种病理分别给出结果的。

5.5 跑一次交互评测

框架以 Hydra 管理配置，入口脚本为 run.py（交互模式）与 run_full_info.py（全信息模式）。最关键的三个参数是 pathology（四选一）、model（待测模型）与 summarize（接近上下文上限时自动压缩已获取的进展）。

#-- 交互模式：模型自己决定索取哪些信息
python run.py pathology=appendicitis model=llama3 summarize=true

#-- 全信息模式：一次性给全，只问诊断
python run_full_info.py pathology=cholecystitis model=llama3 \
       prompt_template=base only_abnormal_labs=false

run_full_info.py 额外接受 prompt_template、order（信息呈现顺序）、abbreviated（是否使用原始缩写文本）、fewshot（是否给出手写示例）、save_probabilities、only_abnormal_labs 与 bin_lab_results_abnormal 等参数，用于鲁棒性实验。

5.6 六个最容易出错的地方

坑	表现	规避
把 valuestr 当数值列	读入后全是字符串，无法比较大小	按空格切分取首个元素再转数值
按列位置读 icd_procedures.csv	v1.1 之后标题与版本两列互换	一律按列名读取
把五项影像数相加当总数	结果与 5,959 不符	官方用词为 including，总数为 5,959
以为有影像文件	找不到任何图像	影像只有报告 findings 段文本
拿它做纵向研究	找不到第二次检验	官方只保留首次结果
跳过凭证流程直接找文件	文件目录不可见	先完成 CITI 培训与 DUA 签署

§6 与库内条目的关系

6.1 关系图谱

相关条目	rid	关系
MIMIC-IV 演示库	1629	同为 MIMIC-IV 衍生，粒度与用途不同
MIMIC-IV 演示库 MEDS 版	1633	同母库的另一种标准形态
MIMIC-IV 演示库 OMOP 版	1635	缩写同为 CDM 但含义不同，最易混淆
MIMIC-IV 主库	592	本数据的母数据集
MIMIC-IV-Note	47	本数据现病史与体格检查的文本来源
MIMIC-IV-Ext-22MCTS	1373	同为 MIMIC-IV-Ext 系列，偏时序建模
MIMIC-IV-Ext-BHC	1249	同为出院小结派生的标注集
MIMIC-IV-Ext-MDS-ED	1550	同为急诊场景的多模态基准
MIMIC-IV-Ext-Apixaban	1638	同为 MIMIC-IV-Ext 系列的 LLM 评测集
FIDDLE 重症特征矩阵	1295	同为结构化 EHR 加工产物

6.2 检索路径

按病理检索：急性腹痛 → 腹部急症 → 阑尾炎/胆囊炎/憩室炎/胰腺炎 → MIMIC-CDM（本数据）。
按任务检索：大语言模型评测 → 自主决策 / 二读 → MIMIC-CDM（本数据）与 MIMIC-IV-Ext-Apixaban（1638）。
按加工方式检索：MIMIC-IV 衍生 → 标准形态化（1629 / 1633 / 1635）与任务化（本数据 / 1373 / 1249 / 1550）。
按模态检索：文本为主 → 现病史与查体（本数据 / 1249）；多模态含影像（1550）。

6.3 分工判据：本数据与 MIMIC-IV 演示库 OMOP 版（1635）

这是库内最容易混淆的一对，因为两者都带 CDM 字样。核实结论是：两个 CDM 不是同一个东西。

判据	MIMIC-IV 演示库 OMOP 版（1635）	MIMIC-CDM（本数据）
CDM 的含义	Common Data Model，通用数据模型	Clinical Decision Making，临床决策
加工动作	把原始表映射为标准概念表（ETL）	把多模态病历重组为可逐条索取的任务单元
母数据范围	MIMIC-IV 演示版，100 名患者	MIMIC-IV 全量住院模块，2400 名患者
交付物	CDM 标准表与数据质量报告	11 个 CSV 与 JSON 文件
是否有配套代码	以转换脚本与质量报告为主	有独立的生成仓库与评测框架仓库
目标用户	做跨库标准化与 OHDSI 工具链的人	评测大语言模型自主决策能力的人
许可与门槛	ODbL 1.0，免申请	凭证健康数据许可 1.5.0，须培训与 DUA
信息时间性	静态快照，保留完整住院过程	起点切片，只保留首次检验结果

简言之：1635 解决的是「同一份数据在不同机构间能不能说同一种语言」，本数据解决的是「模型在信息不全时知不知道该查什么」。二者没有上下游关系，也不共享任何文件。

