即取即用的 AI-Ready 医疗数据集库

2,021,810 名完成基线问卷的英国成年志愿者、1,690,704 人链接 NHS 号、755,000 人有芯片与插补基因型；数据全部锁在 DNAnexus 承建的 Trusted Research Environment 内，研究者须经注册认证—Access Board 审—付费—TRE 分析四道闸门

Our Future Health 前瞻性队列：基线健康问卷（v1/v2/v2.1/v2.2）、诊所客观测量与 POCT 血脂、Illumina Infinium Excalibur 芯片与插补基因型、英格兰 NHS 链接健康记录与 ONS 死亡登记、参与者地理数据 47

电子健康记录真实世界数据临床电子病历医疗登记队列研究

广安门医院慢性胃炎高质量数据集 — 中医优势病种专病数据集的数据要素化样本

人工标注结构化数据多中心数据未公开（官方仅公布 6 大类 25 个模块，未披露入组病例数与数据元总数）

中国中医科学院广安门医院以真实门诊住院病历治理而成的慢性胃炎专病数据集：中医四诊、中西医诊断、中药处方等 6 大类 25 个模块、敏感信息 100% 匿名化，2026 年 5 月获批国家数据产权登记证书，2026 年 8 月 28 日于贵阳中国国际大数据产业博览会正式发布，配套出版《慢性胃炎专病中西医标准数据集（2025）》——它是可查证、可引用、却不可下载的数据资产

中国中医科学院广安门医院真实门诊病历与住院病历，经清洗、标准化、质控全流程治理形成 6 大类 25 个模块的专病结构化数据；字段定义公开于《慢性胃炎专病中西医标准数据集（2025）》（中国协和医科大学出版社），字段明细见正文附录 A 30

医疗NLP多模态影像-文本对齐生物医学文献医学考试

TCM-Pretrain-Data-ShizhenGPT — 岐黄问道·神农 6B token 中医预训练语料

原始数据合成数据图文交错中文语料非患者级数据集：语料来自 3,256 本教材与网页/公众号文章；论文另称含 1.2M 图像、200+ 小时音频与生理信号（信号不随本数据集发布）

「神农」ShizhenGPT 的五件套中医预训练语料：3,256 本教材文本、5B+ token 网页文本、两类图文交错数据，外加 GPT-4o 合成的图文对——文本与图文两族、真语料与合成数据必须分开看

五部分：TCM_Book_Corpus（3,256 本教材，约 0.5B token）｜TCM_Web_Corpus（5B+ token）｜TCM_Book_Interleaved_Data（306 本书、41,459 条、50,690 图）｜TCM_Web_Interleaved_Data（505,465 条、1,143,954 图）｜TCM_pretrain_synthesized_vision（GPT-4o 合成，144,239 条、159,534 图） 29

医疗NLP临床文本医学问答与基准评测基准电子健康记录

TCM-SD — 首个公开大规模中医辨证文本分类基准

文本数据评测数据原始数据54,152 条真实门诊病历（原始逾 65,000 条，经证型归一化与低频类过滤后保留 54,152 条、148 种证型）；患者个体数未公开

北京理工大学联合徐州市中医院发布的 54,152 条真实中医门诊病历、148 种证型，配 4 亿 token 中医语料预训练 ZY-BERT，CC BY-NC-SA 4.0 经 GitHub 与阿里云天池公开，把「辨证论治」变成可复现的文本分类任务

徐州市中医院真实中医门诊病历文本（现病史 + 主诉 + 四诊信息 + 证型标签），经三阶段证型归一化（548→244→148）；另附 1,027 种证型的外部知识语料（爬自大医网）与逾 4 亿 token 的中医预训练语料 40

医学影像CT图像分类内窥镜影像肺癌评测基准

BronchoAccess — 438 例术前 CT 联结支气管镜真实取材转归的可达性预测数据集

影像数据临床结局标注公开数据438 例患者（3 家临床中心），每例 1 个目标病灶；279 例诊断成功 + 159 例非诊断

三中心 438 例 3D CT 配对「活检是否取得诊断性组织」的术后硬结局，把「这支镜子能不能到」从术者主观阅片变成可监督的二分类任务，并以解剖感知专家混合模型（AUROC 0.8052）确立首个基准

西北大学 Bagci Lab 三中心回顾性队列：术前胸部 3D CT（NIfTI）+ 病灶 patch + 气道树图（PyTorch Geometric .pt）+ labels.csv 转归标签，Hugging Face 公开直链（gated=false） 28

公共卫生与流行病学疾病监测公共卫生统计全球健康流行病学

STI Prevalence Atlas — WHO 首个中低收入国家 STI 患病率证据图集：766 项研究、2,453 个数据点

文献抽取聚合统计汇总数据非个体级数据：766 项研究 / 2,453 个患病率数据点（2026-06 口径），每个数据点对应一个 Study Group（研究×国家×性别×时段×人群）

WHO 于 2026 年 7 月发布的 STI Prevalence Atlas，把 2010 年后中低收入国家散落在文献与国别报告中的衣原体、淋病、HSV-2、梅毒、滴虫病患病率，按研究×人群×地点拆成可比的 Study Group 数据点；它是患病率汇总库而非个体级微数据，看板呈现、无公开 bulk 下载

WHO STI Prevalence Atlas 数据看板（data.who.int/dashboards/sti-prevalence-atlas）：Anova Health Institute 系统综述 + 89 篇已发表系统综述 + UNAIDS 国别报告 + 专项检索，抽取为 Study / Study Group / 患病率三层记录 46