即取即用的 AI-Ready 医疗数据集库

Electron Microscopy Public Image Archive 收录单颗粒冷冻电镜原始帧、电子断层倾斜系列、体积电镜与 X 射线断层三维数据集，2026 年累计 3,196 条、9.42 PiB，EMBL-EBI 运营、CC0 公共领域奉献、REST API 免认证开放，与 EMDB 三维图谱、PDB 原子坐标构成三方协作归档体系

全球冷冻电镜实验室沉积的原始图像与三维数据集（单颗粒/断层/体积 EM/X 射线断层），经 EMBL-EBI 策展后公开（EMPIAR-##### accessions，DOI 10.6019/EMPIAR-#####） 29

医学影像图像分类药物发现与化学药物安全

NB-TCM-CHM — 宁波中医药材果实图像数据集 — 20 类中药果实 3,784 张图与深度学习识别基线

影像数据人工标注原始数据不适用（20 类中药材果实图像 3,784 张：Dataset 1 网络爬取 3,384 张 + Dataset 2 手机实拍 400 张）

宁波大学等打造的首个公开发布中药材果实图像数据集：网络爬取 3,384 张加中药房手机实拍 400 张，覆盖补骨脂、枸杞子、五味子等 20 类果实，中医师逐张标注、CC BY 4.0 公开于 Mendeley Data

Mendeley Data（DOI 10.17632/2kjmzjyrmd.3，官方，约 1.2 GB zip，SHA-256 校验）+ Kaggle 第三方镜像（kilogrand/nb-tcm-chm）；20 类中药材果实 JPG 图像，按名称分文件夹存储 35

电子健康记录重症监护时序数据多模态评测基准

Lacuna — 跨三大洲 60 万住院的重症监护协调时序数据集

真实世界数据时序数据衍生数据超过 600,000 次住院（patient stays）；2025 ICareFM 口径扩至约 650,000；含儿科子集（PICdb 中位年龄约 2 岁）

把美欧中九个 ICU/ED 源库用 ricu 概念层协调成近 10 亿数据点的超大规模时序集合——首次纳入治疗变量（给药速率与剂量），并为跨院迁移学习立基准：LightGBM 仍胜深度模型

美国 MIMIC-III/MIMIC-IV/eICU/MIMIC-IV-ED + 欧洲 AmsterdamUMCdb/HiRID/SICdb + 中国 PICdb/Zigong EHR 共九个源库经 ricu 概念层协调；双格式导出（稠密全插补网格 + 时间-变量-值三元组） 28

真实世界数据药物安全公共卫生统计医疗登记

MAUDE — FDA 医疗器械不良事件报告数据库

真实世界数据公开数据文本数据无患者级计数（报告级数据，患者信息经 (b)(6) 脱敏）；报告总量：openFDA device/event 26,136,889 条（2026-09-08）、MDR Data Files mdrf

美国 FDA 依 21 CFR Part 803 强制收集的医疗器械不良事件（MDR）库：制造商/进口商/使用机构/自愿者四路报告，1991 年以来累计逾 2,300 万条，CC0 公有领域开放，配套 openFDA API 与全量 pipe-delimited 下载——器械安全监测的全球基准库

美国 FDA MAUDE 数据库（accessdata.fda.gov MAUDE 检索界面 + FDA MDR Data Files 全量下载 + openFDA device/event API 三路获取）；报告来源含制造商、进口商、器械使用机构（医院/门诊/护理院/门诊手术中心）及自愿报告者（医护人员/患者/消费者） 59

药物发现与化学化学信息学药物-靶点相互作用分子性质预测虚拟筛选评测基准

PLUMBER — 蛋白-配体未见靶点匹配基准，180 万条序列基结合活性数据

公开数据人工标注文本数据不适用（蛋白-配体配对数据，非患者级；约 180 万条活性值，train/val/test 各集精确行数官方未披露）

Bioptic 出品的序列基蛋白-配体结合预测基准：整合 ChEMBL+BindingDB+BioLip2 三源、经 PAINS 过滤与标准化得约 180 万条活性值，采用 PLINDER 未见靶点 split 做泛化压力测试，CC-BY-4.0 发布于 Polaris Hub