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

评价这份数据不能用「数据量够不够」的尺子，而要用「受控程度够不够」的尺子。2400 例看起来不大，但对评测任务而言，样本量的意义在于能否区分模型间差异，而不在于能否训练出一个大模型。它的设计目标是可比、可复现、可对照指南，因此下面各节的评分都按这个目标来打。

受控体现在三个具体环节：入排规则完全由 ICD 编码与出院小结的首个诊断决定，不依赖人工判断；每类信息的提供范围有明确边界，比如影像只取入院前 24 小时内；标签来自真实发生的诊疗行为，不引入标注者的二次解释。这三点共同保证了不同团队跑出来的分数具有可比性。

7.1 五维评分

维度	评分	依据
任务定义清晰度	高	起始信息、可索取项、对照答案三者在官方页面均有明文
入排规则透明度	高	四条通则与病理专属规则逐条列出，可复现
标注质量	中高	标签来自真实诊疗记录，但文本切段依赖解析代码
规模	中	2400 例、四种病理，足以做模型间比较，不足以做训练
泛化范围	中低	单一中心、单一病种族，外推需谨慎

7.2 标签质量的两层

第一层是诊断与操作标签。它们来自 MIMIC-IV 的 ICD 编码与出院小结，属于真实诊疗记录而非人工事后标注，因此不存在标注者主观性问题；代价是标签的准确性受制于原始编码质量。

第二层是文本切段标签。现病史、体格检查、影像 findings 都是从自由文本里解析出来的，这一步靠代码规则完成。规则能覆盖常见的段落写法，遇到非常规排版时可能切错或切空。官方没有给出切段准确率，这是使用时应自行抽查的部分。

两层的风险方向相反：ICD 标签的问题在于「它可能漏」，因为编码取决于医生填写的完整性；切段标签的问题在于「它可能错」，因为规则误切会把体格检查的内容放进现病史。前者影响标签覆盖率，后者影响输入质量，两者都不能靠统计手段自检，只能靠抽样验证。

7.3 可枚举的偏差

偏差来源	机制	影响方向
只纳入做过腹部影像者	轻症患者被排除	病情严重程度偏高
剔除现病史提及病理者	转院病例被排除	疑难与转诊病例偏少
只保留首次检验	后续检验不可见	无法刻画病程与治疗反应
主要诊断口径	只取首个诊断	合并症信息不完整
单一中心	人群与诊疗习惯集中	跨机构外推受限

这些偏差的共同特征是可以枚举、可以声明，但无法在这份数据内校正。正确的处理方式是在结果解释时逐条声明，而不是把它们当作噪声忽略。

7.4 外部验证矩阵

声称的能力	验证方式	已验证程度
评测自主信息采集	交互模式下的索取序列与指南比对	官方论文给出按病理的结果
评测二读能力	FI 模式下与执业医师准确率对照	官方论文给出对照结果
检验值解读能力	分箱与仅异常值两组对照实验	官方论文有相关实验
指令鲁棒性	改变指令措辞、信息顺序与信息量	官方论文有相关实验
跨中心泛化	无	未验证，单一来源

官方提供了公开排行榜（Hugging Face Spaces 上的 MIMIC-CDM 榜单）并持续随新模型更新，这是它的外部验证机制的延伸：任何人可以提交模型参与评测，结果公开可比。

7.5 它为何能持续

它占住的位置不是「数据更多」，而是「任务更真」。在题库式评测趋于饱和之后，对自主决策能力的度量成为新的稀缺品；而要做这件事，既需要带真实诊断的电子病历，又需要把病历拆成可索取单元的工程，还需要一套能解析请求、托管信息、记录轨迹的框架。三者同时具备的公开资源不多，这是它持续被使用的原因。

另一个可持续性来源是它的可扩展性。官方把生成流程完整开源，并提供了从原始 MIMIC-IV v2.2 重跑的入口。想增加病理种类、放宽入排条件或调整时间窗的人，不必从零开始写解析代码，改规则即可。这让它在原始四种病理之外仍有演化空间。

§8 生态位与历史

8.1 沿革

时间	事件
2024 年 5 月 17 日	版本 1.0 在 PhysioNet 首次发布
2024 年 7 月 4 日	原始论文《Evaluation and mitigation of the limitations of large language models in clinical decision-making》在 Nature Medicine 上线
2024 年 7 月 8 日	版本 1.1 发布，新增 pathology_ids.json 并调整 ICD 操作文件列序
此后	评测框架持续更新，公开排行榜陆续纳入 Llama 3、Llama 3.1、Llama 3.3、OpenBio 等模型

