即取即用的 AI-Ready 医疗数据集库
千方医数集致力于为医疗 AI 研究人员找到合适的数据集，让你的 AI 感知模型能够更快地学习、更准确地运行，并无缝适应现实世界的环境。
数据标签
共 600 个数据集
Human Brain snRNA-seq Atlas — 1400 万核 · 31 脑区 · 2,239 例死后样本的 AD 单核转录组图谱
GSE326002 / PRJNA1442802：CN·AD·CR·PART 四分组的人脑单核 RNA 测序最大规模自述图谱
UCDP 冲突数据 — 41.8 万起有组织暴力事件，记到村庄与单日
它不是伤亡统计，是把「暴力」这件事拆成可核验的最小单元：某天、某个坐标、哪两方、死了多少人、依据什么来源。37 年、126 个国家、425.8 万条死亡记录。做冲突与健康研究时，这是唯一能让你把「战争」当作一个可测量的环境暴露变量接进模型的东西
OECD 健康统计 — 86 个 dataflow，把「卫生系统」拆成可比的零件
它不是一份数据，是一套 SDMX 3.0 的机器可读接口：生命 expectancy、医疗支出与筹资、医生护士密度、病床与 ICU、住院与手术量、癌症与传染病死亡、可避免死亡、药品市场——全部放在同一套维度模型下。做卫生系统比较研究时，你真正需要的那张「国家 × 年 × 指标」表，这里有 18 组数据流等着被拼起来
世界银行开放数据 — 29,544 个指标，把「国家」变成一行
它不是一个数据集，是 71 个数据源的统一检索层：每个指标都标了原始生产者（WHO、UNICEF、ILO、IMF），每条观测都带国家代码、年份、单位与小数位。做跨国健康公平研究时，你真正需要的那张表在这里是「国家 × 年份 × 指标」的三维点阵
Matbench — 13 个材料任务，给算法排座次
它本身不是一个材料数据库，而是一份「考卷」：13 道题、10 个原始数据来源、40.8 万条样本，五折嵌套交叉验证、随机种子写死、划分文件随包分发。它的价值在于把「我的模型更好」这句话变成可复核的分数——代价是，你必须接受它的清洗口径与划分方式，而不是自己那套
QMOF — 20,372 个金属有机框架，四种泛函的带隙
它是第一个把周期性 DFT 系统性地做在 MOF 上的公开库：500 个原子的大晶胞、170 CPU 年的算力、四种泛函的同一批结构。它最锋利的地方不是规模，而是那组「PBE 带隙双峰、HSE06 变单峰」的对照——同一批材料，换个泛函，结论会翻转
SHARE — 28 国 17.5 万人，欧洲老去过程的统一标尺
同一份问卷、同一套变量名、同一套缺失码，在 28 个国家问了 22 年：它让「德国的老人比意大利健康吗」这个问题第一次变得可以计算——而它最锋利的部分，是那 2.7 万份干血斑
Add Health — 2 万个美国青少年，从 12 岁追到 44 岁
1994 年在 145 所中学里问出 9 万份问卷，抽 2 万人做家访，然后每 5–7 年回去一次，一直到 2025 年他们 44 岁——这不是一个数据集，是一代人被反复测量的三十年
Europe PMC — 4,911 万条生命科学文献，1.3 亿条机器标注
它不是 PubMed Central 的欧洲镜像：多了预印本、专利、Agricola，多了一整套资助方反查，还多了 13 亿条文本挖掘标注——这是目前唯一能「按钱查论文、按论文查数据」的公开文献基础设施
TCMSP — 502 味药材、13,729 个化合物，每个都带五项成药性打分
免费的老版 2.3 只有 502 味药材和 13,729 个化合物，但每一个化合物都配齐 OB、DL、Caco-2、BBB、溶解度——这是网络药理学十年来的筛选口径本身
CPIC — 把基因型翻译成剂量的那一层
132 个基因、324 种药、29 部指南、2,115 条推荐：它不做研究，只做一件事——把文献里的证据定级，然后落成一句「该加量、减量、还是换药」
DANDI Archive — 神经电生理数据联邦档案库
它不是一个数据集，是上千个数据集的容器。首页写着一千零五十九个、九百二十二太比特，同一个站的 API 却报九百三十八、一千二百零九；四个官方来源给出四个规模数字。这个库真正值得学的是它怎么把「版本」和「许可」做成硬约束
定制数据集服务
无法找到所需数据？我们提供个性化的临床数据采集与高精度人工标注服务，满足您的特定算法研发需求。
