即取即用的 AI-Ready 医疗数据集库

Microsoft Research 提出的 LLM 主张抽取方法 Claimify 的官方配套标注数据集——6,490 句 Copilot 问答输出句子级二分类标注（59.1% 含可验证事实主张），CDLA-Permissive-2.0 于 HuggingFace 公开直链，配套 ACL 2025 主会四阶段流水线论文

Microsoft Copilot（新 Bing）实际问答输出句子，派生自 Li et al. Self-Checker（NAACL 2024 Findings）396 条回答语料的句子级二次标注；单文件 CSV 五列 answer_id/question/sentence_id/sentence/contains_factual_claim，2,258,269 bytes 54

医疗NLP临床文本关系抽取电子健康记录肿瘤学乳腺癌

CORAL

人工标注文本数据基准数据40 份专家标注进展笔记（20 乳腺癌 + 20 胰腺癌，UCSF 2012–2022）+ 200 份 GPT-4 自动标注（每病种 100 份）；患者级唯一数量未单独披露

UCSF 40 份乳腺癌与胰腺癌进展笔记的专家级深标注肿瘤信息抽取基准——59 实体/23 属性/26 关系 schema、9028 实体/9986 修饰符/5312 关系人工注释，外加 200 份 GPT-4 自动标注扩展与 GPT-4/GPT-3.5-turbo/FLAN-UL2 八任务零样本评测

UCSF Information Commons 去标识肿瘤内科进展笔记（2012–2022，Philter 去标识+日期按患者级随机偏移）+ BRAT standoff 人工深标注（.txt/.ann 成对）+ GPT-4 自动标注 CSV + subject-info.csv 人口学表 + BRAT 配置四件套 60

医疗NLP临床文本生物医学文献医学问答医学考试评测基准

ApolloCorpus

模型生成文本数据清洗数据3,741,196 条文档（纯文本语料，无患者级数据）

深圳大学 FreedomIntelligence 团队发布的六语言（en/zh/es/fr/pt/hi）医疗 LLM 预训练+SFT 混合语料：374 万文档、预训练部分 2.5B tokens、首创 QA-Augmented Pre-training 与 Priority sampling，Apache-2.0 于 HuggingFace 公开

九类医疗文本（Books/Papers/Encyclopedias/Dialogues/Exams/Guidelines/medicalWiki 多语言版）加通用文本（Web/General/Math/Code），叠加 ChatGPT 改写的 QA-Augmented 扩展与 11 个开源上游数据集 39

电子健康记录重症监护队列研究时序数据多模态评测基准

CLIF

939,328 名患者（官网 2026-09）67 家医院13 机构（同口径 16 站点）关系型 23 表 schema（论文 v1.0）mCIDE 受控词表 + 原始标签双列官网口径 939,328 名患者 / 1.03M hospitalizations（2026-09）；联盟累计格式化。论文口径（2020-2021 队列）111,440 例入院 / 9 systems

Common Longitudinal ICU data Format——跨 12+ 机构的开源重症监护纵向数据标准与联邦研究联盟：939K+ 患者、67 家医院，写一次分析代码跨站运行、患者级数据永不出院，MIMIC-IV-Ext-CLIF 参考实现落 PhysioNet

跨机构成人 ICU EHR 数据标准化为 CLIF schema（23 表 v1.0，含 vitals/labs/respiratory_support/medication/ADT/ECMO 等）；参考实现 MIMIC-IV-Ext-CLIF 由 MIMIC-IV v3.1 转换而来（14 表 Parquet） 90

医学问答与基准评测基准医学问答临床文本医疗NLP

MedCalc-Bench

人工标注文本数据合成数据test 1,047 例（全部人工复核，覆盖 55 计算器）+ train 10,053 例（论文口径，覆盖 40 计算器）；note 候选语料库 Open-Patients 180,142 条

首个评估大语言模型医学计算能力的评测基准——55 个临床计算器、1,047 例人工复核测试题，GPT-4 one-shot CoT 仅 50.9%，NeurIPS 2024 Datasets & Benchmarks Oral，NLM/NIH 主导，CC BY-SA 4.0 于 HuggingFace 公开

HuggingFace ncbi/MedCalc-Bench（v1.2，train.csv/test.csv）+ github.com/ncbi/MedCalc-Bench 评测与复现代码；note 底层 Open-Patients（PMC-Patients/MedQA-USMLE/TREC CT/TREC CDS 四源）与合成模板 45