从时间线看，数据集与论文几乎同期成型：先发布数据，随即发布论文，一周后根据使用反馈补充分组文件。这个节奏说明它一开始就是为论文的可复现性服务的，而不是先做成通用资源再找应用场景。

8.2 与排行榜生态的关系

与多数「发布即定格」的数据集不同，MIMIC-CDM 配了一个持续更新的排行榜。榜单由作者维护，接受邮件申请后把新模型纳入评测。这带来两个后果：好处是结果持续可比、新模型有公开参照；限制是纳入节奏取决于维护者，不是自动化的公开提交。

8.3 生态位

在医学大模型评测的坐标里，它占据的是「真实数据 + 开放动作空间 + 可对照结局」这一格。题库式基准有真实答案但没有动作空间，纯文本 EHR 数据集有真实数据但缺少任务定义，它把两者接上了。代价是场景被压缩到四种腹部病理，通用性受限。

沿着第二条坐标看，它与同系列资源形成互补：MIMIC-IV-Ext-22MCTS（rid 1373）把住院过程压成事件时间序列，适合做时序建模；MIMIC-IV-Ext-BHC（rid 1249）聚焦出院小结的病程段标注，适合做文本生成评测；MIMIC-IV-Ext-MDS-ED（rid 1550）面向急诊前九十分钟的多模态整合。本数据不提供时序，而是把时序上的起点固定下来，专门测"从起点出发能走多远"。

8.4 谁在用

使用者	用法
大模型研发团队	用它报告模型的自主决策与二读能力
临床决策支持研究者	用它比对模型路径与指南推荐路径
提示工程研究者	用它测指令措辞、信息顺序与信息量的影响
医疗人工智能评测机构	把它作为基准之一纳入横向比较

§9 使用指引

进入本节前先明确一个前提：这份数据的使用成本主要在两处——凭证申请的组织流程，以及把 CSV 转成框架可读结构的工程环节。数据本身的读取没有难度，全部是标准 CSV 与一个 JSON。把时间预算放在前两处，比优化读取代码更划算。

9.1 三种角色的路径

角色	建议路径	关键提醒
大模型评测工程师	跑 run.py 与 run_full_info.py 两种模式并对照	固定提示词模板，只变待测模型
临床研究者	重点看索取序列与指南的差异	先抽查文本切段质量
提示工程研究者	用 order、abbreviated、only_abnormal_labs 做消融	官方说明这些开关在论文中未带来提升
只要语料的人	直接读 CSV，不必跑框架	现病史与查体各 2400 行

9.2 一条最短的可用流程

#-- 1. 完成 PhysioNet 凭证：注册 + 身份验证 + CITI 培训 + 签署 DUA 1.5.0
#-- 2. 下载 1.1 版全部文件到同一目录
#-- 3. 生成框架可读的 hadm_info 单元
python ConvertPhysionet.py

#-- 4. 交互模式评测阑尾炎子集
python run.py pathology=appendicitis model=llama3 summarize=true

#-- 5. 全信息模式做二读对照
python run_full_info.py pathology=appendicitis model=llama3 prompt_template=base

第 1 步无法跳过，也无法代劳：凭证与使用协议绑定的是具体的人，不是项目。团队协作时每个人都需要各自完成培训与签署，不能由一人代签后共享下载链接。

跑完第 4 步与第 5 步之后，建议把两种模式的差距单独列一张表。交互模式的分数低于全信息模式是普遍现象，差距的大小才是真正有信息量的指标：差距大说明模型的瓶颈在"不知道该查什么"，差距小说明瓶颈在"查到了也读不懂"。这两类问题对应的改进方向完全不同。