ChEMBL + BindingDB + BioLip2 三源蛋白-配体活性数据经再加工：仅取单体数据、ChEMBL Structure Pipeline 标准化 SMILES、BindingDB 优先、PAINS 过滤、val/test 二值化去重（Ki/Kd < 1 μM 判 active），按 PLINDER 蛋白 split 分配未见靶点 27

蛋白质组学分子生成医学问答与基准评测基准

MotifBench — 基序支架蛋白质设计的标准化评测基准

原始数据基准测试不适用（计算蛋白质设计基准，不含患者数据；30 个测试问题的 motif 均提取自 PDB 公开实验结构）

30 个来自 PDB 实验结构的挑战性 motif 测试问题 × 每问题 100 个骨架 = 3,000 个 backbone 的评测规范，以 ProteinMPNN 序列设计 + ESMFold 折叠验证的双 RMSD 判据量化基序支架方法，含开源实现与社区排行榜

GitHub blt2114/MotifBench（test_cases.csv + motif_pdbs/ 30 个 motif PDB + Scaffold-Lab 评测流水线 + scripts/）+ Zenodo 示例 scaffold 与评测输出（DOI 10.5281/zenodo.19690602 等） 30

医学图像分割目标检测挑战赛数据集评测基准蛋白质组学多模态

CZ CryoET Data Portal — 冷冻电子断层扫描标准化注释门户

影像数据原始数据人工标注预训练数据不适用（非患者数据；为细胞/大分子结构成像数据）

Chan Zuckerberg 影像研究所（CZ Imaging Institute）构建的 cryo-ET ML-ready 门户——以统一 schema 与云优化 OME-Zarr 格式聚合标准化三维细胞断层数据，五级实体（Deposition/Dataset/Run/Tomogram/Annotation）配 CC0 开放许可，为分割、粒子挑选与亚断层平均算法提供跨库训练与基准底座

CZ Imaging Institute 运营的 cryoET 标准化数据门户：90 个 Deposition（2026-10 实抓），涵盖数百 Dataset 与数万 Tomogram，示例 deposition CZCDP-10318 即含 27,388 tomograms / 25,210 annotations；含倾斜系列（tilt series）、重建断层图（tomogram）、大分子与细胞器注释；文件以 MRC 与云优化 OME-Zarr 提供 25

药物发现与化学分子性质预测化学信息学挑战赛数据集评测基准

OpenADMET ExpansionRx — 真实药企先导优化 ADMET 盲挑战数据集

实验数据分子数据基准数据7,600+ 小分子（train 5,326 + test 2,282 = 7,608；raw 7,618）；9 个挑战赛 ADMET 端点（raw 另含第 10 个 RLM CLint）

Expansion Therapeutics 开源 7,600+ 分子、9 个 ADMET 端点的真实先导优化数据，2025-10 至 2026-01 由 OpenADMET 与 Hugging Face 联合主办盲挑战，370+ 参赛者用时间切分预测晚期分子性质，CC-BY-4.0 全量公开

Expansion Therapeutics 临床前先导优化项目湿实验 ADMET 测定数据（HF：openadmet/openadmet-expansionrx-challenge-data） 43

药物发现与化学基因组学与多组学评测基准蛋白质组学

PSBench — 蛋白复合物结构模型准确性估计的大规模基准

预测数据模型评估数据公开基准不适用（非患者数据集）：79 个 CASP15/CASP16 蛋白复合物靶标（targets）；含 AlphaFold 生成的蛋白复合物预测结构模型，不涉及人类受试者

密苏里大学 2025 年 NeurIPS Datasets & Benchmarks 基准套件：5 个数据集、逾 140 万个由 AlphaFold2-Multimer 与 AlphaFold3 生成的蛋白复合物结构模型，逐模型标注全局/局部/界面三层共 10 种质量分数，衍生图变换器基线 GATE 在 CASP16 社区盲测名列前茅

CASP15 与 CASP16 竞赛期间由 MULTICOM3/MULTICOM4 生成的 in-house 结构模型 + CASP15/16 社区提交模型 + 2024-07 至 2025-08 新存入 PDB 的复合物条目模型；每模型标注 10 种质量分数（TM-score 4 变体/rmsd/lDDT/ics/ics_precision/ics_recall/ips/qs_global/qs_best/dockq_wave）与 6 种额外特征 29