SimulaPacientes数字患者库：11个初级保健病例
该数据集包含11个基于大语言模型的数字患者病例配置文件，以巴西葡萄牙语JSON格式存储，由巴西利亚大学医学院Escola de Pacientes DF于2026年8月29日发布，全部带有临床内容验证标记
基本信息
资源简介
SimulaPacientes数字患者库：11个初级保健病例
SimulaPacientes digital patient library: 11 primary care cases
该数据集包含11个基于大语言模型的数字患者病例配置文件，以巴西葡萄牙语JSON格式存储，由巴西利亚大学医学院Escola de Pacientes DF于2026年8月29日发布，全部带有临床内容验证标记。病例覆盖高血压、心力衰竭、慢性咳嗽、发热性疾病、婴儿发热、右上腹疼痛、皮肤病变、阴道分泌物及筛查结果等初级保健场景。每个文件包含病例标识、患者人设与系统提示、评分评估量表（含预期操作、能力领域、关键性、权重、应用条件及文档-章节-页码证据锚点）、不安全行为及扣分权重、警示信号和声明来源，可用于医学教育中的患者模拟与评估研究（来源 DOI 解析，Creative Commons Attribution 4.0 Internation。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：11个基于大语言模型（LLM）的数字患者病例的配置文件（JSON格式，巴西葡萄牙语），发表于Escola de Pacientes DF（巴西利亚大学医学院）的SimulaPacientes目录，发布日期为2026年8月29日，全部带有临床内容验证标记。病例涵盖初级保健场景（高血压、心力衰竭、慢性咳嗽、发热性疾病、婴儿发热、右上腹疼痛、皮肤病变、阴道分泌物及筛查结果）。每个文件包含病例标识、患者人设与系统提示、评分评估量表（预期操作及稳定标识符、能力领域、关键性、权重、应用条件以及文档-章节-页码证据锚点）、带扣分权重的不安全行为、警示信号和声明来源。这些文件是研究中分析的数据集。
【主题与分类】
主题标签：Patient Simulation、Digital patients、Large Language Models、Medical Education、Primary Health Care、Educational Measurement、Assessment rubrics。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23504046
使用许可：Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.23504046
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 344.5 KB。
数据说明
2026年8月29日，巴西利亚大学医学院Escola de Pacientes DF（患者学院）的SimulaPacientes目录发布了11个基于大语言模型（LLM）的数字患者病例，其配置文件（JSON格式，巴西葡萄牙语）均带有临床内容验证标记。这些病例涵盖基层医疗常见就诊情形（高血压、心力衰竭、慢性咳嗽、发热性疾病、婴儿发热、右上腹疼痛、皮肤病变、阴道分泌物及筛查结果）。每个文件包含病例标识、患者人设与系统提示、评分评估量表（预期操作及稳定标识符、胜任力领域、关键性、权重、适用条件以及文档—章节—页码证据锚点）、带扣分权重的不安全行为、警示信号和所声明的来源。这些文件即研究《基于LLM的数字患者库中评估标准的规范性溯源》（已投稿至MIE 2027）所分析的数据集。所有患者均为虚构，不包含任何真实患者数据。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