9.3 引用方式

使用本数据须同时引用数据集本身、原始论文与 PhysioNet 平台，官方页面给出了三者的完整文本。

引用对象	文本
数据集 v1.1	Hager, P., Jungmann, F., & Rueckert, D. (2024). MIMIC-IV-Ext Clinical Decision Making: A MIMIC-IV Derived Dataset for Evaluation of Large Language Models on the Task of Clinical Decision Making for Abdominal Pathologies (version 1.1). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/ztyg-ah64
原始论文	Hager, P., Jungmann, F., Holland, R., Bhagat, K., Hubrecht, I., Knauer, M., Vielhauer, J., Makowski, M., Braren, R., Kaissis, G., & Rueckert, D. (2024). Evaluation and mitigation of the limitations of large language models in clinical decision-making. Nature Medicine. https://doi.org/10.1038/s41591-024-03097-1
平台	Pollard, T., Moody, B. E., Lehman, L., Gow, B., Fernandes, C., Xie, C., Johnson, A., Mark, R. G., & Heldt, T. (2026). PhysioNet as a global platform for biomedical research. Nature Health. https://doi.org/10.1038/s44360-026-00096-z
生成代码	MIMIC Clinical Decision Making Dataset Generation Code, https://github.com/paulhager/MIMIC-Clinical-Decision-Making-Dataset
评测框架	MIMIC Clinical Decision Making Evaluation Framework Code, https://github.com/paulhager/MIMIC-Clinical-Decision-Making-Framework

§10 AI 使用声明

项目	声明
文本生成	本文由 AI 辅助撰写，编辑把关结构与事实
数字来源	规模、结构、边界三类数字来自 PhysioNet 官方页面及其列明的原始论文与代码仓库
文件核验	项目主页的摘要、方法、数据描述、使用说明、发布说明、伦理与引用段经直接访问确认
不一致说明	影像报告总数 5,959 与五类分项之和不相等，官方用词为 including，属官方表述而非笔误
论文信息	仅参考官方页面给出的引用信息与论文摘要段落，未读全文
未核验内容	各 CSV 的精确行数与字节体积、480 种检验各自的记录数、患者级人口学分布、文本切段准确率
图像	无配图；封面为生成式提示词，不含真实病历内容
免责	本文不构成临床建议；使用数据须完成 CITI 培训并签署 PhysioNet 数据使用协议 1.5.0

常见误读（避坑清单）

说法	实际	证据
「它是 OMOP CDM 格式的数据」	CDM 指 Clinical Decision Making，与通用数据模型无关	官方全名与摘要
「它和 MIMIC-IV 演示库 OMOP 版是同一份东西」	两者母数据、加工动作、交付物、许可均不同	官方页面与版本信息
「它包含 CT 与超声图像」	只有影像报告的 findings 段文本	数据描述段
「可以用它研究治疗后的指标变化」	每项检验只保留首次记录	局限段明确说明
「标签是人工事后标注的」	诊断与操作来自真实 ICD 编码与出院小结	方法段
「它覆盖全部急诊病种」	只有四种腹部病理	摘要与方法段
「下载后能直接训练分类器」	需先经转换脚本生成 hadm_info，或自行加工	使用说明段
「现病史里写着诊断，任务很简单」	明文提及病理的样本已被剔除	方法段
「升级到 1.1 只是加了个文件」	同时调整了 ICD 操作文件的列序	发布说明
「任何人都能下载」	须凭证访问，完成 CITI 培训并签署 DUA	访问与许可段
「它是多中心数据」	来源于单一医疗中心的 MIMIC-IV	母项目说明

FAQ

Q1：MIMIC-IV-Ext-CDM 里的 CDM 到底指什么？
指 Clinical Decision Making，即临床决策。这个缩写与医学信息学里更常见的 Common Data Model（通用数据模型）恰好同形，极易误判。核实方式是看官方全名：完整标题为 “MIMIC-IV-Ext Clinical Decision Making: A MIMIC-IV Derived Dataset for Evaluation of Large Language Models on the Task of Clinical Decision Making for Abdominal Pathologies”。站内 MIMIC-IV 演示库 OMOP 版（rid 1635）用的才是 Common Data Model 那个含义，两者没有任何文件层级上的关系。

Q2：它和 MIMIC-IV 主库是什么关系？
它是衍生数据集，患者数据全部来自 MIMIC-IV v2.2 的住院模块，文本部分来自 MIMIC-IV-Note v2.2。官方明确说明未收集新的患者数据，伦理审批沿用母数据集。使用本数据前需要先获得 MIMIC-IV 的凭证访问权限，因为两者共用一套数据使用协议体系。

Q3：2400 例够不够做训练？
作为评测集是够的，作为训练集偏小。它的设计目标是区分模型间能力差异，而不是提供大规模监督信号。如果需要训练，更合理的做法是用它做评测、用母库或其他大规模语料做训练。此外它只保留每项检验的首次结果，缺少时序维度，训练纵向模型时先天不足。

Q4：影像部分能不能做多模态研究？
不能做像素级的多模态。影像在此处是"模型可以索取的一类信息"，其载体是放射科医生撰写的 findings 段文本，没有任何 DICOM 或图像文件。可以做的是文本层面的多模态融合研究——比如把现病史、查体、化验与影像报告四种文本信息组合起来看诊断效果。

Q5：为什么官方要把影像报告的结论段删掉？
因为结论与印象段往往直接写出放射科医生的诊断判断。如果把这些文本提供给模型，鉴别诊断任务就退化成了读结论，模型不需要真正综合信息。保留 findings 段意味着模型读到的是客观描述，必须自己做推断。这个取舍让任务变难，但也让评测结果更能反映真实的综合能力。

Q6：版本 1.1 升级需要注意什么？
两处改动：新增 pathology_ids.json，用于按病理分组住院记录；icd_procedures.csv 中 icd_title 与 icd_version 两列互换了顺序。第二处是静默的兼容性风险——按列位置读取的代码升级后会拿到错位的字段。按列名读取即可完全规避。

术语表

术语	解释
CDM	此处指 Clinical Decision Making（临床决策），不是通用数据模型
MIMIC-IV	麻省理工学院等机构维护的去标识化重症与住院电子病历库
现病史（HPI）	History of Present Illness，描述本次发病经过的病历段落
体格检查（PE）	Physical Examination，医生查体记录的段落
出院小结	Discharge summary，出院时书写的诊疗过程与结论摘要
hadm_id	Hospital Admission ID，一次住院的唯一标识
subject_id	患者在 MIMIC-IV 中的唯一标识
ICD	International Classification of Diseases，国际疾病分类编码
itemid	MIMIC-IV 中检验项目的内部编号
valuestr	实验室文件里「数值+单位」的合成文本字段
影像模态	Modality，如 CT、X 线、超声、MRI
MRCP	磁共振胰胆管成像，在本数据中被归入 MRI 类
CTU	CT 尿路成像，在本数据中被归入 CT 类
findings 段	影像报告中描述客观所见的部分，不含结论
二读	Second reader，在已有诊断基础上提供独立意见的角色
MIMIC-CDM-FI	全信息模式，一次性提供全部信息只问诊断
交互模式	模型逐条索取信息直到自认足够的评测方式
凭证访问	Credentialed access，须培训与签署协议后方可下载
DUA	Data Use Agreement，数据使用协议
CITI	美国研究伦理与合规培训体系
BIDMC	贝斯以色列女执事医疗中心，MIMIC 系列数据来源机构

附录 A：核心数字核对表

项	值	出处
患者数	2400 名唯一患者	官方页面摘要与方法段
病理种类数	4	官方页面摘要
阑尾炎病例数	957	官方页面方法段
胆囊炎病例数	648	官方页面方法段
憩室炎病例数	257	官方页面方法段
胰腺炎病例数	538	官方页面方法段
体格检查覆盖	2400	官方页面方法段
实验室结果条数	138,788	官方页面方法段
实验室检验种类	480	官方页面方法段
微生物结果条数	4,403	官方页面方法段
微生物检验种类	74	官方页面方法段
影像报告总数	5,959	官方页面方法段
腹部 CT 报告数	1,836	官方页面方法段
胸部 X 线报告数	1,728	官方页面方法段
腹部超声报告数	1,325	官方页面方法段
腹部 X 线报告数	342	官方页面方法段
MRCP 报告数	227	官方页面方法段
操作种类数	395	官方页面方法段
ICD 操作条数	2,917	官方页面方法段
自由文本操作条数	2400	官方页面方法段
文件总数	11	官方页面数据描述段
影像时间窗	入院前 24 小时内	官方页面方法段
检验时间窗	入院前 1 天内	官方页面方法段
母库版本	MIMIC-IV v2.2	官方页面背景段
当前版本	1.1	官方页面版本信息
发布日期	2024 年 7 月 8 日	官方页面版本历史
初版日期	2024 年 5 月 17 日	官方页面版本历史
许可	PhysioNet Credentialed Health Data License 1.5.0	官方页面许可段
使用协议	PhysioNet Credentialed Health Data Use Agreement 1.5.0	官方页面访问段
培训要求	CITI「仅数据或标本研究」课程	官方页面访问段
版本 1.1 标识	10.13026/ztyg-ah64	官方页面发现段
最新版标识	10.13026/6jkj-rb45	官方页面发现段
初版标识	10.13026/2pfq-5b68	官方代码仓库引用文本
项目浏览量（当前版本）	928	官方页面浏览量统计
项目浏览量（全部版本）	1150	官方页面浏览量统计